메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이정용 (서울대학교) 이복직 (서울대학교)
저널정보
한국연소학회 한국연소학회지 한국연소학회지 제27권 제1호
발행연도
2022.3
수록면
17 - 26 (10page)
DOI
10.15231/jksc.2022.27.1.017

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Reducing the computational cost of chemical kinetics is essential to implement detailed reaction mechanisms into realistic numerical simulations. The present study introduces an artificial neural network (ANN) that can predict the chemical source terms of each species for the given species mass fractions and temperature, replacing the conventional chemical terms based on Arrhenius rate equations. The ANN was trained using numerical solutions of opposed-flow flames that can cover a wide range of combustion problems. The OPPDIF code and a detailed reaction mechanism for hydrogen and air with 9 species and 19 reactions were used to generate a training dataset comprised of species mass fractions, temperature, chemical source terms. A physics-guided loss function that considers mass conservation of elemental species was employed. Using the trained ANN, a modified OPPDIF, named OPPDIF-ANN, was prepared by replacing the CKWYP with CKWYP-ANN evaluating the chemical sources via the trained ANN. For multiple global strain rate conditions, the solutions using ANN-based source terms were proven to be identical to those using Arrhenius source terms.
#Machine learning #Artificial neural network #Chemical kinetics #Opposed-flow diffusion flames

목차

ABSTRACT
1. 서론
2. 수치해석 기법
3. 기계학습 기법
4. 결과
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0