초록
열장치의 열성능 평가를 위한 수치 해석에서는 온도, 압력, 체적, 엔탈피, 엔트로피 등의 열 역학적 성질들의 수치 값이 필요하다. 그러나 열역학적 성질들 사이의 관계를 나타내는 증기표는 그대로 이용할 수는 없기 때문에 모델링하여 사용하여야 한다. 본 연구에서는 스플라인 보간법과 비교함으로써, 습포화증기의 모델링에 신경회로망의 적용 가능성을 검토하였다. 다층신경 회로망을 구성하기 위하여 입력층으로 온도에 대한 1개의 노드, 두 개의 은닉층은 각각 10개와 20개의 노드, 출력층은 포화액과 건포화증기에 대한 비체적, 엔탈피, 엔트로피 등의 6개의 노드로 구성하였으며, 스플라인 보간법은 2차 다항식과 3차 다항식을 사용하였다. 소구간으로 구성 된 스플라인 보간법과 비교하여 신경회로망 모델링은 비슷한 백분율 오차를 보여주었으며, 이 결과로부터 넓은 온도 범위의 증기표 모델링에 신경회로망이 아주 강력한 방법임을 확인하였다.
In numerical analysis on evaluating the thermal performance of the thermal equipment, numerical values of thermodynamic properties such as temperature, pressure, specific volume, enthalpy and entropy are required. But the steam table itself cannot be used without modelling. In this study applicability of neural networks in modelling the wide temperature range of wet saturated vapor region was examined. the multi-layer neural network consists of a input layer with 1 node, two hidden layers with 10 and 20 nodes respectively and a output layer with 6 nodes. Quadratic and cubic spline interpoations methods were also applied for comparison. Neural network model revealed similar percentage error to spline interpolation. From these results, it is confirmed that the neural networks could be powerful method in modelling the wide range of the steam table.