علی سوهانی - دانشجوی کارشناسی ارشد مهندسی سیستمهای انرژی، دانشگاه صنعتی خواجه نصیرالدین طوسی
میترا ذبیحی گیوی - کارشناس مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمدحسین مرادی - کارشناس مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
حسین صیادی - دانشیار گروه مهندسی سیستمهای انرژی، دانشگاه صنعتی خواجه نصیرالدین طوسی

در این پژوهش، ابتدا خنک کننده های تبخیری جریان مخالف تبخیری نقطه شبنم برداشت کننده از هوای محصول معرفی گردیده اند. سپس بر روی عوامل موثر بر روی عملکرد آن ها بحث شده و با انتخاب دمای خروجی از خنک کننده به عنوان پارامتر خروجی، مدل سازی با طراحی و تنظیم شبکه عصبی مناسب صورت گرفته است. طبق نتایج به دست آمده، شبکه ای سه لایه، با 15 نورون در لایه پنهان اول، 8 نورون در لایه پنهان دوم و 1 نورون در لایه خروجی و با توابع تبدیل خطی، اشباع خطی متقارن و خطی به صورت مناسب عملکرد سیستم را پیش بینی می نماید. در انتها نتایج شبکه عصبی برای یک نمونه تجربی و یک نمونه عددی به دست آورده شده است. مطابق مقایسه انجام گردیده، شبکه، داده های مربوط به نمونه های تجربی و عددی را با میانگین و انحراف معیار خطای به ترتیب 53/14% و 09/2% و 77/5% و 02/3% پیش بینی می نماید. بنابراین مدل سازی به کمک شبکه عصبی می تواند در مقایسه با شبیه سازی های عددی که پیچیده و زمان بر هستند و آزمایش های تجربی که مستلزم ساخت دستگاه و صرف هزینه می باشند، به عنوان روشی کارا به کار رود

مدل سازی، خنک کننده جریان مخالف نقطه شبنم، برداشت کننده از هوای محصول، شبکه عصبی، مقایسه