رضا بیگزاده

همزن های استاتیکی تجهیزاتی برای انجام عمل اختلاط بین سیال های مختلف در بسیاری از صنایع می باشند، زیرا اختلاط یکی از مهم ترین عملیات واحد در بسیاری از این فرایندها است که نقش زیادی در کیفیت محصول نهایی دارد. در این پژوهش از دو روش دینامیک سیالاتی محاسباتی و شبکه عصبی مصنوعی برای یافتن مطلوب ترین طراحی استفاده شده است. ابتدا با استفاده از CFD هندسه های موردنظر طراحی شدند و پارامترهای رینولدز، افت فشار و ضریب اصطکاک برای تمامی حالت ها بررسی گردید. در این پایان نامه سه همزن نوارپیچیده کلاسیک ، نوارپیچیده حفره دار و نوارپیچیده V-Cut برای رینولدزهای 3000 تا 19000 بررسی شدند. مشخص شد افزایش نسبت پیچش (کاهش تعداد عناصر اختلاط) در همزن نوارپیچیده کلاسیک باعث کاهش افت فشار و ضریب اصطکاک می شود و ایجاد حفره و برش V-Cut به ترتیب باعث کاهش و افزایش افت فشار نسبت به حالت کلاسیک شد. همچنین همزن حفره دار به علت افت فشار کم تر و ایجاد جریان های چرخشی و شعاعی و ترکیبی از هر دو دارای اختلاط بهتر می باشد و نسبت به دو همزن دیگر کارآمدتر است. روش دیگر مدلسازی مورداستفاده در این تحقیق هوش مصنوعی می باشد. در این مطالعه از شبکه عصبی مصنوعی (ANN) برای پیش بینی ضریب اصطکاک در همزن های استاتیکی استفاده شد. عدد رینولدز و پارامترهای هندسی همزن به عنوان متغیرهای ورودی شبکه عصبی برای برآورد ضریب اصطکاک استفاده شدند و کارایی مدل ها در تخمین ضریب اصطکاک مورد تجزیه وتحلیل قرار گرفت که نتایج بیانگر خطای نسبی کمتر از 1٪ است. خطای نسبی برای کلیه داده ها در حالت کلاسیک، V-Cut و حفره دار به ترتیب %75/0، %57/0 و %52/0 بود و برای داده های ارزیابی برای سه همزن کلاسیک، V-Cut و حفره دار به ترتیب %1/1، %92/0 و %62/0 بود که نشان می-دهد این مدل ها توانایی بالایی در تخمین ضریب اصطکاک دارند.