초록
수치해석적으로 열교환기의 열성능 평가를 하기 위하여는 온도, 압력, 비체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값을 필요로 한다. 그러나 열역학적 성질들 사이의 관계를 나타내는 증기표나 선도를 수치 해석에 직접적으로 이용할 수는 없기 때문에 모델링하여야 한다. 본 연구에서는 2차 스플라인 보간법과 비교함으로써, 물의 과열증기 모델링에 신경회로망의 적용 가능성을 검토하였다. 신경회로망은 온도와 압력 2개의 노드로 구성된 입력층, 각각 15개와 25개의 노드로 구성된 2개의 은닉층, 비체적, 엔탈피, 엔트로피 등 3개의 노드로 구성된 출력층으로 이루어 진다. 스플라인 보간법에는 2차 다항식을 사용하였다. 소구간으로 구성된 스플라인 보간법과 비교하여 신경회로망은 훨씬 더 많은 데이터에 대하여 작은 백분율 오차를 보여 주었으며, 이 결과로부터 신경회로망이 과열증기의 열역학적 성질들을 모델링하는데 아주 강력한 방법이 될 수 있음을 확인하였다.
In numerically evaluating the thermal performance of the heat exchanger, numerical values of thermodynamic properties such as temperature, pressure, specific volume, enthalpy and entropy are required. But the steam table or diagram itself cannot be directly used without modelling. In this study the applicability of neural networks in modelling superheated water vapor was examined. The multi-layer neural networks consist of an input layer with 2 nodes, two hidden layers with 15 and 25 nodes respectively and an output layer with 3 nodes. Quadratic spline interpolation was also applied for comparison. Neural networks model revealed smaller percentage error compared with spline interpolation. From this result, it is confirmed that the neural networks could be a powerful method in modelling the superheated water vapor.
