Karşıt Akışlı Ranque – Hilsch Vorteks Tüpünün Lineer Regresyon, Destek Vektör Makineleri ve Gauss Süreç Regresyonu Yöntemi ile Performans Analizi

Creative Commons License

Korkmaz M., Doğan A., Kırmacı V.

Gazi Mühendislik Bilimleri Dergisi, cilt.8, sa.2, ss.361-370, 2022 (Hakemli Dergi) identifier

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 8 Sayı: 2
  • Basım Tarihi: 2022
  • Doi Numarası: 10.30855/gmbd.0705015
  • Dergi Adı: Gazi Mühendislik Bilimleri Dergisi
  • Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
  • Sayfa Sayıları: ss.361-370
  • Hacettepe Üniversitesi Adresli: Evet

Özet

Ranque-Hilsch Vorteks Tüp (RHVT) kontrol valfi haricinde hareketli parçası olmayan, basit bir borudan oluşan, basınçlı akışkan ile çalışarak ısıtma soğutma işlemini aynı anda yapan bir sistemdir. Çalışmada iç çapı 7 mm, gövde uzunluğu 100 mm olan RHVT’de giriş basıncı 50 kPa aralıklarla 150 ile 700 kPa basınç değerinde hava kullanılmıştır. RHVT’de alüminyum, çelik, pirinç ve polyamid malzemeden üretilmiş iki, üç, dört, beş ve altı orfisli nozullar kullanılmıştır. Deneysel çalışma esnasında sıcak akışkan çıkış tarafındaki kontrol valfi tam açık konumda bırakılarak, RHVT’ünün performansı çıkan sıcak akış sıcaklığı (Tsck) ile çıkan soğuk akışın sıcaklığı (Tsgk) arasındaki fark (ΔT) hesaplanarak veriler alınmıştır. Deney düzeneğinden elde edilen veriler makine öğrenimi yöntemlerinden Lineer Regresyon (LR), Destek Vektör Makineleri (DVM) ve Gauss Süreç Regresyonu (GSR) yöntemleri ile ayrı ayrı kullanılarak RHVT’nin performansının optimizasyonu yapılmış ve literatürdeki eksikliğin tamamlanması amaçlanmıştır. Çalışmada makine öğrenme yöntemleri esnasında tüm verinin %80’i eğitim, %20’si test verisi olarak kullanılmıştır. Çalışma sonunda elde edilen modeller ile testler yapılmış ve ortaya çıkan sonuçlar karşılaştırılmıştır.

Ranque-Hilsch Vortex Tube (RHVT) is a system that consists of a simple pipe with no moving parts except for the control valve, working with pressurized fluid and performing both heating and cooling processes at the same time. In the study, air with an inlet pressure of 150 to 700 kPa at 50 kPa intervals was used in RHVT with an internal diameter of 7 mm and a body length of 100 mm. In RHVT, nozzles with two, three, four, five and six orifices made of aluminum, steel, brass and polyamide were used. During the experimental study, the control valve on the hot fluid outlet side was left in the fully open position and the performance of the RHVT was calculated by calculating the difference (ΔT) between the outlet hot flow temperature (Th) and the leaving cold flow temperature (Tc). The data obtained from the experimental setup were used separately with the machine learning methods Linear Regression (LR), Support Vector Machines (SVM) and Gaussian Process Regression (GPR) methods, and the performance of RHVT was optimized and it was aimed to fill the gap in the literature. During the machine learning methods in the study, 80% of all data was used as training and 20% as test data. Tests were made with the models obtained at the end of the study and the results were compared.