ارايه يك سيستم استنتاجي براساس خوشه بندي فازي براي پيدايش تغييرات در ميدان جريان خروجي روتور توربوماشين گريز از مركز

Inference System Based on Fuzzy Clustering to Display the Flow Field Changes in the Rotor Outlet of Centrifugal Turbomachinery

در اين مقاله به ارايه سيستمي بر مبناي خوشه بندي فازي براي نمايش تغييرات ميدان جريان در ناحيه خروجي روتور توربوماشين گريز از مركز پرداخته شده است. آنچه در پژوهش هاي انجام گرفته در حوزه توربوماشين ها حايز اهميت است، نياز تمامي زمينه ها به درك صحيح از پديده هاي جريان داخل توربوماشين است كه از پيچيدگي هايي برخوردار است. به همين سبب از پيشرفته ترين تجهيزات آزمايشگاهي در اين راستا استفاده مي شود كه با مسايلي از قبيل زمان بري، هزينه بالا و تعداد زياد آزمايش هاي مورد نياز همراه است كه اهميت شبيه سازي و رصد پديده هاي جاري در آن را به واسطه الگوريتم هاي هوش مصنوعي دوچندان مي كند. سيستم حاضر براساس خوشه بندي فازي به گونه اي عمل مي كند كه داده هاي مكاني (از سيستم اندازه گيري تصوير ذره اي) توسط تعداد خوشه معين به نمايش ميدان در زمان اوليه مي پردازد، سپس با اعمال تغييرات در خوشه مربوط به رشته داده هاي زماني (از سيستم اندازه گيري بادسنجي ليزري) كه حاوي تغييرات ثبت شده از جريان در طول زمان داده برداري است، داده هاي جديد ميدان در گام زماني جديد حاصل مي شود و با خوشه بندي مجدد داده ها، نمايش تغييرات ميدان جريان در فضاي فازي صورت مي پذيرد. در مقاله حاضر، ميدان جريان براي شش گام زماني پياپي مورد بررسي قرار گرفته است كه نتايج خروجي سيستم، تغييرات ميدان جريان ناشي از چرخش روتور در زواياي مختلف را در ناحيه داده برداري شده نشان مي دهد.

In this paper, a fuzzy clustering system is presented to display the flow field changes in the rotor outlet of centrifugal turbomachinery. What is important in the research done in the field of turbomachinery is the need for all the fields to properly understand the phenomena of flow inside the turbomachines, which has complexities. For this reason, the most advanced laboratory equipment is used in this regard, which is associated with issues such as time consuming, high costs, and a large number of required tests, and doubles the importance of simulating and observing current phenomena through artificial intelligence algorithms. The present system operates on the basis of fuzzy clustering so that the spatial data (from the PIV measurement system) by the number of specific clusters to the field display in the initial time; then, by applying changes to the cluster related to the time series (from the system measurement of LDA) that contains the recorded changes of the current during the time of the data mining, the new field data are obtained at a new time step and the clustering of the data shows the variation of the flow field in the fuzzy environment. In this paper, the flow field was investigated for 6 successive steps, and the results of the system output showed the variation of the flow field from the rotor rotation at different angles.