پیش بینی انتقال حرارت رادیاتور خودرو با شبکه عصبی مصنوعی مبتنی بر دادههای استاندارد تونل باد ۳۲۲۴ INSO و ۱۶۱۴-JIS-D

در این پژوهش مدلی مبتنی بر یادگیری ماشین برای پیشبینی نرخ انتقال حرارت ارائه شده است. دادههای تجربی از ۳۰ نوع مختلف رادیاتور با استفاده از آزمون تونل باد و بر اساس استانداردهای JIS D۱۶۱۴ و ۳۲۲۴ INSO در ۵۵۰ حالت مختلف جمع آوری شد. دو مدل رگرسیون خطی و شبکه عصبی مصنوعی (ANN) توسعه یافت. بهترین عملکرد مربوط به ANN با ۷۰ درصد داده آموزشی حاصل شد. این مدل با دستیابی به ضریب تعیین (R۲) ۰.۹۷۲۹ و RMSE برابر با ۰.۰۳۴۲ در دادههای تست عملکرد دقیق تری نسبت به مدل خطی نشان داد. نتایج این مطالعه نشان میدهد که استفاده از مدلهای هوشمند به ویژه ANN میتواند به عنوان ابزاری کارآمد در طراحی و ارزیابی عملکرد رادیاتورها به کار رود و گامی موثر در جهت توسعه سامانههای حرارتی هوشمند در صنعت خودروسازی به شمار رود.

کلیدواژه ها:

رادیاتور خودرویی ، شبکه عصبی مصنوعی ، یادگیری ماشین ، انتقال حرارت ، آزمون تونل باد