دانلود مقاله ParetoOptimization of ForwardدرCurved Blades Centr
دانلود مقاله ParetoOptimization of ForwardدرCurved Blades Centrifugal Fans فایل ورد (word) دارای 7 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد دانلود مقاله ParetoOptimization of ForwardدرCurved Blades Centrifugal Fans فایل ورد (word) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله ParetoOptimization of ForwardدرCurved Blades Centrifugal Fans فایل ورد (word) ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن دانلود مقاله ParetoOptimization of ForwardدرCurved Blades Centrifugal Fans فایل ورد (word) :
سال انتشار: 1389
محل انتشار: نخستین همایش منطقه ای مهندسی مکانیک
تعداد صفحات: 7
چکیده:
Increasing of head rise (HR) and decreasing of head loss (HL), simultaneously, are important purpose in the design of different types of fans. Therefore, multiobjective optimization process is more applicable for the design of such turbo machines. In the present study, multi-objective optimization of Forward- Curved (FC) blades centrifugal fans is performed at three steps. At the first step, Head rise (HR) and the Head loss (HL) in a set of FC centrifugal fanis numerically investigated using commercial software NUMECA. Two meta-models based on the evolved group method of data handling (GMDH) type neural networks are obtained, at the second step, for modeling of HRandHLwith respect to geometrical design variables. Finally, using obtained polynomial neural networks, multi-objective genetic algorithms are used for Pareto based optimization of FCcentrifugal fans considering two conflicting objectives,HR and HL. It is shown that some interesting and important relationships as useful optimal design principles involved in the performance of FC fans can be discovered by Pareto based multiobjective optimization of the obtained polynomial meta-models representing their HR and HL characteristics. Such important optimal principles would not have been obtained without the use of both GMDH type neural network modeling and the Pareto optimization approach.
کلمات کلیدی:
