Semi-Experimental Model to Predict Thermal Conductivity Coefficient of Nanofluids Using Artificial Neural Networks (ANN)
- سال انتشار: 1401
- محل انتشار: سی امین همایش سالانه بین المللی انجمن مهندسان مکانیک ایران
- کد COI اختصاصی: ISME30_428
- زبان مقاله: انگلیسی
- تعداد مشاهده: 178
نویسندگان
Department of Mechanical Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran
Department of Mechanical Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran.
Department of Chemical Engineering, Faculty of Engineering, University of Kashan, Kashan, Iran
چکیده
Attempts were made in the present study to propose an artificial neural network (ANN) model for the proper estimation of thermal conductivity of nanofluids. The ANN model was designed based on using ۸۰۰ existing experimental data containing spherical nanoparticles of Al۲O۳, TiO۲, CuO, ZnO, ZrO۲, CeO۲, MgO, SiO۲, Al, Cu, Fe, Ag, Sic, diamond Fe۲O۳, and Fe۳O۴ dispersed in various base fluids of water, ethylene glycol, radiator cooling, and oils. Five effective parameters include the thermal conductivity of the main fluid and nanoparticles, volume fraction of the nanoparticles (۰.۴−۰.۴ %), temperature (۱۰−۸۰ ℃), and particle diameter (۴−۱۵۰ nm) were considered as input values, and the thermal conductivity of nanofluid was defined as the target variable. The Levenberg-Marquardt (L-M) back-propagation algorithm was used to design this model. According to results, the best R and lowest MSE using ۵-۱۳-۱ topology were founded to be about ۰.۹۹۶۵ and ۰.۰۰۰۲۳۸, respectively, indicating good fitting between predicted results and target points. Also, the results of comparison between the ANN model and experimental points indicated successful validation of the presented model for estimating the thermal conductivity of nanofluids.کلیدواژه ها
Thermal Conductivity, Nanofluids, Nanoparticles, Artificial Neural Network, Heat transfer.مقالات مرتبط جدید
- تحلیل عددی تاثیر متغیرهای ضخامت و طول نمونه بر ناهمگنی کرنش ورق مسی براساس تعداد پاس های فرایند پرس کاری شیاری
- بهینه سازی سیستم راهگاهی و کاهش عیوب ریخته گری در پروانه پمپ با استفاده از نرم افزار Pro-CAST
- تاثیر انجماد نفوذ یکنترل شده بر سینتیک همگن سازی آلیاژ ۷۰۶۸ آلومینیم
- کاربرد تکنولوژی و فناوری در تولیدات خودرو و مهندسی مکانیک
- مروری بر فرصت ها و چالش های هوش مصنوعی در حوزه استخراج از معادن
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.