شهاب الدین صالحی مقدم - کارشناسی ارشد، انشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه علم و هنر، یزد
محمد حسین طالبی - دانشیار، دانشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه علم و هنر، یزد
علیرضا موحدی - استادیار، دانشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه علم و هنر، یزد

نانوسیالات و به خصوص اکسید نانوسیالات، سیالات بالقوه ای هستند که در استوانه ها به دلیل خواصترموفیزیکی و عملکرد حرارتی برتری که نسبت به سیالات معمولی در فرایندهای انتقال حرارت دارند، به شدتمورد استفاده قرار می گیرند. در این پژوهش به بررسی پیش بینی خواص نانوسیالات در مبدل حرارتی یا لولهاستوانه ای شکل با استفاده از روش های نوین هوش مصنوعی پرداخته شده است. نانوسیال آب – اکسید تیتانیومانتخاب شده است تا رفتار حرارتی آن با استفاده از توابع شبکه عصبی و خصوصا تابع اساسی شعاعی موردتجزیه و تحلیل قرار گیرد. تابع های اساسی شعاعی بر روی داده های آموزش و تست پیش بینی انتقال حرارتدرون استوانه که با استفاده از نانوسیال آب-اکسید تیتانیوم تحت تاثیر است اعمال شده است تا با دقت ترینالگوریتم برای پیش بینی خروجی داده ها انتقال حرارت استوانه ارزیابی شود. پس از تعیین دقیق ترین الگوریتمتابع اساسی شعاعی به عنوان تابع بهینه، میزان تغییرات عدد ناسلت برای دماهای مختلف نانوسیال بر حسب عددپکلت برای مبدل استوانهای تخمین زده شده است. برای نانوسیال دمای نانوسیال و عدد پکلت برای ورودیشبکه عصبی انتخاب شده است تا با استفاده از الگوریتم تابع اساسی شعاعی میزان تغییرات عدد ناسلت نانوسیالبررسی شود. در انتها مشخص گردید تابع اساسی شعاعی مطالعه حاضر به خوبی توانسته است عدد ناسلتاستوانه تحت تاثیر نانوسیال آب-اکسید تیتانیوم را محاسبه نماید و نمودارهای کیفی در کنار پارامترهای آماریارائه شده بر این نتیجه صحه گذاشتند

عدد ناسلت، اکسید تیتانیوم، لوله استوانه، نانوسیال، تابع اساسی شعاعی