بررسي تجربي ضريب هدايت حرارتي نانوسيال تركيبي آب/اتيلن گليكول-Fe2O3/SWNCT و بهينه سازي آن با استفاده از شبكه هاي عصبي و الگوريتم ژنتيك

Experimental Study of Thermal Conductivity of Water/Ethylene Glycol-Fe2O3/SWNCT Composite Nanofluid and its Optimization Using Neural Networks and Genetic Algorithms

در اﯾﻦ ﻣﻘﺎﻟﻪ، ﺿﺮﯾﺐ ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ ﻧﺎﻧﻮﺳﯿﺎلﻫﺎي ﺗﺮﮐﯿﺒﯽ ﻣﺘﺸﮑﻞ از ﻧﺎﻧﻮﻟﻮﻟﻪﻫﺎي ﮐﺮﺑﻨﯽ ﺗﮏ ﺟـﺪاره و ﻧـﺎﻧﻮذرات آﻫـﻦ II اﮐﺴـﯿﺪ در ﻣﺨﻠـﻮط 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 ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺆﺛﺮ ﺑﺮ ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ اﻧﺘﺨﺎب ﺷﺪﻧﺪ. ﻧﺘﺎﯾﺞ ﺑﺮرﺳﯽ ﺗﺠﺮﺑﯽ ﻧﺸﺎن داد ﮐﻪ ﺿﺮﯾﺐ ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ ﻫﻤـﺮاه ﺑـﺎ اﻓـﺰاﯾﺶ ﻣﯿﺰان ﻧﺎﻧﻮذرات اﻓﺰاﯾﺶ ﯾﺎﻓﺘﻪ و در ﻣﺤﯿﻂ ﻗﻠﯿﺎﯾﯽ ﮐﺎﻫﺶ ﻣﯽﯾﺎﺑﺪ. ﻫﻤﭽﻨﯿﻦ اﺛﺮ ﻫﻢاﻓﺰاﯾﯽ اﻓﺰودن ﻫﺮ دو ﻧﺎﻧﻮذره ﺑﻪ ﺳﯿﺎل ﭘﺎﯾﻪ ﺑـﺮ ﺿـﺮﯾﺐ ﻫـﺪاﯾﺖ ﺣﺮارﺗـﯽ ﻣﻮرد ﺗﺎﯾﯿﺪ ﻗﺮار ﮔﺮﻓﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ واﺑﺴﺘﻪ ﺑﻮدن ﻣﻘﺪار ﺿﺮﯾﺐ ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ از ﺷﺒﮑﻪ ﻋﺼﺒﯽ و اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﺮاي ﭘﯿﺪا ﮐﺮدن ﻣﻘﺎدﯾﺮ ﺑﻬﯿﻨﻪ اﺳـﺘﻔﺎده ﺷﺪ. ﺑﻬﺘﺮﯾﻦ آﻣﻮزش در ﯾﮏ ﺷﺒﮑﻪ ﻋﺼﺒﯽ دو ﻻﯾﻪ ﺑﺎ ﺗﻌﺪاد ﻧﺮونﻫﺎي ﻻﯾﻪ ﻣﺨﻔﯽ ﺑﺮاﺑﺮ 6 و ﻧﺮخ ﯾﺎدﮔﯿﺮي اوﻟﯿﻪ ﺑﺮاﺑﺮ 0/04 ﺣﺎﺻﻞ ﺷﺪ ﮐﻪ ﻣﺘﻮﺳﻂ ﺧﻄـﺎي ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﺲ از آﻣﻮزش 8 ﺑﺪﺳﺖ آﻣﺪ. ﺑﺎ ﺗﻐﯿﯿﺮ ﺿﺮﯾﺐ ﺟﻬﺶ از 1 در اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ، ﻣﻘﺪار ﺟﻤﻌﯿﺖ اوﻟﯿﻪ ﻣﻨﺎﺳﺐ ﺑﺮاﺑﺮ 200 ﺷـﺪ. ﺑـﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺷﺮط ﻫﻤﮕﺮاﯾﯽ ﺑﺮاﺑﺮ 1×10-6 در ﺗﻐﯿﯿﺮات ﻧﺴﺒﯽ ﺑﻬﺘﺮﯾﻦ ﻣﻘﺪار ﺗﺎﺑﻊ ﻫﺪف و ﻣﻘﺪار ﻣﺘﻮﺳﻂ ﺗﺎﺑﻊ ﻫﺪف در ﺟﻤﻌﯿﺖ، ﺿـﺮﯾﺐ ﻫـﺪاﯾﺖ ﺣﺮارﺗـﯽ براي نانوسيال تركيبي با تركيب اتيلن گليكول برابر 01/30%، نانولوله كربني تك جداره برابر 0/998 %، نانوذرات آهن II اكسيد برابر 1/99 % و pH برابر 2/0018 ، بيشترين مقدار در مقايسه با نسبت هاي ديگر اجزا داشته است.

No abstract