مدلسازي با استفاده از شبكه عصبي مصنوعي جهت پيش بيني هدايت حرارتي نانوسيال نانولوله كربني چند جداره عامل دار – آب و ارائه رابطه تجربي جديد

Artificial neural network modeling for prediction of thermal conductivity of functionalized MWCNTs/water nanofluids and a new empirical correlation

در اين مقاله ، بر اساس نتايج آزمايشگاهي، و با استفاده از روش برازش منحني و شبكه عصبي مصنوعي اثر دما و كسر حجمي نانولوله‌ها بر ضريب هدايت حرارتي نانوسيال نانولوله كربني چند جداره عامل دار-آب بررسي شد. يك رابطه دقيق به صورت تابعي از كسر حجمي و دما براي پيش بيني ضريب هدايت حرارتي نانوسيال ارائه شد. همچنين شبكه هاي عصبي مختلفي به منظور مدلسازي ضريب هدايت حرارتي نانوسيال طراحي شد. در اين شبكه‌ها دما و كسر حجمي به عنوان متغيرهاي ورودي و ضريب هدايت حرارتي به عنوان متغير خروجي در نظر گرفته شد. شبكه عصبي بهينه با در نظر گرفتن حداقل خطا در پيش بيني ضريب هدايت حرارتي نانوسيال به دست آمد. مقايسه‌ها نشان داد كه شبكه عصبي مصنوعي مي‌تواند پيش بيني دقيق‌تري نسبت به روش برازش منحني در تخمين ضريب هدايت حرارتي اين نانوسيال ارائه كند. همچنين نتايج نشان داد كه رابطه تجربي ارائه شده به وسيله روش برازش منحني داراي دقت قابل قبولي است.

In this paper, based on experimental data, by employing regression method and artificial neural network, the effects of temperature and nanotubes concentration on thermal conductivity of COOH functionalized Multi Walled Carbon Nano Tubes / water was investigated . A very accurate correlation for thermal conductivity ratio was suggested as a function of temperature and solid volume fraction . Artificial neural network modeling was performed. Temperature and solid volume fraction were employed as input variables and thermal conductivity ratio was used as outputs variable. Optimized ANN by considering minimum prediction error was obtained. Comparisons showed that the ANN can more precisely predict the thermal conductivity ratio of COOH functionalized Multi Walled Carbon Nano Tubes/water nanofluids. The results also revealed that the empirical correlation has an acceptable accuracy.Experimental results showed that the thermal conductivity has a direct and reverse relationshipThe existing correlations in literature were unable to predict viscosity data, hence, a new correlation has been proposed.