پیش بینی ضریب انتقال حرارت در جریان آشفته نانوسیالات مختلف درون لوله های دایره ای، با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1397
- محل انتشار: دوفصلنامه مکانیک سیالات و آیرودینامیک، دوره: 7، شماره: 1
- کد COI اختصاصی: JR_IHUMC-7-1_001
- زبان مقاله: فارسی
- تعداد مشاهده: 525
نویسندگان
گروه مهندسی مکانیک، دانشکده فنی دانشگاه امام حسین (ع)
باشگاه پژوهشگران جوان و نخبگان، واحد نجف آباد، دانشگاه آزاد اسلامی، واحد نجف آباد، ایران
دانشکده فنی مهندسی مکانیک دانشگاه کاشان
چکیده
هدف این پژوهش مدل سازی انتقال حرارت جابجایی نانوسیالات در جریان آشفته داخل یک لوله دایره ای با شرایط مرزی دما ثابت و شار حرارتی ثابت است. این مدل سازی با روش شبکه عصبی مصنوعی انجام شده است. تعداد 610 داده از نتایج مطالعات محققان مختلف جمع-آوری شده و برای آموزش شبکه عصبی مورد استفاده قرار گرفته است. نانوذراتی که در این پژوهش مورد بررسی قرار گرفته اند عبارتند از Al2O3، TiO2، Graphene، SiC، CuO، SiO2، Fe3O4 و Cu که سیال پایه در تمام این موارد آب است. این شبکه دارای شش ورودی است که عبارتند از چگالی نانوذره، اندازه نانوذره، غلظت نانوذره، عدد رینولدز جریان، نوع شرایط مرزی شار- ثابت یا دما- ثابت و با توجه به نوع مسئله مقدار شار ثابت دیواره یا دمای ثابت آن است. همچنین، خروجی شبکه عصبی طراحی شده عدد ناسلت جریان نانوسیال است. از مقایسه نتایج این مدل شبکه عصبی با نتایج پژوهش های گذشته مشاهده می شود که مدل شبکه عصبی پیشنهاد شده تطابق بسیار خوبی با نتایج حاصل از پژوهش های آن ها دارد. در این پژوهش، برای انتخاب پیکربندی مناسب شبکه عصبی، 400 پیکربندی مختلف مورد بررسی قرار گرفت که از میان آن ها شبکه عصبی با بالاترین میزان دقت تخمین و با 9998/0=R2 انتخاب شد.کلیدواژه ها
نانوسیال, جریان آشفته, عدد ناسلت, شبکه عصبی مصنوعیاطلاعات 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.