حل معادلات ديفرانسيل پاره اي حاكم بر مسائل حرارت و سيالات با استفاده از يادگيري عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي مكانيك

كارشناسي ارشد

اين پژوهش به حل معادلات ديفرانسيل پاره اي با روش يادگيري عميق مي پردازد، در ادامه نيز سعي شده است تا براي حل معادله ي انتقال حرات با انجام بهينه سازي در ساختار الگوريتم و شبكه ي عصبي، سرعت محاسبات را به ازاي دقت يكسان بالا برد، همچنين الگوريتم براي معادله ي حرارت دوبعدي و سه بعدي تعميم داده مي شود. اين كد شامل بخش هاي مختلفي از جمله فراخواني كتابخانه هاي مورد نياز، تعريف ساختار شبكه و تعداد لايه ها و نورون هاي هر لايه، تعريف پاسخ مساله و افزودن شرايط مرزي و اوليه، تابع هزينه، مشتق گيري به روش الگوريتمي، بهينه سازي تابع هزينه و گرفتن خروجي مي باشد. براي افزايش سرعت محاسبات، نمودار تعداد نورون هاي موجود در هر لايه برحسب زمان رسيدن به خطاي مشخص رسم مي گردد كه براي معادله ي حرارت يك بعدي گذرا در حالت شبكه ي عصبي سه لايه، در محدوده ي 20 تا 40 نورون، زمان پردازش كم تري مشاهده مي شود؛ در ادامه با قرار دادن ضرايب وزن براي هر يك از عبارات موجود در تابع هزينه و رسم نمودار تغييرات ضرايب بر حسب مدت زمان حل، سعي مي شود تا يك مقدار بهينه براي اين ضرايب بدست آورد و براي معادله ي انتقال حرارت يك بعدي گذرا با شبكه ي عصبي سه لايه (دو لايه ي مخفي با 16 نورون و يك لايه ي خروجي)، ضريب لامدا در محدوده ي مقدار 2.2 توانست سرعت محاسبات را به ميزان قابل توجهي بالا ببرد.

222802

تبديل انرژي

مهندسي مكانيك

دانشگاه صنعتي اصفهان