CFD, 반응표면분석법 및 GMDH 뉴럴 네트워크를 적용한 싸이클론 분리성능의 다목적 최적화 및 분석 Analysis and Multi-Optimization of Cyclone Separation Performance by Applying CFD, Response Surface Methodology and GMDH-Type Neural Network원문보기
가스 싸이클론은 분리 성능를 평가하기 위한 두 가지 주요 매개 변수로 분리 효율 및 압력 강하를 이용한다. 두 매개변수들은 싸이클론의 형상과 내부 유동에 의해 큰 영향을 받는다. 본 연구에서는 전산 유체 역학 (CFD), 반응 표면 분석법 (RSM), GMDH ...
가스 싸이클론은 분리 성능를 평가하기 위한 두 가지 주요 매개 변수로 분리 효율 및 압력 강하를 이용한다. 두 매개변수들은 싸이클론의 형상과 내부 유동에 의해 큰 영향을 받는다. 본 연구에서는 전산 유체 역학 (CFD), 반응 표면 분석법 (RSM), GMDH 뉴럴 네트워크 및 유전 알고리즘 (GA)을 기반으로 사이클론 형상의 기하학적 변수에 대한 다목적 최적화를 수행하였고, 최적화된 싸이클론을 분석하기위해 싸이클론 내의 회전 중인 입자에 작용하는 힘의 관점에서 결과를 분석하였다. 첫째, CFD는 사이클론 성능의 데이터 샘플을 얻기 위해 사용되었으며, 데이터 샘플은 사이클론 성능의 견고한 메타 모델을 유도하는 데 사용되었다. CFD 검증의 결과로서, 기준 모델과 CFD의 오차는 압력 강하와 분리 효율에 대해 0.5 %와 2 %였다. 둘째, 통계 기술에 기반한 RSM과 머신러닝의 지도 학습에 기반한 GMDH 알고리즘을 사용하여 사이클론 성능 매개변수의 메타 모델을 도출하였다. 상관 계수 (R2)를 이용하여 메타 모델링 결과의 적합성을 나타내었다. 두 가지 메타 모델링 방법의 결과로서, 두 모델링 방법에 의한 사이클론 성능의 메타 모델의 R2 값은 매우 유사했다. 분리 효율과 압력 강하에 대한 메타 모델의 R2는 각각 98.9 %, 99.7 %에 가까웠다. 마지막으로, 2 세대 비 지배적 정렬 유전자 알고리즘 (NSGA-II)이 사이클론 성능 매개변수의 메타 모델들을 동시에 최적화하기 위해 적용되었다. NSGA-II의 70 개 비지배 해집합 중 비교 가능한 5 개의 해를 선택하였고 CFD를 이용하여 최적화 결과의 재현성을 확인하였다. 절충된 최적의 분리 성능은 압력 강하의 경우 24.31 %, 분리 효율의 경우 8.32 %가 향상되었다. 최적화된 결과는 UDF를 이용하여 입자에 작용하는 힘의 관점에서 사이클론 내의 입자의 기계적 거동을 분석하였다. 최적화된 결과를 힘의 관점에서 분석했을 때, 크기 별 입자에 작용하는 힘이 다르며, 입도 직경에서 입자에 작용하는 원심력과 항력이 비슷했고, 입자 직경이 입도 직경보다 클 경우, 원심력이 항력보다 크게 작용하였고, 입자 직경이 입도 직경보다 작을 경우, 항력이 원심력보다 크게 작용함을 알 수 있었다. 또한, 최적화된 사이클론의 결과가 vector field를 이용하여 2 차 순환이 발생했는지 여부에 대해 분석되었다. 최적화된 싸이클론은 2 차 순환이 일어나는 지역이 기준 모델보다 감소되었음을 보였다.
가스 싸이클론은 분리 성능를 평가하기 위한 두 가지 주요 매개 변수로 분리 효율 및 압력 강하를 이용한다. 두 매개변수들은 싸이클론의 형상과 내부 유동에 의해 큰 영향을 받는다. 본 연구에서는 전산 유체 역학 (CFD), 반응 표면 분석법 (RSM), GMDH 뉴럴 네트워크 및 유전 알고리즘 (GA)을 기반으로 사이클론 형상의 기하학적 변수에 대한 다목적 최적화를 수행하였고, 최적화된 싸이클론을 분석하기위해 싸이클론 내의 회전 중인 입자에 작용하는 힘의 관점에서 결과를 분석하였다. 첫째, CFD는 사이클론 성능의 데이터 샘플을 얻기 위해 사용되었으며, 데이터 샘플은 사이클론 성능의 견고한 메타 모델을 유도하는 데 사용되었다. CFD 검증의 결과로서, 기준 모델과 CFD의 오차는 압력 강하와 분리 효율에 대해 0.5 %와 2 %였다. 둘째, 통계 기술에 기반한 RSM과 머신러닝의 지도 학습에 기반한 GMDH 알고리즘을 사용하여 사이클론 성능 매개변수의 메타 모델을 도출하였다. 상관 계수 (R2)를 이용하여 메타 모델링 결과의 적합성을 나타내었다. 두 가지 메타 모델링 방법의 결과로서, 두 모델링 방법에 의한 사이클론 성능의 메타 모델의 R2 값은 매우 유사했다. 분리 효율과 압력 강하에 대한 메타 모델의 R2는 각각 98.9 %, 99.7 %에 가까웠다. 마지막으로, 2 세대 비 지배적 정렬 유전자 알고리즘 (NSGA-II)이 사이클론 성능 매개변수의 메타 모델들을 동시에 최적화하기 위해 적용되었다. NSGA-II의 70 개 비지배 해집합 중 비교 가능한 5 개의 해를 선택하였고 CFD를 이용하여 최적화 결과의 재현성을 확인하였다. 절충된 최적의 분리 성능은 압력 강하의 경우 24.31 %, 분리 효율의 경우 8.32 %가 향상되었다. 최적화된 결과는 UDF를 이용하여 입자에 작용하는 힘의 관점에서 사이클론 내의 입자의 기계적 거동을 분석하였다. 최적화된 결과를 힘의 관점에서 분석했을 때, 크기 별 입자에 작용하는 힘이 다르며, 입도 직경에서 입자에 작용하는 원심력과 항력이 비슷했고, 입자 직경이 입도 직경보다 클 경우, 원심력이 항력보다 크게 작용하였고, 입자 직경이 입도 직경보다 작을 경우, 항력이 원심력보다 크게 작용함을 알 수 있었다. 또한, 최적화된 사이클론의 결과가 vector field를 이용하여 2 차 순환이 발생했는지 여부에 대해 분석되었다. 최적화된 싸이클론은 2 차 순환이 일어나는 지역이 기준 모델보다 감소되었음을 보였다.
Gas cyclone has two main parameters for evaluating separation performance, separation efficiency and pressure drop. They are closely influenced by cyclone shape and operational conditions. This study performed multi-objective optimization of the separation performance for different the geometrical d...
Gas cyclone has two main parameters for evaluating separation performance, separation efficiency and pressure drop. They are closely influenced by cyclone shape and operational conditions. This study performed multi-objective optimization of the separation performance for different the geometrical design variables of the cyclone based on computational fluid dynamics (CFD), response surface methodology (RSM), GMDH type neural network and genetic algorithm (GA) and analyzed the optimization result in terms of the force acting on the particles in the cyclone. First, CFD was used to obtain the data sample of the separation performance, which was used to derive a robust meta-model of the performance parameter. As result of the CFD validation, the errors of the reference model and CFD were 0.5 % and 2 % for the pressure drop and the separation efficiency. Secondly, the meta model of the performance parameters were derived by using RSM based on statistical techniques and GMDH algorithm based on supervised learning of machine learning. The fitness of the modelling was shown using the correlation coefficient (R2). As results of the two meta-modeling method, the values of the R2 of the meta-models of the separation performance by the two modeling methods were very similar. The R2 of meta models of the separation efficiency and the pressure drop were close to 98.9 %, 99.7 %, respectively. Finally, second-generation non-dominated sorting genetic algorithm (NSGA-II) was applied to optimize the meta model of the performance parameters of the cyclone. NSGA-II was resulted in 70 non-dominant solutions and five optimal points were compared using CFD. The trade-off optimum performance was improved by 24.31 % and 8.32 % for pressure drop and the separation efficiency, respectively. Then, the optimization result was analyzed by analyzing the mechanical behavior of the swirling particle in the cyclone in terms of the force acting on the particle by using UDF. The swirl flow of the optimized cyclone was analyzed using CFD. And the result of the optimized cyclone was analyzed about whether the secondary circulation occurred by using vector field of CFD. This showed that the area where the secondary circulation occurs was reduced at the optimized cyclone.
Gas cyclone has two main parameters for evaluating separation performance, separation efficiency and pressure drop. They are closely influenced by cyclone shape and operational conditions. This study performed multi-objective optimization of the separation performance for different the geometrical design variables of the cyclone based on computational fluid dynamics (CFD), response surface methodology (RSM), GMDH type neural network and genetic algorithm (GA) and analyzed the optimization result in terms of the force acting on the particles in the cyclone. First, CFD was used to obtain the data sample of the separation performance, which was used to derive a robust meta-model of the performance parameter. As result of the CFD validation, the errors of the reference model and CFD were 0.5 % and 2 % for the pressure drop and the separation efficiency. Secondly, the meta model of the performance parameters were derived by using RSM based on statistical techniques and GMDH algorithm based on supervised learning of machine learning. The fitness of the modelling was shown using the correlation coefficient (R2). As results of the two meta-modeling method, the values of the R2 of the meta-models of the separation performance by the two modeling methods were very similar. The R2 of meta models of the separation efficiency and the pressure drop were close to 98.9 %, 99.7 %, respectively. Finally, second-generation non-dominated sorting genetic algorithm (NSGA-II) was applied to optimize the meta model of the performance parameters of the cyclone. NSGA-II was resulted in 70 non-dominant solutions and five optimal points were compared using CFD. The trade-off optimum performance was improved by 24.31 % and 8.32 % for pressure drop and the separation efficiency, respectively. Then, the optimization result was analyzed by analyzing the mechanical behavior of the swirling particle in the cyclone in terms of the force acting on the particle by using UDF. The swirl flow of the optimized cyclone was analyzed using CFD. And the result of the optimized cyclone was analyzed about whether the secondary circulation occurred by using vector field of CFD. This showed that the area where the secondary circulation occurs was reduced at the optimized cyclone.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.