تعیین عدد ناسلت نانوسیال در جریان درون لوله به‌کمک شبکه‌های عصبی مصنوعی

تعیین عدد ناسلت نانوسیال در جریان درون لوله به کمک شبکه های عصبی مصنوعی

امروزه استفاده از نانوسیال در تجهیزات انتقال حرارت همچون مبدل های حرارتی بسیار قابل توجه است. لذا پیش بینی رفتار و خواص انتقال حرارت نانوسیال به عنوان یک هدف کاربردی مطرح می باشد. با توجه به هزینه بالای آزمایش های انتقال حرارت، تکرار یک آزمایش برای داده های گوناگون امکان پذیر نیست، لذا پیش بینی نتایج یک آزمایش برای مقادیر مختلف داده های آزمایش نشده مسئله ای پراهمیت است. با توجه به نتایج دقیق به...

معرفی تعریف عدد ناسلت مناسب برای جریان سیال در یک لوله با ماده متخلخل جزئی

در مطالعه ی حاضر به بررسی تحلیلی و عددی اعتبار دو تعریف متداول عدد ناسلت برای انتقال حرارت جابجایی در یک لوله با ماده متخلخل جزئی پرداخته شده است. تعریف اول عدد ناسلت بصورت nu_1 (x)=(2r(∂t/∂r)_(r=r))⁄((t_w-t_m (x)) ) و تعریف دوم عدد ناسلت بصورت nu_2 (x)=(2rq_cond^'')⁄(k_ref (t_w-t_m (x)) ) بیان شده است. در ابتدا عدد ناسلت حاصل از این دو تعریف در آرایش های مختلف ماده متخلخل در یک لوله، بصورت تحل...

مطالعه تجربی انتقال حرارت و افت فشار نانوسیال آب- اکسید تیتانیوم

در این مقاله، انتقال حرارت و افت فشار نانوسیال آب- اکسید تیتانیوم در جریان مغشوش درون مبدل دو لوله‌ای هم مرکز به صورت تجربی بررسی شده است. نانوسیال با کسرهای حجمی 002/0، 01/0 و 02/0 تهیه شد و در اعداد رینولدز تقریبی 8000 تا 49000 مورد آزمایش قرار گرفت. برای این منظور یک مبدل دو لوله ای جریان مخالف طراحی و ساخته شده است. نتایج نشان داد که عدد ناسلت متوسط و افت فشار نانوسیال با افزایش کسر حجمی و ...

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

بررسی عددی جابجائی طبیعی نانوسیال در محفظه مربعی با منبع حرارتی مرکزی و ارائه روابطی برای محاسبه عدد ناسلت

چکیده- هدف از مطالعه حاضر، بررسی عددی جابجائی طبیعی نانوسیال های مختلف داخل یک محفظه مربعی با منبع حرارتی مرکزی در نسبت های منظری مختلف و بدست آوردن روابطی برای عدد ناسلت بر حسب عدد رایلی و کسرحجمی نانوذرات می باشد. منبع حرارتی در دمای th و دیواره محفظه در دمای tc می باشد. نانوسیال ها بر پایه آب با نانوذرات مس، اکسید مس، نقره، اکسید آلومینیم و یا اکسید تیتانیوم در نظر گرفته شده اند. برای تحلیل ...

تولید مصنوعی جریان رودخانه با استفاده از شبکه‌های عصبی مصنوعی

در این مطالعه قابلیت مدل‎های شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می‌شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه‌ عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری‌های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...