مدلسازی عددی لوله با موج مارپیچی و بررسی پارامترهای موثر بر بازده گرمایی با روش طرح آزمایش تاگوچی
- سال انتشار: 1395
- محل انتشار: همایش ملی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: UTCONF01_136
- زبان مقاله: فارسی
- تعداد مشاهده: 458
نویسندگان
دانشجوی مهندسی مکانیک، موسسه صنعتی غیرانتفاعی مازندران
استاد تمام دانشگاه صنعتی نوشیروانی بابل دانشکده مکانیک
استاد دانشگاه صنعتی نوشیروانی بابل دانشکده مکانیک
چکیده
مبدل های حرارتی کاربرد زیادی در صنایع نفت، گاز، صنایع غذایی، نیروگاه ها، تهویه مطبوع و ده ها واحد صنعتیدیگر دارند. بازده موجب کاهش هزینه اولیه در صنایع و صرفه جویی در منابع انرژی می گردد. یکی از روش هاییکه به موارد ذکر شده کمک قابل توجهی می کند استفاده از مغشوش کننده ها و سطوح گسترده در مبدل حرارتیمی باشد. استفاده از مغشوش کننده ها علاوه بر بهبود انتقال گرما از ایجاد رسوب در مبدل جلوگیری می کند. ولیاز طرفی استفاده از این وسایل با افت فشار همراه می باشد. مغشوش کننده ها )ایجاد جریان توربولانس( به واسطهایجاد جریان چرخشی و درهم، لایه مرزی جریان را به هم ریخته و با کوچکتر کردن ارتفاع لایه مرزی و تشکیلمجدد آن موجب افزایش انتقال حرارت می شود. در این پایان نامه از بین انواع روش های غیر فعال، استفاده از لوله باموج مارپیچ با توجه به افت فشار کمتر مورد بررسی قرار گرفت. شبیه سازی به روش حجم محدود و در نرم افزارفلوینت صورت گرفت. در بررسی پارامترهای موثر بر عملکرد چهار پارامتر گام مارپیچ، زبری در راستای شعاع، زبریدر راستای محوری و رینولدز جریان مورد مطالعه قرار گرفت. برای دستیابی به مدل بهینه از روش طرح آزمایشتاگوچی استفاده شد که با توجه به چهار پارامتر مورد نظر و چهار سطح در نظر گرفته شده 16 مدل پیشنهادی موردبررسی قرار گرفت. در نهایت مدل بهینه لوله با موج مارپیچ با ابعاد گام مارپیچ 13 میلیمتر، ارتفاع زبری در راستایشعاع و محور به ترتیب 2 و 6 / 1 میلیمتر ارایه شد که موجب افزایش بازده در محدوده رینولدز مورد بررسی 5000 تا20000 گردید.کلیدواژه ها
لوله با موج مارپیچی، گام مارپیچ، ارتفاع زبری مارپیچ، طرح آزمایش تاگوچی، روش حجم سیالمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
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.