<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه تبریز</PublisherName>
				<JournalTitle>مهندسی مکانیک دانشگاه تبریز</JournalTitle>
				<Issn>2228-5148</Issn>
				<Volume>56</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>محاسبه زاویه قوس پره و نسبت ضخامت به وتر بهینه پره‌های توربین بادی ساونیوس با استفاده از رهیافت یادگیری ماشین</VernacularTitle>
			<FirstPage>83</FirstPage>
			<LastPage>92</LastPage>
			<ELocationID EIdType="pii">21764</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jmeut.2026.66105.3527</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>امیرعباس</FirstName>
					<LastName>اسلامی</LastName>
<Affiliation>کارشناسی ارشد، دانشکدگان علوم و فناوری‌های میان‌رشته‌ای، دانشگاه تهران، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>شیدوش</FirstName>
					<LastName>وکیلی پور</LastName>
<Affiliation>دانشیار، دانشکدگان علوم و فناوری‌های میان‌رشته‌ای، دانشگاه تهران، تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>03</Month>
					<Day>12</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">هدف از این پژوهش، شناسایی پارامترهای بهینه برای حداکثرسازی ضریب توان و بازده توربین است. شبیه‌سازی‌های عددی (CFD) و شبکه‌های عصبی مصنوعی (ANNs) برای تحلیل رفتار جریان و تأثیر متغیرهای هندسی استفاده می‌شوند. در ابتدا، مدل‌های هندسی توربین با تغییرات در زاویه قوس پره و نسبت ضخامت به وتر تولید شدند و سپس ضرایب آیرودینامیکی با استفاده از OpenFOAM v2312 محاسبه شدند. شبکه‌های عصبی مصنوعی، که با داده‌های شبیه‌سازی آموزش داده شدند، زمان بهینه‌سازی و هزینه‌های محاسباتی را به طور قابل توجهی کاهش دادند ANN مقادیر بهینه °۱۶۵ برای زاویه قوس پره و 19&lt;sub&gt;/&lt;/sub&gt;۰ برای نسبت ضخامت به وتر را شناسایی کرد. علاوه بر این، تحلیل نسبت هم‌پوشانی نشان داد که مقادیر بین ۰۵&lt;sub&gt;/&lt;/sub&gt;0 و 1&lt;sub&gt;/&lt;/sub&gt;0 گشتاور و توان خروجی را در نسبت‌های سرعت نوک (TSR) مختلف بهبود می‌بخشد. هندسه بهینه شده، قابلیت خودراه‌اندازی را بهبود بخشید و ضریب توان را ۷&lt;sub&gt;/&lt;/sub&gt;۱۳% در مقایسه با پره‌های معمولی و ۲&lt;sub&gt;/&lt;/sub&gt;۵% نسبت به طراحی اولیه پره‌های ایرفویل شکل افزایش داد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">توربین بادی ساونیوس</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پره ایرفویل شکل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">زاویه قوس پره</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نسبت ضخامت به وتر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">دینامیک سیالات محاسباتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی مصنوعی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tumechj.tabrizu.ac.ir/article_21764_7b018165ffa346698ec8428cbc4e94d3.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
