بهینه سازی چند هدفه خواص ترموفیزیکی نانوسیالات مبتنی بر نانولوله های کربنی چند جداره به کمک شبکه عصبی

تعیین تجربی خواص ترموفیزیکی نانوسیال (NF) زمانبر و پرهزینه است که منجر به استفاده از روشهای محاسباتی نرم مانندروش شناشی سطح پاسخ (RSM) و شبکه عصبی مصنوعی (ANN) برای تخمین این خواص میشود. مطالعه حاضر ارائه روشی به منظور بهبود دقت تخمین به منظور مدلسازی و بهینه سازی هدایت حرارتی و ویسکوزیته NF است که شامل نانو لوله های کربنی چند جداره (MWCNT) و روغن حرارتی است. مدلسازی برای پیشبینی هدایت حرارتی و ویسکوزیته NF با استفاده از روش شناسی سطح پاسخ (RSM) و شبکه عصبی مصنوعی (ANN) انجام میشود. هر دو مدل مورد آزمایش و تایید قرار گرفتند که نتایج امیدوارکننده ای را نشان داد. به منظور بهینه سازی روش شبکه عصبی مصنوعی از بهینه سازی بیزین استفاده شده تا بتواند هایپرپارامترهای شبکه را بهینه کند چرا که به میزان زیادی در دقت نهایی تاثیر گذار است. نتایج نشان می دهند که به کمک شبکهبهینه شده با بیزین دقت تخمین در مقایسه با روش های مشابه بهبود می یابد.

Keywords:

نانوسیالات , ویسکوزیته , هدایت حرارتی , شبکه عصبی مصنوعی , روش سطح پاسخ