Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 52.90.142.26
    [SESS_TIME] => 1711710040
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 76cee7db4c6e0807a1c7c8168750df8f
    [UNIQUE_KEY] => 38233b2e3bce00583d0fd3a1d41ed6f0
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Теплофизика и аэромеханика

2022 год, номер 2

Моделирование течения и теплопереноса в поперечно-гофрированной трубе с использованием численных методов, искусственных нейронных сетей и генетических алгоритмов

С. Эямсаард1, В. Чуваттанакул2, Х. Сафихани3, П. Промтхайсонг4
1Технологический университет Маханакорна, Бангкок, Таиланд
smith@mut.ac.th
2Технологический институт короля Монгкута, Бангкок, Таиланд
varesaatkmitl@gmail.com
3Университет Арака, Арак, Иран
h-safikhani@araku.ac.ir
4Махасаракхамский университет, Маха Саракхам, Таиланд
k.pitak_pts@hotmail.com
Ключевые слова: теплоперенос, продольное вихревое течение, труба со спирально-поперечным гофрированием, многокритериальная оптимизация
Страницы: 239-258

Аннотация

В работе выполнена многокритериальная оптимизация параметров геометрии трубы со спирально-поперечным гофрированием (spirally-cross-corrugated, SCC) при использовании численных методов, генетических алгоритмов (genetic algorithms, GAs) и искусственных нейронных сетей (artificial neural networks, ANNs). В результате, во-первых, получено численное решение для турбулентного течения с различной геометрией SCC-трубы при помощи метода конечных объемов с реализуемой k-ε -моделью турбулентности. Кроме того, в трубе вычисляются коэффициент трения f и коэффициент теплоотдачи. Во-вторых, для турбулентного режима потока исследуется влияние двух параметров - отношений шага гофра ( PR = p / D ) и глубины гофра ( DR = e / D ) к диаметру трубы - на интенсивность продольных структур, включающих четыре вихря, и на тепловые характеристики. На последнем этапе на основе полученных полиномов нейронных сетей применяются многоцелевые генетические алгоритмы (NSGA II) для базирующейся на методе Парето многокритериальной оптимизации параметров потока в рассматриваемых трубах. При этом анализируются два конфликтующих параметра - f Re и число Нуссельта Nu - в зависимости от трех актуальных для проектирования переменных: числа Рейнольдса (Re), величин PR и DR . С помощью многоцелевой оптимизации по Парето выявлен ряд интересных и важных зависимостей указанных параметров и переменных. Полученные зависимости применимы для оптимального проектирования для задач теплопереноса в SCC-трубах. Их невозможно было бы получить без использования комбинации численных методов, ANN-моделирования и оптимизации по Парето.
Добавить в корзину
Товар добавлен в корзину