Yapay sinir ağları yardımıyla iki fazlı akışlara elektrik empedans tomografisi uygulanması

Abstract

Bu tez çalışmasında, yapay sinir ağlan yardımıyla iki fazlı akış alanlarına elektrik empedans tomografisi uygulaması yapılmıştır. Kapalı kanallar içindeki iki fazlı akış deneylerinde, kanal içindeki boşluk oram ve gaz fazının kesit içindeki dağılımı öncelikle ölçülmesi istenen parametrelerdendir ve bu sırada ölçümler akış alanım bozmadan yapılmalıdır. Bu amaç için, elektrik empedans tomografisi diğer yöntemlere göre daha uygun bir yöntemdir. Bu çalışmada, daha önce kare kesitli bir kanalda yapılan iki fazlı akış deneylerinde kullanılmış olan bir boşluk oram ölçüm düzeneği, tasarımım geliştirmek amacıyla yeniden göz önüne alınmıştır. Kare kesitli ve yalıtkan çeperli olan bir akış kanalının herbir duvarına, bir adet geniş elektrot monte edilmiştir. Bu dört elektrotlu sistemde, bir elektrottan akım verilirken seçilen bir diğer elektrot topraklanmış ve elektrot potansiyelleri ölçülmüştür. İleri problem iki boyutlu olarak modellenmiş ve elektrik potansiyeli ANSYS bilgisayar programının sonlu elemanlar yöntemi paketi ile çözülmüştür. Bir ileri beslemeli ve geriye yayarak öğrenen yapay sinir ağı, simülasyonlarla elde edilen bilgiler kullanılarak, boşluk oram ve yoğunluk dağılımım kestirmek üzere eğitilmiştir. Test sonuçlarına göre, seçilen 3x3 ızgara için kabul edilebilir hata şuurları içinde tatmin edici sonuçlar elde edilmiştir. Tasarlanan ölçüm sisteminin, elektrotlara temas eden elemanlardaki yoğunlukları, diğer elemanlardaki yoğunluklara göre daha doğru olarak kestirebildiği görülmüştür. Bu problem genellikle kötü koşullanmış ters problemler sınıfına girer. IX

In this study, electrical impedance tomography is applied to two phase flows using artificial neural networks. In two-phase flow experiments conducted in closed conduits, one of the variables to be measured primarily is the distribution of void fraction across the flow area, which must be carried out noninvasively. For this purpose, electrical impedance tomography is one of the best among others. In this work, we reconsider a void fraction measurement setup which was used previously, with an intention to improve its functionality. On each wall of a conduit with a square cross section a considerably large electrode is mounted flush with the surface in contact with the fluid. In this four-electrode system, current is injected into one electrode, another electrode is grounded, and electrode potentials are measured. The two-dimensional forward problem is simulated with the help of ANSYS finite element package using its graphical user interface. A backpropagating feedforward neural network is trained with the randomly generated data to estimate any given pattern. For the chosen 3x3 coarse mesh size, the results obtained are quite satisfactory in estimating the void fraction within acceptable error bounds. It is observed that the imaging system can measure the pixel density more accurately for those elements in contact with the electrodes than the others. This problem is usually classified as ill-conditioned inverse problem. X