Multi-objective optimization of recovery boiler dimensions using computational fluid dynamics

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Miikkulainen, Pasi
dc.contributor.author Maakala, Viljami
dc.date.accessioned 2013-06-13T12:21:28Z
dc.date.available 2013-06-13T12:21:28Z
dc.date.issued 2013
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/10258
dc.description.abstract The purpose of this work was to develop a multi-objective optimization program based on computational fluid dynamics (CFD). The program combines a CFD model with a genetic algorithm optimizer and a radial basis function network learner. The tool was applied to optimizing a furnace geometry of a recovery boiler using two approaches: an uncoupled method and a coupled method. Before solving the optimization task, a study was done on the CFD model errors and the CFD-optimization program was verified. Error analyses revealed that the simulations have substantial iteration errors. Discretization errors were studied using grid convergence index values, but iteration errors made their interpretation difficult. The program was verified in test problems and the proposed methodology was concluded to work as intended. Both optimization approaches found several geometries that deliver better performance than the original boiler design. The coupled method is more reliable, because it performs numerous CFD evaluations near the final solutions. Future research should be done to reduce iteration errors when modeling recovery boilers. It would also be useful to develop the CFD-optimization methodology further and to use it in different applications. Areas for development include improved integration of preferences into the optimization and usage of hybrid optimization methods. en
dc.description.abstract Työn tarkoituksena oli kehittää laskennallista virtausmekaniikkaa (CFD) käyttävä monitavoiteoptimointiohjelma. Ohjelma yhdistää CFD-mallin geneettisen algorimiin pohjautuvaan optimoijaan sekä radiaalikantafunktioverkkoa käyttävään oppijaan. Työkalua käytettiin soodakattilan tulipesägeometrian optimointiin kahdella lähestymistavalla: kytkemättömällä sekä kytketyllä menetelmällä. Ennen tehtävän ratkaisemista CFD-mallille suoritettiin virhetarkastelu ja CFD-optimointiohjelma verifioitiin. Virhetarkastelussa havaittiin simuloinneissa merkittäviä iteraatiovirheitä. Diskretointivirheitä tutkittiin hilakonvergenssi-indeksin avulla, mutta iteraatiovirheet hankaloittivat tulosten tulkintaa. Ohjelma verifioitiin testiongelmissa, ja menetelmän havaittiin toimivan halutusti. Molemmat optimointilähestymistavat löysivät useita geometrioita, joilla kattilan suorituskyky paranee alkuperäiseen geometriaan verrattuna. Kytketty menetelmä on luotettavampi, koska se tekee useita CFD-laskentoja lopullisten ratkaisujen läheisyydessä. Tutkimusta tulisi tehdä iteraatiovirheiden pienentämiseksi soodakattiloiden mallinnuksessa. Lisäksi olisi hyödyllistä kehittää CFD-optimointia eteenpäin ja käyttää sitä muissakin sovelluksissa. Kehittämisalueita ovat esimerkiksi preferenssien parempi integrointi optimointiin sekä hybridimenetelmien käyttö. fi
dc.format.extent 92 + [6] s.
dc.format.mimetype application/pdf
dc.language.iso en en
dc.title Multi-objective optimization of recovery boiler dimensions using computational fluid dynamics en
dc.title Soodakattilan dimensioiden monitavoiteoptimointi laskennallisen virtausmekaniikan avulla fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Insinööritieteiden korkeakoulu fi
dc.contributor.department Sovelletun mekaniikan laitos fi
dc.subject.keyword geneettinen algoritmi fi
dc.subject.keyword laskennallinen virtausmekaniikka fi
dc.subject.keyword optimointi fi
dc.subject.keyword radiaalikantafunktio fi
dc.subject.keyword soodakattila fi
dc.subject.keyword virhetarkastelu fi
dc.subject.keyword computational fluid dynamics en
dc.subject.keyword error estimation en
dc.subject.keyword genetic algorithm en
dc.subject.keyword optimization en
dc.subject.keyword radial basis function en
dc.subject.keyword recovery boiler en
dc.identifier.urn URN:NBN:fi:aalto-201306146492
dc.type.dcmitype text en
dc.programme.major Lentotekniikka fi
dc.programme.mcode Kul-3
dc.type.ontasot Diplomityö fi
dc.type.ontasot Master's thesis en
dc.contributor.supervisor Siikonen, Timo


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account