بهبود ضرایب آیرودینامیکی ایرفویل با تغییرشکل آزاد به کمک شبکه‌های عصبی و الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک ، دانشکده مهندسی ، دانشگاه فردوسی مشهد ، مشهد ، ایران

2 گروه مهندسی مکانیک، دانشکده مهندسی ، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

با ظهور ایرفویل های تغییرشکل پذیر، آیرودینامیک ایرفویل توربین های بادی و بال ها دچار تغییرات زیادی شد. در این پژوهش ضرایب آیرودینامیکی ایرفویل تغییر شکل پذیر بر مبنای ناکا۰۰۱۵ در محدوده عدد رینولدز 105 تا 106 و زاویه حمله ی 0 تا 12 درجه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک بهینه سازی شده است. ابتدا ایرفویل ها به وسیله نقاط کنترل تصادفی در نرم افزار متلب تولید و در نرم افزار گمبیت شبکه بندی شدند، سپس در نرم افزار انسیس به صورت دو بعدی شبیه سازی شدند. نتایج شبیه سازی شامل ضرایب برآ و پسآ، نقطه جدایش و مرکز فشار به همراه نقاط کنترل برای آموزش شبکه عصبی مورد استفاده قرار گرفت. تابع آموزش دیده شبکه عصبی به عنوان تابع ورودی به الگوریتم ژنتیک داده می شود تا ضرایب مورد نظر بهینه سازی شوند.
ضریب برآ، مرکز فشار، نقطه ی جدایش و نسبت ضریب برآ به پسآ به صورت تک هدفه بهینه سازی شدند، در بهینه سازی تک هدفه ضریب برآ با استفاده از ایرفویل تغییرشکل پذیر مقدار ضریب برآ 18% افزایش یافت. همچنین ضریب برآ و مرکز فشار، ضریب برآ و پسآ به صورت دو هدفه بهینه سازی شدند. در بهینه سازی دو هدفه ضریب برآ و پسآ، با تغییر شکل ایرفویل مقادیر آنها به ترتیب در 0/8 و 0/03 کنترل شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Improvement of aerodynamic coefficients of the airfoil with free form deformation with the aid of Artificial Neural Networks and Genetic Algorithm

نویسندگان [English]

  • Mohsen Kazemi 1
  • Amirhossein Fardi 1
  • Mohammad Javad Maghrebi 2
1 Department of mechanical engineering , faculty of engineering , Ferdowsi University of Mashhad , Mashhad , Iran
2 Department of mechanical engineering , faculty of engineering , Ferdowsi University of Mashhad, Mashhad, Iran
چکیده [English]

With the advent of morphing airfoils, the aerodynamics of wind turbines and wings underwent many changes. In this study, the aerodynamic coefficients of morphing airfoil based on NACA 0015 are optimized in the range of Reynolds number 105 to 106 and the angle of attack 0 to 12 degrees using Artificial Neural Network (ANN) and Genetic Algorithm(GA). First, the airfoils were created in MATLAB software by random control points and mesh generated in Gambit software, then in two-dimensional Ansys software were simulated. The simulation results, including lift and drag coefficients, separation point and pressure center, with control points were used to train the Artificial Neural Network (ANN). The trained function is given as an input function to the Genetic Algorithm(GA) to optimize the desired coefficients.
Lift coefficient, the center of pressure, separation point and lift to drag ratio were optimized as a single objective, In single-objective optimization, the lift coefficient was increased by 18% using the morphing airfoil. Also, the lift coefficient and the center of pressure, the lift coefficient and the drag coefficient were optimized as the dual-objectives optimization. In the optimization of the dual objectives, lift and drag coefficients were controlled by 0.8 and 0.03, respectively, by the morphing airfoils.

کلیدواژه‌ها [English]

  • Morphing airfoil"
  • "Computational fluid dynamic"
  • "Artifical Neural Networks"
  • " Genetic Algorithm