پیشبینی عملکرد لولههای حرارتی نوسانی صفحهتخت حلقهبسته به کمک یادگیری ماشین

لولههای حرارتی نوسانی دستگاههای انتقال حرارت کارآمدی هستند که از حرکت نوسانی سیال عامل برای انتقال گرما از بخش اواپراتور به بخش کندانسور استفاده میکنند. در این پژوهش، عملکرد لوله های حرارتی نوسانی صفحه تخت حلقه بسته با استفاده از مدلهای یادگیری ماشین پیش بینی شده است. داده های آزمایشگاهی شامل دمای اواپراتور و مقاومت حرارتی تحت شرایط مختلف (شار حرارتی ۸، ۱۶، ۲۴ و ۳۲ وات و سیال های عامل آب مقطر، سوسپانسیون ۲ درصد و ۵ درصد حجمی مواد تغییر فازدهنده) جمع آوری و تحلیل شدند. پنج الگوریتم یادگیری ماشین مورد ارزیابی قرار گرفتند که در این میان، مدل جنگل تصادفی با R² برابر ۱، MSE برابر۰۲/۰ و RMSE برابر ۱۴/۰ در پیشبینی دمای اواپراتور و R² برابر ۱، MSE برابر ۰۰/۰ و RMSE برابر ۰۱/۰ در پیشبینی مقاومت حرارتی، بهترین عملکرد را از خود نشان داد. پس از بهینه سازی هایپرپارامترهای این مدل در پیشبینی دمای اواپراتور، مقادیر MSE و RMSE به ترتیب به ۱۷/۰ و ۱۳/۰ کاهش یافتند.

کلیدواژه ها:

لولههای حرارتی نوسانی ، میکروکپسولهای تغییر فاز دهنده ، یادگیری ماشین ، الگوریتم جنگل تصادفی