سه شنبه ٢٨ خرداد ١٣٩٨

اخبار > مقاله پیش‌بینی ضریب انتقال حرارت در جریان آشفته نانوسیالات مختلف درون لوله‌های دایره‌ای، با استفاده از شبکه عصبی مصنوعی

 


  چاپ        ارسال به دوست

مقاله پربازدید

مقاله پیش‌بینی ضریب انتقال حرارت در جریان آشفته نانوسیالات مختلف درون لوله‌های دایره‌ای، با استفاده از شبکه عصبی مصنوعی

مقاله پیش‌بینی ضریب انتقال حرارت در جریان آشفته نانوسیالات مختلف درون لوله‌های دایره‌ای، با استفاده از شبکه عصبی مصنوعی دردوفصلنامه مکانیک سیالات و آیرودینامیک دوره 7، شماره 1، بهار و تابستان 1397 به چاپ رسیده است

 

 

 

 

 

 

خلاصه مقاله

 

هدف این پژوهش مدل‌سازی انتقال حرارت جابجایی نانوسیالات در جریان آشفته داخل یک لوله دایره‌ای با شرایط مرزی دما ثابت و شار حرارتی ثابت است. این مدل‌سازی 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 پژوهش‌های گذشته مشاهده می‌شود که مدل شبکه عصبی پیشنهاد شده تطابق بسیار خوبی با نتایج حاصل از پژوهش‌های آن‌ها دارد. در این پژوهش، برای انتخاب پیکربندی مناسب شبکه عصبی، 400 پیکربندی مختلف مورد بررسی قرار گرفت که از میان آن‌ها شبکه‌ عصبی با بالاترین میزان دقت تخمین و با 9998/0=R2 انتخاب شد.

 

 

دانلود رایگان مقاله


١٤:٤١ - سه شنبه ١٤ اسفند ١٣٩٧    /    عدد : ٦٣٧    /    تعداد نمایش : ٨١


برای این خبر نظری ثبت نشده است
نظر شما
نام :
ايميل : 
*نظرات :
متن تصویر را وارد کنید:
 





خدمات ما
اوقات شرعی
آمار بازدید
 بازدید این صفحه : 26003
 بازدید امروز : 3975
 کل بازدید : 7735946
 بازدیدکنندگان آنلاين : 2
 زمان بازدید : 0.23
تمام حقوق مادی و معنوی متعلق به دانشگاه جامع امام حسین (علیه السلام)می باشد.

Real Time Web Analytics