شبيه سازي انتقال حرارت نانوسيالات درون لوله در رژيم جريان آشفته با كمك شبكه عصبي- فازي

در دهه گذشته، حجم چشمگیری از تحقیقات به صورت تیوری و تجربی به بررسی رفتارهای نانوسیالات اختصاص یافته است. تحقیقات اولیه بر اندازه گیری هدایت حرارتی نانوسیالات به عنوان تابعی از غلظت، دما و اندازه ذرات تمركز كرده اند. یكی از روشهای بررسی تیوری انتقال حرارت نانوسیالات، پیش بینی ضریب انتقال حرارت توسط شبكه عصبی-فازی است. طبق مطالعات انجام شده این روش برای كاهش صرف زمان و هزینه مناسب است و نتایج قابل قبولی را اریه می دهد. در این مقاله نیز به منظور پیش بینی ضریب انتقال حرارت نانوسیالات رقیق ɣ-AL(2)O(3)/H(2)O،از شبكه عصبی-فازی استفاده شده است. ورودی های این شبكه، عدد رینولدز و كسر حجمی نانوذرات و خروجی ضریب انتقال حرارت می باشد.باتوه به نتایجی كه از پیش بینی ضریب انتقال حرارت به دست آمده است، با مقادیر تجربی مطابقت دارد. برای مثال متوسط خطای نسبی برایداده های آموزش صفر و داده های تست برابر 0.0027 - می باشد.

In the recent decade, a tremendous number of theoretical and experimental researches were dedicated to nanofluids. conventional researches focused on measuring thermal conductivity of nanofluids being a function of concentration, temperatures, and particle size. Predicting themal conductivity coefficient by neuro-fuzzy network is one of the methods for investigating heat transfer in nanofluids theoritically. According to literature this method is beneficial for saving time and costs and introduces good results as well. In the present study neuro-fuzzy network has been used in order to predict "" nanofluidsʹ heat transfer coefficient. Reynolds number and volume fractions of nano particles have been the input parameters of the network and heat transfer coefficient has been the output parameter. According to the results obtained from this study, the predicted heat transfer coefficients are in excellent agreement with experimental data. For instance, mean relative error for train and test data were 0 and -0.0027 respectively.