پیش بینی عملکرد حرارتی نانوسیال در کانال عمودی با استفاده از شبکه عصبی

افزایش خواص حرارتی سیال عامل، یک راهکار عملی برای افزایش انتقال حرارت است. یکی از سیالات پیشنهادی برای این منظور، نانوسیال است. این مقاله به بررسی انتقال حرارت جابه جایی اجباری نانوسیال همگن (Al(۲)O(۳ و (TiO(۲ در کانال حلقوی عمودی می پردازد. این مطالعه تجربی به منظور بررسی اثرات غلظت نانوذرات و عدد رینولدز بر عملکرد حرارتی نانوسیال انجام شده است. برای انجام آزمایش از مدارآزمون فشار بالا استفاده شده است. همچنین یک مدل شبکه عصبی مصنوعی برای پیش بینی عدد ناسلت به دست آمده از داده های آزمایشگاهی توسعه یافته است. نتایج آزمایش نشان میدهد که افزایش غلظت و رینولدز به طور قابل توجهی انتقال حرارت را بهبود می بخشد. به طور خاص، افزایش غلظت نانوذرات به میزان ۱ ٪ در اعداد رینولدز ۸۲۵ و ۴۱۲۸ باعث افزایش ناسلت به ترتیب در حدود ۴۰ ٪ و ۳۵ ٪ نسبت به آب خالص میشود. در ادامه پژوهش اعداد ناسلت به دست آمده با روابط همبستگی سایر پژوهش ها مقایسه می شوند. مدل شبکه عصبی استفاده شده در این پژوهش یک شبکه عصبی پیشرو تک لایه است که با الگوریتم گرادیان کاهشی تصادفی بهینه سازی میشود. همچنین برای تعیین شبکه دقیق تر، تعداد نورون ها بر اساس قابلیت پیش بینی شبکه عصبی، بهینه سازی شده است.

کلیدواژه ها:

نانوسیال ، انتقال حرارت ، مدارآزمون ، شبکه عصبی ، جابه جایی اجباری