مطالعه عددی پارامتر‌های عملکردی کمپرسور شعاعی توسعه یافته به کمک یک الگوریتم کلاسیک یادگیری ماشین

در سال‌های اخیر پیشرفت‌های قابل توجهی در پژوهش‌های مربوط به توربو‌ماشین صورت‌گرفته است. امروزه باتوجه به اهمیت ‌بهینه سازی و‌یافتن مدل بهینه، مولفه‌های ‌اقتصادی وکاهش وزن سازه درهر مرحله ازکمپرسورها موردتوجه‌است. باتوجه به کاربرد این وسایل درموتور‌های هوایی، پرخوران موتورهای دیزل و ‌معمولی و استفاده در پتروپالایشگاه‌ها می‌توان ازاهمیت آن برشمرد. به دلیل تجاری بودن این‌ داده‌ها، مطالعات پژوهشی این حوزه کمتر به وضوح دیده ‌می‌شود. رویکرد پژوهش حاضرکاهش تعداد پره های یک کمپرسور و جبران این کاهش با تغییر در زوایای پره با کمک یک الگوریتم یادگیری ماشین کلاسیک، صورت گرفته است. درمرحله بعدتحلیل جریان درهندسه جدید بانرم ‌افزار انسیس‎ سی ‌اف ایکس، که مبتنی برروش عددی المان محدود است، بررسی شده است. درحقیقت با این کار به نوعی صحت سنجی پرداخته شده است. درراستای این پژوهش اثر تغییر تعداد پره بر پارامترهای عملکردی مثل آنتروپی و نسبت فشار ارزیابی شد. مشاهده شدکه می‌توان با کاهش تعداد پره که موجب کاهش 5 درصدی نسبت فشار، وزن سازه را کاهش داد. ضمن این پژوهش ثابت شد که الگوریتم های کلاسیک یادگیری ماشین همچنان قابلیت رقابت با الگوریتم های پیشرفته تر را دارد. برای مدل سازی توربولانس هم، مدل k-ε sst استفاده شده است. از این مدل به منظور مشاهده دقیق برگشت جریان در جریان پایین دست کمپرسور، استفاده شده است.

numerical study of the performance parameters of the developed centrifugal compressor using a classical machine learning algorithm

in recent years, significant progress has been made in research related to turbomachine. nowadays, due to the importance of optimization and finding the optimal model, the economic components and weight reduction of the structure are considered in each stage of compressors. due to the use of these devices in air engines, regular and diesel engines, and use in petrorefineries, it can be counted among its importance. due to the commercial nature of these data, research studies in this field are less clearly visible. the approach of the current research is to reduce the number of blades of a compressor and compensate this reduction by changing the blade angles with the help of a machine learning algorithm. in the next step, the flow analysis in the new geometry has been investigated with the ansys cfx software, which is based on the finite element numerical method. in line with this research, the effect of changing the number of blades on functional parameters such as entropy and pressure ratio was evaluated. it was observed that it is possible to reduce the weight of the structure by reducing the number of blades, which reduces the pressure ratio by 5%. the k-ε sst model is used to model the flow turbulence. this model has been used in order to accurately observe the reverse flow in the downstream flow of the compressor.