محاسبه ویسکوزیته ی نانولوله کربن و هدایت حرارتی سایر نانوذرات در نانو سیالات با استفاده از شبکه ی عصبی مصنوعی

پایان نامه
چکیده

تئوری نانوسیال اولین بار توسط چویی در سال 1995 ارائه شد و نانوسیالات نوع جدیدی از سیال ها هستند که از پراکندگی نانوذرات جامد در سیال پایه همچون آب، اتیلن گلیکول و روغن موتور ساخته می شوند. در بخش اول کار، از شبکه پس انتشار (bpn) و تجزیه و تحلیل مولفه های اصلی (pca) به منظور پیش بینی ویسکوزیته ی موثر نانولوله کربن استفاده شده است. ویسکوزیته ی سوسپانسیون نانولوله کربن به عنوان تابعی از دما، کسر حجمی نانوذرات، طول موثر نانوذرات و ویسکوزیته ی سیال پایه با استفاده از شبکه ی عصبی مصنوعی معرفی شده است. نتایج به دست آمده توسط مدل bpn-pca حاکی از توافق بسیار خوبی با مقادیر تجربی می باشد. در بخش دوم کار، از شبکه پس انتشار (bpn) و تجزیه و تحلیل مولفه های اصلی (pca) به منظور پیش بینی هدایت حرارتی نانوسیالاتی همچون: al2o3/ (60:40)eg:h2o, al2o3/w, al2o3/ (20:80)eg:w, al2o3/ (50:50)eg:w, zno/ (60:40) eg:w, cuo/ (60:40)eg:w, cuo/w, cuo/ (50:50)eg:w, tio2/w, tio2/ (20:80)eg:w, fe3o4/ (20:80) eg:w, fe3o4/ (60:40) eg:w, fe3o4/ (40:60) eg:w and fe3o4/ w به عنوان تابعی از دما، هدایت حرارتی نانوذرات، کسر حجمی نانوذرات، قطر نانوذرات و هدایت حرارتی سیال پایه استفاده شده است. نتایج به دست آمده از مدل bpn-pca با میانگین خطا 47/1% و ضریب همبستگی 9942/0، توافق خوبی با داده های تجربی دارد.

منابع مشابه

مدلسازی با استفاده از شبکه عصبی مصنوعی جهت پیش بینی هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار – آب و ارائه رابطه تجربی جدید

در این مقاله ، بر اساس نتایج آزمایشگاهی، و با استفاده از روش برازش منحنی و شبکه عصبی مصنوعی اثر دما و کسر حجمی نانولوله‌ها بر ضریب هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار-آب بررسی شد. یک رابطه دقیق به صورت تابعی از کسر حجمی و دما برای پیش بینی ضریب هدایت حرارتی نانوسیال ارائه شد. همچنین شبکه های عصبی مختلفی به منظور مدلسازی ضریب هدایت حرارتی نانوسیال طراحی شد. در این شبکه‌ها دما...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

Survey of the nutritional status and relationship between physical activity and nutritional attitude with index of BMI-for-age in Semnan girl secondary school, winter and spring, 2004

دیکچ ه باس فده و هق : ب یناوجون نارود رد هیذغت تیعضو یسررب ه زا ،نارود نیا رد یراتفر و یکیزیف تارییغت تعسو لیلد ب تیمها ه تسا رادروخرب ییازس . یذغتءوس نزو هفاضا ،یرغلا ،یقاچ زا معا ه هیذغت یدق هاتوک و یناوـجون نارود رد یا صخاش نییعت رد ب نارود رد یرامیب عون و ریم و گرم یاه م یلاسگرز ؤ تـسا رث . لماوـع تاـعلاطم زا یرایسـب لـثم ی هتسناد طبترم هیذغت عضو اب بسانم ییاذغ تاداع داجیا و یتفایرد یفاضا...

متن کامل

پیش بینی سرعت متوسط جریان در آبگیر های جانبی با استفاده از پویایی سیالات محاسباتی ، شبکه ی عصبی مصنوعی و برداشت های جریان سنج

یکی از متداول ترین روش های انحراف آب در شبکه های آبیاری و سیستم های زهکشی استفاده از آبگیرهای جانبی می باشد. به علت پیچیدگی پروفیل سرعت در محل جداسازی کانال فرعی از کانال اصلی، اندازه گیری سرعت متوسط جریان در محل آبگیر ها بسیار مشکل می باشد. در این مطالعه با استفاده از شبکه عصبی مصنوعی اقدام به محاسبه ی پروفیل سرعت متوسط در آبگیر ها با کمترین خطا شده است. برای این مدل سازی گام های زیر برداشته ش...

متن کامل

مقایسه ی کاربرد روش شبکه ی عصبی مصنوعی با وایازی خطـی و چند متغیره درنحوه ی توزیع رسوب

پدیده ی فرسایش و انتقال رسوب یکی از پیچیده ترین مسایل هیدرودینامیک (آب پویایی ) می باشد که در مطالعه ی طرحهای آبی از اهمیتی بسیار برخوردار است. با توجه به این که شبکه های عصبی مصنوعی از دو ویژگی اساسی یادگیری یا نگاشت پذیری بر اساس ارایه ی داده های تجربی (قدرت و توانایی تعمیم پذیری) و ساختارپذیری موازی برخوردارند، یکی از مهم ترین روش های هوش مصنوعی می باشند که در آن با الهام گیری از مغز انسان، ...

متن کامل

کاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

ویژگی­های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می­نمایند.  از آنجائی­که اندازه­گیری مستقیم این قبیل ویژگی­های هیدرولیکی خاک امری وقت­گیر و هزینه­بر است روش­های غیرمستقیمی چون توابع انتقالی و شبکه­های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته­اند.  در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به­ منظور تخمین هدایت هیدرولیک...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه یاسوج - دانشکده علوم پایه

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023