• شماره ركورد
    16807
  • عنوان
    بررسي استفاده از فرايندهاي هوشمندسازي در خنك¬سازي پره¬هاي توربين گاز
  • سال تحصيل
    1401
  • استاد راهنما
    دكتر حسينعلي پور
  • چکيده
    توليد توان با استفاده از توربين¬هاي گازي در صنايع متفاوتي كاربرد دارد كه از جمله آن¬ها مي¬توان به صنايع هوايي اشاره نمود. با پيشرفت تكنولوژي احتراق و افزايش تقاضاي نيرو، تقاضا براي توربين¬هاي با راندمان بالاتر در سراسر جهان ديده مي¬شود. براي بهبود راندمان ترموديناميكي توربين، ترجيح داده مي-شود كه توربين، با دماي گاز ورودي بالاتر كار كند. اما در اين مسير مشكلي اساسي وجود دارد و آن، محدود بودن استقامت حرارتي اجزاي سازنده توربين است. اين موضوع، بحث خنك‌سازي پره‌هاي توربين را به ميان مي‌آورد، زيرا، تنها عبور هواي خنك‌كننده از داخل پره ديگر كافي نيست. از اين رو، تكنيك‌هايي به وجود آمده‌اندكه ضريب انتقال حرارت را افزايش مي‌دهند و خنك¬سازي بهتري را براي انجام اين هدف فراهم مي‌كنند. امروزه، محققان تكنيك‌هاي اندازه‌گيري پيشرفته و كدهاي پيشرفته CFD را براي درك فيزيك جريان پيچيده و رفتارهاي انتقال حرارت در توربين‌ها تركيب مي‌كنند. اين به آنها اجازه مي دهد تا فناوري خنك كننده بسيار پيچيده و بسيار كارآمد را براي موتورهاي توربين گازي قرن حاضر توسعه دهند. از طرفي پيشرفت تكنولوژي و حركت به سمت هوش مصنوعي، امكاناتي را در اختيار محققان قرار مي¬دهد تا بتوانند به كمك آن تحليل¬هايي دقيق و نزديك به واقعيت ارائه دهند. يادگيري ماشين ابزاري است كه امروزه در هر حوزه¬اي ورود پيدا كرده و مي¬تواند براي پيشرفت اين صنعت نيز كمك بزرگي باشد تا بتوان به كمك آن سيستم¬هاي خنك¬سازي را بهبود داد و تكنيك¬هاي جديد را بررسي نمود. واژه‌هاي كليدي: خنك¬سازي پره توربين،‌ خنك¬كاري داخلي، خنك¬كاري خارجي، انتقال حرارت در پره توربين، يادگيري ماشين
  • نام دانشجو

    محمدرضا عهدي

  • تاريخ ارائه
    9/16/2023 12:00:00 AM
  • متن كامل
    89603
  • پديد آورنده

    محمدرضا عهدي

  • تاريخ ورود اطلاعات
    1404/11/19
  • عنوان به انگليسي
    Investigating the use of intelligent processes in cooling of gas turbine blades
  • كليدواژه هاي فارسي
    خنك¬سازي پره توربين , خنك¬كاري داخلي , خنك¬كاري خارجي , انتقال حرارت در پره توربين , يادگيري ماشين
  • كليدواژه هاي لاتين
    Turbine blade cooling , Internal cooling , External cooling , Heat transfer in turbine blades , Machine learning