Yatay bir dairesel silindir etrafındaki akımda maksimum hızın yapay sinir ağları ile tahmini

Öz

Akım içerisine batmış iki boyutlu dairesel silindirler yapı elemanı olarak mühendislik uygulamalarında yaygın olarak kullanılırlar, bu nedenle bu tür küt cisimlerin akışkan akım ile etkileşimi konusundaki araştırmalar tasarım amaçları bakımından önem arz etmektedir. Silindirik bir yapı etrafındaki hız dağılımı sınır tabakası gelişimi, ayrılma noktası ve kayma gerilmelerinin belirlenmesinde önemli bir parametredir. Bu çalışmada, tabana yakın dairesel bir silindir etrafındaki hızlar üç farklı Reynolds sayısı (ReD= 840, 4150 ve 9500) ve beş farklı boşluk oranı (G/D= 0.2, 0.3, 0.6, 1.0 ve 2.0) için PIV(Parçacık Görüntülemeli Hız Ölçüm) tekniği ile çalışan ölçme sistemi kullanılarak ölçülmüştür. Açık kanal içerisindeki yatay, dairesel, izole bir pürüzsüz silindirin etrafındaki teğetsel hızın boyutsuz maksimum değeri, ut/uo, ile G/D, ReD, ve α arasındaki ilişkinin belirlenmesi amacıyla Çoklu Doğrusal Regresyon (ÇDR) ve Yapay Sinir Ağları (YSA) modelleri kurulmuştur. Modellerin tahminleri karşılaştırıldığında, YSA modeli ÇDR ye göre daha doğru sonuç vermiştir.

Anahtar Kelimeler

• Hız Dağılımı, Sınır Tabakası, ÇDR, YSA

Estimation of maksimum velocity of flow around a horizontal circular cylinder with artificial neural network

Öz

Two-dimensional submerged circular cylinders are widely used structural elements in engineering practices, and therefore the studies on the interaction of such bluff bodies with the fluid flow are important for design considerations. Velocity distribution around a cylindrical body is an important parameter in determining the boundary layer development, separation point and boundary shear stress. In this study, the velocity field of flow around a horizontal circular cylinder is investigated for the three different Reynolds number (ReD= 840, 4150 and 9500) and five different gap ratio (G/D= 0.2, 0.3, 0.6, 1.0 and 2.0). PIV (Particle Image Velocimetry) technique is used to measure the flow velocities. The Multiple-Linear Regression (MLR) and Artifical Neural Network (ANN) model were developed to determine the relationship among the gap ratio (G/D), Reynolds number, (ReD), and α for estimating the dimensionless maximum value of tangential velocity of flow around an isolated horizontal circular smooth cylinder in an open channel. The comparisons of results show that the ANN model gives more accurate results than the MLR model.

Anahtar Kelimeler

• Velocity Distribution, Boundary Layer, MLR, ANN

Kaynakça

1. Bearman, P. W., Zdravkovich, M. M., “Flow around a circular cylinder near a plane boundary”, Journal of Fluid Mechanics, 89, 33-47, 1978.
2. Hatipoğlu F., Avci, İ., “Flow around a partly buried cylinder in a steady current”, Ocean Engineering, 30, 239-249, 2003.
3. Sumer, B. M., Fredsoe, J., “Hydrodynamics around Cylindrical Structures”, World Scientific, Singapore, 1997.
4. Lei, C., Cheng, L., Kavanagh, K., “Reexamination of the effect of a plane boundary on force and vortex shedding of a circular cylinder”, Journal of Wind Engineering and Industrial Aerodynamics, 80, 263-286, 1999.
5. Price, S. J., Sumner, D., Smith, J. G., Leong, K., Paidoussis, M. P., “Flow visualization around a circular cylinder near to a plane wall”, Journal of Fluids and Structures, 16, 175–191, 2002.
6. Straatman, A. G., Martinuzzi, R. J., “An examination of the effect of boundary layer thickness on vortex shedding from a square cylinder near a wall”, Journal of Wind Engineering and Industrial Aerodynamics, 91, 1023-1037, 2004.
7. Zdravkovich, M. M., “Flow around circular cylinders, Vol. 1: Fundamentals”, Oxford University Pres Inc., New York, 1997.
8. Sümer, B. M., Fredsoe, J., “Hydrodynamics around cylindrical structures”, World Scientific, Singapore, 1997.

9. Kirkgoz, M. S., Öner A. A., “Yatay bir dairesel silindir etrafındaki akımda hız alanının deneysel ve teorik incelenmesi” Ç.Ü. MühendislikMimarlık Fakültesi Dergisi, 21, 85-98, 2006.
10. Aköz, M. S., Öner A. A., Kirkgoz, M. S., “Tabana yakın bir silindir etrafındaki akımın farklı türbülans modelleri ile sayısal modellenmesi” Ç.Ü. Mühendislik-Mimarlık Faültesi Dergisi, 22, 107-117, 2007.
11. Öner A. A., Kirkgoz, M. S., “Düzenli akımda tabana yakın yatay silindir yüzeyinde ve tabanda kayma gerilmesi dağılımlarının deneysel incelenmesi”, Ç.Ü. Mühendislik-Mimarlık Faültesi Dergisi, 22, 93-105, 2007.
12. Hiwada, M., Niwa, K., Kumada, M., Mabuchi, I., “Effects of tunnel blockage on local mass transfer from circular cylinder in cross-flow”, Heat Transfer Jap. Re., 8, 37-51, 1979.
13. Cobaner, M., Seckin, G., Kisi, O., “Initial assessment of bridge backwater using an artifical neural network approach”, Canadian Journal Of Civil Engineering, 35, 5, 500-510, 2008.
14. Lippman, R, “An Introduction to Computing With Neural Nets”, IEEE ASSP Mag., 4, 4-22, 1987.
15. Marquardt, D., “An algorithm for least squares estimation of non-linear parameters”, J.Soc.Ind.Appl.Math., pp.431-441, 1963.
16. Kişi, Ö., “Yapay sinir ağları ve regresyon teknikleri ile filyos çayı akımlarının tahmini”, IV.Hidroloji Kongresi, 23-25 Haziran, 347-353, İstanbul, Türkiye, 2004.
17. Kisi, O. “Suspended sediment estimation using neuro-fuzzy and neural network approaches”, Hydrological Sciences Journal, 50(4), 683-696,. 2005.
18. Alpar, R. “Uygulamalı çok değişkenli istatistiksel yöntemlere giriş 1”, Ankara, Türkiye, 2003.