مقایسه شبکه عصبی پرسپترون و تابع پایه شعاعی در مدلسازی مبدل حرارتی با کانال مارپیچ مستطیلی

Abstract

در این تحقیق از شبیه‌سازی دینامیک سیالات محاسباتی برای بررسی تاثیر پارامترهای هندسی کانال‌های مارپیچ مستطیلی بر ضریب انتقال حرارت استفاده شد. دو مدل شبکه عصبی مصنوعی پرسپترون و تابع پایه شعایی برای مدلسازی انتقال حرارت در کانال‌های مارپیچ مستطیلی استفاده شد. ورودی‌های مدل‌ها شامل عدد رینولدز و پارامترهای هندسی کانال و خروجی آن‌ها عدد ناسلت درنظر گرفته شد. 135 داده توسط شبیه‌سازی دینامیک سیالات محاسباتی ایجاد و پس از تایید اعتبار برای آموزش و ارزیابی مدل‌های شبکه عصبی استفاده شد. نتایج حاصل از تحقیق نشان داد که دقت شبکه عصبی پرسپترون کمی بالاتر از تابع پایه شعایی بود و در کل دو مدل قابل‌قبول بودند. با توجه به دقت قابل‌قبول این دو مدل، آن‌ها را می‌توان به‌خوبی در تحقیقات آینده و برنامه‌های کاربردی استفاده کرد. نوآوری اصلی در مقایسه دو روش مختلف برای مدلسازی مبدل حرارتی با کانال مارپیچ مستطیلی و ارائه نتایج برای هر دو روش است. این پژوهش نشان می‌دهد که استفاده از شبکه عصبی پرسپترون و تابع پایه شعاعی می‌تواند در بهبود عملکرد و بهره‌وری مبدل حرارتی موثر باشد. این تحقیق می‌تواند به عنوان راهنمایی برای انتخاب روش مناسب برای مدلسازی مبدل‌های حرارتی مورد استفاده قرار گیرد و به بهبود فناوری‌های مرتبط با این حوزه کمک کند.