شناسايي جريان سيال روي استوانه با بررسي صوت حاصل از جريان توسط روش هاي يادگيري ماشين

در سال هاي اخير، روش هاي يادگيري ماشين به عنوان ابزار قدرتمندي در زمينه تحليل داده ها در زمينه‌هاي مختلف مانند تحليل آيروديناميكي جريان سيال مورد استفاده قرار گرفته و توانسته است با هزينه كمتري نسبت به روش‌هاي عددي متداول، نتايج مشابهي را ارائه كند. در مقايسه با اين تحقيقات، پژوهش هاي محدودي در زمينه استفاده از روش هاي يادگيري ماشين براي تحليل داده هاي صوتي حاصل از جريان سيال انجام شده است. استفاده از داده‌هاي صوتي براي شناسايي ويژگي‌هاي ميدان جريان سيال موضوعي نو در زمينه تحقيقات علم آيرواكوستيك است و هدف اين پژوهش، ارزيابي عملكرد روش هاي يادگيري ماشين شامل جنگل تصادفي، آدابوست و پرسپترون چند لايه بر روي داده‌هاي صوتي استخراج شده از شبيه‌سازي عددي جريان روي استوانه با هدف تشخيص و طبقه‌بندي داده ها بر اساس عدد رينولدز جريان (به عنوان ويژگي هدف) است. نتايج نشان مي‌دهد روش‌هاي يادگيري ماشين مي توانند با دريافت داده هاي صوتي مربوط به ميكروفون هاي نصب شده در پيرامون استوانه، با دقت خوبي شناسايي و طبقه بندي حالت هاي مختلف جريان را بدست دهند. اثر ارزيابي عملكرد روش هاي يادگيري ماشين با كاهش تعداد داده هاي آموزشي و همچنين تغيير موقعيت قرارگيري ميكروفون هاي اندازه‌گيري، نشان مي‌دهد با آن كه دقت تشخيص كاهش پيدا مي كند، اما همچنان روش هاي يادگيري ماشين كارايي مطلوبي در شناسايي ويژگي هدف جريان سيال را دارند.