مدلسازی و بهینه سازی انتقال حرارت جابجایی CO₂ در فشارهای فوق بحرانی در یک لوله ی عمودی و در رینولدزهای پایین با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک

مهدی محرابی; سید مهدی پسته ای

مدلسازی و بهینه سازی انتقال حرارت جابجایی CO₂ در فشارهای فوق بحرانی در یک لوله ی عمودی و در رینولدزهای پایین با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک

Publish place: 12th Conference of Fluid Dynamics

Publish Year: 1388

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > الگوریتم ژنتیک

Export:

Link to this Paper:

https://civilica.com/doc/72559

Document National Code:

CFD12_024

Index date: 8 June 2009

مدلسازی و بهینه سازی انتقال حرارت جابجایی CO₂ در فشارهای فوق بحرانی در یک لوله ی عمودی و در رینولدزهای پایین با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک abstract

امروزه به دلیل استفاده وسیع از سیالات فوق بحرانی در صنایع ، تحقیقات بسیاری بر روی انتقال حرارت سیالات در فشارهای فوق بحرانی صورت گرفته است. اما از آنجاییکه یک مدل ریاضی براساس متغیرهای طراحی برای تحلیل انتقال حرارت سیالات فوق بحرانی بسیار پیچیده می باشد در این مقاله با استفاده از نتایج تجربی Jiang وهمکاران انتقال حرارت جابجایی 2 COدر فشارهای فوق بحرانی دریک لوله ی عمودی توسط شبکه های عصبی مصنوعی نوع GMDH مدلسازی شده است.پس از مدلسازی از الگوریتم ژنتیک اصلاح شده NSGA-II برای بهینه سازی انتقال حرارت جابجایی CO2 فوق بحرانی در رینولدزهای پایین استفاده شده و منحنی پارتو حاصل از بهینه سازی ارائه می گردد.

مدلسازی و بهینه سازی انتقال حرارت جابجایی CO₂ در فشارهای فوق بحرانی در یک لوله ی عمودی و در رینولدزهای پایین با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک Keywords:

انتقال حرارت جابجایی , الگوریتم ژنتیک , شبکه های عصبی مصنوعی نوع GMDH و NSGA_II

مدلسازی و بهینه سازی انتقال حرارت جابجایی CO₂ در فشارهای فوق بحرانی در یک لوله ی عمودی و در رینولدزهای پایین با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک authors

مهدی محرابی

دانشجوی گروه مهندسی مکانیک دانشگاه ارومیه

سید مهدی پسته ای

استادیار گروه مهندسی مکانیک دانشگاه ارومیه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

-I.Galkin, U. Lowell, ?Polynomial Neural Networks?, Materials for UML 91.550-Data ...

بهینه سازی چندهدفی پانلهای ساندویچی به کمک الگوریتم ژنتیک، روش اجزاء محدود و شبکه های عصبی [مقاله کنفرانسی]

J _ _ _ _ _ _ _ _ [ ...

_ _ Re _ _ _ _ _ _ _ ...

-Jiang P.X., Zhang Y., Xu Y.J., Shi R.F. _ _ ...

- Mikielewicz D.P., Shehata A.M., Jackson J.D., McEligot D.M. _ ...

- Celata G.P., Annibale F.D., Chiaradia A., Cumo M., *Up ...

- He S., Jiang P.X, Xu Y.J, Shi R.F., Kim ...

-Farlow S. J., Self- organizing _ in rnodelling GMDH type ...

- Deb K., Agrawal S., Pratap A., Meyarivan T., *A ...

- E.Nazerfard, S.B.Shouraki, 'RGEA: A New Evolutionary Algorithm based On ...

-H.Iba, H.De-Garis, T.Sato, ? A Numerical Approach to Genetic programming ...

- Goldberg, D. E., _ Genetic Algoritlhuns in Search, Optinnization, ...

نمایش کامل مراجع