بررسی تجربی ضریب هدایت حرارتی نانوسیال ترکیبی آب/اتیلن گلیکول-Fe2O3/SWNCT و بهینهسازی آن با استفاده از شبکههای عصبی و الگوریتم ژنتیک
محورهای موضوعی : نانومواد
امیر اسدیکیا
1
(گروه مهندسی مکانیک، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران)
سید علی آقا میرجلیلی
2
(گروه مهندسی مکانیک، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران)
نوید نصیریزاده
3
(گروه مهندسی نساجی و پلیمر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران)
هادی کارگر شریفآباد
4
(مرکز تحقیقات انرژی و توسعه پایدار، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران)
کلید واژه: الگوریتم ژنتیک, ضریب هدایت حرارتی, نانوسیال, شبکههای عصبی,
چکیده مقاله :
در این مقاله، ضریب هدایت حرارتی نانوسیالهای ترکیبی متشکل از نانولولههای کربنی تک جداره و نانوذرات آهن II اکسید در مخلوط آب و اتیلن گلیکول به صورت تجربی بررسی شده است. پارامترهایی نظیر درصد اتیلن گلیکول، مقدار نانولوله کربنی تک جداره، نانوذرات آهن II اکسید و pH محلول به عنوان پارامترهای مؤثر بر هدایت حرارتی انتخاب شدند. نتایج بررسی تجربی نشان داد که ضریب هدایت حرارتی همراه با افزایش میزان نانوذرات افزایش یافته و در محیط قلیایی کاهش مییابد. همچنین اثر همافزایی افزودن هر دو نانوذره به سیال پایه بر ضریب هدایت حرارتی مورد تایید قرار گرفت. با توجه به وابسته بودن مقدار ضریب هدایت حرارتی از شبکه عصبی و الگوریتم ژنتیک برای پیدا کردن مقادیر بهینه استفاده شد. بهترین آموزش در یک شبکه عصبی دو لایه با تعداد نرونهای لایه مخفی برابر 6 و نرخ یادگیری اولیه برابر 04/0 حاصل شد که متوسط خطای شبکه عصبی پس از آموزش 8% بدست آمد. با تغییر ضریب جهش از 1% تا 8% در الگوریتم ژنتیک، مقدار جمعیت اولیه مناسب برابر 200 شد. با در نظر گرفتن شرط همگرایی برابر 6-10×1 در تغییرات نسبی بهترین مقدار تابع هدف و مقدار متوسط تابع هدف در جمعیت، ضریب هدایت حرارتی برای نانوسیال ترکیبی با ترکیب اتیلن گلیکول برابر 01/30%، نانولوله کربنی تک جداره برابر 998/0%، نانوذرات آهن II اکسید برابر 99/1% و pH برابر 0018/2، بیشترین مقدار در مقایسه با نسبتهای دیگر اجزا داشته است.
_||_