پیش بینی اگزرژتیک درون مبدل حرارتی حاوی نانوسیال به کمک شبکه عصبی مصنوعی

اکسرژی در واقع بیشترین کار تیوری مفید قابل دست یابی است، زمانی که سامانه به سوی تعادل با محیط حرکت می کند و تنها با محیط تبادل گرما انجام می دهد.در این تحقیق بازدهی اکسرژی در سناریو های مختلف با استفاده از نرم افزار اکسل محاسبه گردید و از شبکه عصبی پیش رو با سه لایه و الگوریتم آموزشی پسا انتشار خطا لونبرگ مارکوارت ( BP-LM ) برای مدل سازی سیستم مبدل استفاده شد. پارامترهای اعداد رینولدز، دما های ورودی و غلظت به عنوان داده های ورودی و بازدهی اکسرژتیک به عنوان پارامتر هدف انتخاب گردید. نتایج نشان داد که مدل 3 لایه ای ( یک لایه ورودی، یک لایه پنهان و یک لایه خروجی ) با تعداد 7 نورون در لایه پنهان و الگوریتم آموزشی پیشرو BP-LM قادر است با دقت R2=0/6699 رفتار سیستم را پیش بینی نماید. بررسی توزیع خطا برای مدل نشان می دهد که از توزیع نرمال پیروی می نماید.

کلیدواژه ها:

اگزرژی ، مبدل ، نانو سیال ، انتقال حرارت ، اصطکاک ، شبکه عصبی مصنوعی