• شماره ركورد
    14857
  • عنوان
    آشنايي با كاربردهاي روشهاي معكوس هوش مصنوعي براي تخمين تابع در مسائل حرارتي و سيالاتي
  • سال تحصيل
    1403
  • استاد راهنما
    دكتر فرزاد بازديدي طهراني
  • استاد مشاور
    دكتر مجيد سياوشي
  • چکيده
    اين سمينار به بررسي كاربرد روش‌هاي معكوس مبتني بر هوش مصنوعي، به‌ويژه شبكه‌هاي عصبي آگاه از فيزيك (PINNs)، در تخمين توابع و پارامترهاي ناشناخته در مسائل حرارتي و سيالاتي، از جمله ضريب انتقال حرارت جابجايي (h)، هدايت حرارتي، و خواص سيال در سيستم‌هاي پيچيده مانند محيط‌هاي متخلخل و جريان‌هاي چندفازي، مي‌پردازد. با بهره‌گيري از PINNs، كه معادلات حاكم فيزيكي را با داده‌هاي محدود و نويزي ادغام مي‌كنند، اين پژوهش راه‌حل‌هايي دقيق و پايدار براي مسائل بدحالت ارائه مي‌دهد، بدون نياز به آزمايش‌هاي گسترده يا مدل‌سازي عددي پيچيده. كاربردهاي اين روش‌ها در حوزه‌هايي نظير ذخيره‌سازي انرژي، خنك‌سازي تجهيزات الكترونيكي، مديريت حرارتي ساختمان‌ها، و شبيه‌سازي جريان‌هاي آشوبناك و مافوق صوت بررسي شده است. مروري بر ادبيات، پيشرفت‌هاي PINNs در حل معادلات ديفرانسيل، شبيه‌سازي‌هاي چندمقياسي، و تخمين پارامترها را تأييد مي‌كند. پيشنهادات شامل توسعه PINNs براي مسائل سه‌بعدي، جريان‌هاي غيرنيوتني، و ادغام با كدهاي CFD براي بهبود كارايي محاسباتي است، كه نويدبخش تحول در مهندسي حرارتي و سيالاتي است.
  • نام دانشجو

    عادل كبيري دهكردي

  • تاريخ ارائه
    6/8/2025 12:00:00 AM
  • متن كامل
    86981
  • پديد آورنده

    عادل كبيري دهكردي

  • تاريخ ورود اطلاعات
    1404/05/05
  • عنوان به انگليسي
    An Introduction to the Applications of Inverse Artificial Intelligence Methods for Function Estimation in Thermal an‎d Fluid Problems
  • كليدواژه هاي فارسي
    روش‌هاي معكوس , هوش مصنوعي , شبكه‌هاي عصبي آگاه از فيزيك , انتقال حرارت , تخمين تابع و پارامتر
  • كليدواژه هاي لاتين
    Inverse Methods , Artificial Intelligence , Physics-Informed Neural Networks (PINNs) , Heat Transfer , Function an‎d Parameter Estimation