محمد رضا حسنی آهنگر - مرکز تحقیقات قدر – دانشجوی دکترای دانشگاه علم و صنعت ایران
ناصر مزینی - استادیار دانشکده مهندسی کامپیوتر- دانشگاه علم و صنعت ایران
محمدرضا سلطانی - استاد دانشکده مهندسی هوافضا- دانشگاه صنعتی شریف

قبل از استفاده عملی از تونل باد همانند سایر سیستمهای اندازه گیری و شبیه سازی باید آنرا با دقت بالا کالیبره نمود، بدست آوردن پارامترهای جریان عبوری از محفظه آزمون تونل باد مانند توزیع سرعت و فشار، یکنواختی و زاویه جریان، دقت اطلاعات و غیره در حین فرآیند کالیبراسیون تونل باد بسیار مهم و حیاتی می باشد. انجام آزمونهای مدل اجسام پرنده در تونل بادی با شرایط جریانی مناسب نقش عمده ای در ایجاد اعتماد صنایع وابسته به آن را به همراه خواهد داشت. این فرآیند به دلیل داشتن طیف وسیعی از عدد ماخ و محفظه آزمون نسبتا بزرگ تونل باد مورد نظر بسیار زمانبر و پرهزینه است. در این مقاله با اعمال روش داده کاوی مبتنی بر شبکه عصبی GRNN روی نتایج کالیبراسیون تونل باد و آموزش این شبکه، تعداد دفعات آزمون را تقلیل داده و نهایتا هزینه و زمان انجام آزمونها برای کالیبراسیون تونل باد را به شدت کاهش دادایم.

استاد دانشکده مهندسی هوافضا- دانشگاه صنعتی شریف ، GRRN