کاربرد یادگیری ماشین در افزایش کارایی آزمونهای تجربی خاموشی آکوستیکی شعله
نویسندگان
1 دانشکده مهندسی هوافضا دانشگاه صنعتی شریف، تهران، ایران
2 دانشکده مهندسی هوافضا، دانشگاه صنعتی شریف، تهران، ایران
3 دانشکده مهندسی هوافضا، دانشگاه صنعتی شریف، تهران، ایران
doi
10.22034/jfnc.2024.386453.1378چکیده
ن ناپایداری احتراق بر اثر امواج آکوستیکی، میتواند منجر به آثار مخربی همچون تنش حرارتی بر روی بدنه محفظه احتراق، نویز، خاموشی شعله، برگشت شعله، ارتعاشات و حتی پدیدهی انفجار شود. این مقاله با به کارگیری روش طراحی آزمون، بهصورت سازمانیافته، اقدام به جمعآوری داده تجربی برای پیشبینی خاموشی شعله کرده است. دسترسی به مواد اولیه آزمایش، تجهیزات، هزینههای آزمون و امکان آسیبرسیدن به مولد آکوستیک در دامنههای فشاری بالا، دلایلی است که میبایست نقاط آزمون را هوشمندانه انتخاب کرد. پارامتری که برای شناسایی شرایط خاموشی در نظر گرفته شده، توان آکوستیکی امواج آکوستیک است. چهار عامل اثرگذار فرکانس امواج، نسبت همارزی، عدد رینولدز جریان واکنشدهندهها و قطر دیواره محفظه بهعنوان ورودی برای مدل یادگیری ماشین در نظر گرفته شده است. به کمک روش رگرسیون بردار پشتیبان، تابعیت توان آکوستیکی موردنیاز برای خاموشی شعله متان و پروپان از پارامترهای مذکور استخراج شده است. محاسبه خطای مدل ارائه شده نشان داد که مدل ارائه شده در گستره وسیعی از پارامترهای فرکانس، نسبت همارزی، قطر محفظه و عدد رینولدز، دقت مناسبی دارد.