運用機器學習和軟體模擬優化泵浦旋葉
本研究主要整合實驗測量、田口實驗與人工智慧機器學習等方法,發展優化泵浦旋葉技術。首先以3D列印開發多種相異外型族群與不同葉片數目共計82種設計,以實驗探討旋葉構造形狀與泵浦之流量、揚程及效率,進而找出效率較佳的旋葉並作為基底,過程中應用電腦輔助分析軟體進行旋葉內部流場與應力場分析驗證,搭配透明運轉泵浦觀察不同轉速下旋葉內部流體流動狀態,田口法研究結果發現由信躁比與均值分析結果顯示入口斜率為最重要的影響參數、其次分別為旋葉數與出口斜率,影響最小則是上蓋厚度,且優化設計旋葉T3C-10-2-4-4最佳。機器學習方面,經由多元線性回歸訓練模型預測出未知的旋葉效率(Y值),訓練完成後得到平均絕對誤差Mean Absolute Error (MAE)皆小於1.5。