بخشی از مقاله
چکیده:
کاویتاسیون پدیده مخربی است که در طراحی سدها، بررسی احتمال وقوع و راه های جلوگیری از آن باید مد نظر قرار گیرد. برای جلوگیری از کاویتاسیون راه کارهایی از قبیل کاهش سرعت، افزایش فشار در نقاط بحرانی، مقاوم سازی سطح بتن، کاهش زبری و هوادهی به جریان وجود دارد، که از میان آن ها هوادهی به عنوان راهی موثر و کم هزینه مورد توجه طراحان قرار گرفته است. نکته اساسی که در طراحی هواده ها وجود دارد برآورد میزان هوای مورد نیاز هواده ها می باشد. تحقیقات صورت گرفته حاکی از آن است که از میان روش هایی که برای برآورد دبی هوا وجود دارد روش شبکه عصبی مصنوعی کم ترین میزان خطا را دارد و می تواند دبی مورد نیاز هواده ها را با دقت بالایی برآورد نماید. به این جهت در این تحقیق برای تحلیل حساسیت عوامل موثر در دبی هوا از روش شبکه عصبی مصنوعی - مبتنی بر آموزش لونبرگ - مارکواد - استفاده شد. عوامل دبی جریان، باز شدگی دریچه، هد آب بالا دست دریچه ، عرض دریچه و ارتفاع دریچه در برآورد دبی مورد نیاز هواده ها موثر می باشند. به منظور انجام تحقیق، داده های مربوط به آزمایش های انجام شده روی مدل های هیدرولیکی تخلیه کننده های تحتانی سدهای جگین، جره،کرخه، البرز ،کوثر در داخل کشور و سد فولسوم در خارج کشور مورد استفاده قرار گرفت، که با حذف یکی از پارامترهای ورودی شبکه عصبی آموزش داده شد. به منظور ارزیابی نتایج به دست آمده، از رگرسیون خطی چند متغیره نیز برای تحلیل حساسیت عوامل موثر در هوادهی استفاده شد. نتایج بدست آمده نشان داد که شبکه عصبی مصنوعی - مبتنی بر آموزش لونبرگ- مارکواد - در برآورد دبی هوای مورد نیاز هواده ها نسبت به هد بالادست دریچه تخلیه کننده حساسیت بیشتری نسبت به بقیه پارامترها دارد RMSE - برابر با . - 4/57 همچنین بر اساس نتایج به دست آمده دبی جریان نیز کمترین تاثیر را در برآورد دبی مورد نیاز هواده ها دارد RMSE - برابر با . - 2/76
-1 مقدمه
کاویتاسیون پدیده مخربی است که باعث به وجود آمدن خسارت های شدیدی در سد های بزرگ می شود. وجود زبری درسطحی که جریان از روی آن عبور می کند باعث می شود خطوط جریان از بستر جدا شده و فشار موضعی به دلیل این جداشدگی کاهش یابد. سرعت زیاد جریان در این مناطق که دارای زبری هستند، کاهش فشار را تشدید می کند. هنگامی که به دلیل این کاهش فشار، فشار وارد بر مجرای تخلیه کننده تحتانی از فشار بخار سیال کمتر شود، باعث ایجاد حباب هایی از بخار در جریان می شود که این حباب ها همراه جریان به سمت پایین دست حمل می شوند. در مناطقی در پایین دست که فشار افزایش پیدا می کند این حباب ها منفجر می شوند. انفجار این حباب ها سبب می شود امواج ضربه ای به وجود آید که سبب فرسایش و خوردگی بتن می شود. فشار ناشی از انفجار و تبدیل این حباب ها به مایع به 1500 مگا پاسکال هم می رسد .[1] هنگامی که سرعت جریان بیش از 30 متر بر ثانیه است، کاویتاسیون می تواند صدمات جدی به سازه های آبی وارد کند. به عنوان نمونه ای از خسارت وارد آمده به تونل تخلیه کننده تحتانی سد، می توان به تونل سد Glen Canyon اشاره کرد که در اثر پدیده کاویتاسیون گودالی به عمق 11 متر در تونل تخلیه کننده تحتانی این سد به وجود آمده است که در شکل - 1 - نشان داده شده است.
شکل - : - 1 خسارت ناشی از کاویتاسیون در تونل سد Glen Canyon
سد هوور - - hoover اولین سدی بود که کاویتاسیون خسارت شدیدی به تونل آن وارد کرد .[2] برای جلوگیری از این پدیده مخرب می توان راه کارهایی از قبیل کاهش سرعت و افزایش فشار در نقاط بحرانی، مقاوم سازی مجرا - استفاده از بتن الیافی و... - کاهش زبری مجرا و هوادهی را برشمرد که از این میان هوادهی به جریان موثرترین روش می باشد. از اولین افرادی که به برسی اثر هوادهی در کاهش خسارت ناشی از کاویتاسیون پرداخته آقای peterka می باشد.[3] ایشان نشان دادند که خطر وقوع پدیده کاویتاسیون با وارد شدن 2 درصد هوا - نسبت دبی هوا به دبی جریان - به میزان قابل توجهی کاهش پیدا می کند. با افزایش این مقدار به 6 تا 8 درصد هیچ گونه خرابی ناشی از این پدیده مشاهده نشد.[9] مساله اساسی در مورد هوادهی به جریان به عنوان راهی موثر در کاهش خسارت ناشی از کاویتاسیون، برآورد دبی هوای مورد نیاز هواده ها می باشد. برای برآورد دبی هوای مورد نیاز هواده ها روش های زیادی وجود دارد که به عنوان مثال روش های تجربی، روش رگرسیون خطی چند متغیره و روش شبکه عصبی مصنوعی را می توان نام برد . امروزه کاربرد شبکه های عصبی در علوم مختلف گسترش زیادی پیدا کرده است و باعث سهولت محاسبات شده است. روش شبکه عصبی در برآورد میزان هوای هواده ها کمترین میزان خطا و بیشترین دقت را دارد. از این رو در مطالعه اخیر برای برآورد دبی هوای مورد نیاز هواده ها از این روش استفاده شده است. در برآورد میزان هوای مورد نیاز هواده ها پارامترهای دبی جریان، باز شدگی دریچه، هد آب بالا دست دریچه ، عرض دریچه و ارتفاع دریچه در برآورد دبی مورد نیاز هواده ها موثر می باشند که شبکه عصبی لونبرگ- مارکواد بر اساس داده های ورودی آموزش داده می شود. همچنین برای ارزیابی نتایج به دست آمده از شبکه عصبی، روش رگرسیون خطی چند متغیره نیز برای تحلیل حساسیت عوامل موثر به کار گرفته شد. برای آموزش شبکه عصبی از داده های بدست آمده از آزمایش روی مدل های هیدرولیکی ساخته شده ی سدهای جگین، جره،کرخه، البرز ،کوثر و فولسوم استفاده شد.در شکل - 2 - مدل هیدرولیکی تخلیه کننده تحتانی یک سد که هوادهی به جریان صورت می گیرد نشان داده شده است.
شکل - : - 2 مدل هیدرولیکی تخلیه کننده تحتانی یک سد
-2 روش های برآورد دبی هوای مورد نیاز هواده ها
-1-2 روش های مبتنی بر روابط تجربی:
وینزر در سال 1965 پیشنهاد کرد که دبی هوای مورد نیاز هواده ها به نسبت سطح مقطع مجرای هواده به سطح مقطع عبور جریان نیز بستگی دارد و هنگامی که این نسبت بیش از 1/40 باشد برای برآورد دبی هوای مورد نیاز هواده ها می توان از رابطه ی زیر استفاده کرد :[10]
- 1 - 0.24 - Frc 1 - 1.4 Qa Qw
که در این رابطه Frc عدد فرود درمحل فشردگی جریان و ضریب هوادهی می باشد که برابر نسبت دبی هوا به دبی جریان است. در سال 1976، شارما برای برآورد میزان هوای مورد نیاز هواده ها در حالت جریان با سطح آزاد رابطه ی - 2 - و برای جریان پودری رابطه ی - 3 - را پیشنهاد نمود :[6]
در رابطه ی بالا Ԑ ضریب فشردگی در مقطع فشردگی بعد از دریچه می باشد.
-2-2 رگرسیون خطی چند متغیره : - MLR -
در صورتی که عوامل موثر بر یک پدیده زیاد باشد با استفاده از روش رگرسیون خطی چند متغیره می توان هم زمان به تحلیل و بررسی چندین عامل مختلف پرداخت. رگرسیون چند متغیره در واقع ارتباط بین یک سری از متغییر های مستقل را با متغییر مورد نظر برقرار می کند. نکته اساسی در مورد روش رگرسیون خطی این است که این روش نیازمند داده های زیاد است و نسبت به داده های نادرست حساس هستند. اگر داده های موجود به اندازه ی کافی باشند با استفاده از روش رگرسیون خطی Y a0 a1 X1 a2 X 2 a3 X3 ...an Xn چند متغیره می توان رابطه ای به صورت زیر به داده ها برازش نمود:
- 7 - که در این رابطه a0 , a1 , a2 , a3 '…' Dn ضرایب رگرسیون چند متغیره می باشند.این ضرایب با برازش رابطه مناسب به داده های موجود محاسبه می شوند.با محاسبه شدن ضرایب رگرسیون یک رابطه خطی بین Y و X1 ,X2 ,X3 '…;n بدست می آید که با داشتن هر یک می توان دیگری را برآورد کرد.در مطالعه اخیر پارامترهای ورودی برای برازش رابطه رگرسیونی عبارتند از: مقدار دبی هوای بدست آمده از مدل های هیدرولیکی - Qa - m3/s - - ، دبی جریان - QW - m3/s - - ،هد آب پش
