ترجمه مقاله تخمین هدایت حرارتی نانوسیال اتیلن گلیکول با نانوذارت هیبریدی SWCNT- Al2O3 – نشریه اشپرینگر

عنوان فارسی: | تخمین هدایت حرارتی نانوسیال اتیلن گلیکول با نانوذارت هیبریدی SWCNT- Al2O3 با استفاده از روش های همبستگی و ANN با داده های تجربی |
عنوان انگلیسی: | Estimation of thermal conductivity of ethylene glycol-based nanofluid with hybrid suspensions of SWCNT–Al2O3 nanoparticles by correlation and ANN methods using experimental data |
تعداد صفحات مقاله انگلیسی : 13 | تعداد صفحات ترجمه فارسی : 18 |
سال انتشار : 2017 | نشریه : اشپرینگر - Springer |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 8443 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 1.75Mb |
رشته های مرتبط با این مقاله: مهندسی مکانیک |
گرایش های مرتبط با این مقاله: مکانیک سیالات |
مجله: مجله آنالیز حرارتی و گرما سنجی - Journal of Thermal Analysis and Calorimetry |
دانشگاه: گروه مهندسی مکانیک، دانشگاه آزاد اسلامی، نجف آباد |
کلمات کلیدی: نانوسیال هیبریدی، SWCNT-Al2O3/EG، ضریب هدایت حرارتی، رابطه تجربی ، شبکه عصبی مصنوعی |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه نشده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
مقدمه
آزمایشگاهی
اندازهگیری ضریب هدایت حرارتی
نتایج تجربی
رابطه تجربی پیشنهادی
طراحی شبکه عصبی مصنوعی
نتیجهگیری
Abstract
In the present paper, the effects of temperature and volume fraction on thermal conductivity of SWCNT– Al2O3/EG hybrid nanofluid are investigated. Single-walled carbon nanotube with outer diameter of 1–2 nm and aluminum oxide nanoparticles with mean diameter of 20 nm with the ratio of 30 and 70%, respectively, were dispersed in the base fluid. The measurements were conducted on samples with volume fractions of 0.04, 0.08, 0.15, 0.3, 0.5, 0.8, 1.5 and 2.5. In order to investigate the effects of temperature on thermal conductivity of the nanofluid, this characteristic was measured in five different temperatures of 30, 35, 40, 45 and 50 C. The results indicate that enhancement of nanoparticles’ thickness in low volume fractions and at any temperature causes a considerable increment in thermal conductivity of the nanofluid. In this study, the highest enhancement of thermal conductivity was 41.2% which was achieved at the temperature of 50 C and volume fraction of 2.5%. Based on the experimental data, an experimental correlation and a neural network are presented and for thermal conductivity of the nanofluid in terms of volume fraction and temperature. Comparing outputs of the experimental correlation and the designed artificial neural network with experimental data, the maximum error values for the experimental correlation and the artificial neural network were, respectively, 2.6 and 1.94% which indicate the excellent accuracy of both methods in prediction of thermal conductivity.
چکیده
در نوشتارحاضر اثر دما و کسر حجمی (Volume fraction) بر ضریب هدایت حرارتی (thermal conductivity) نانوسیال هیبریدی SWCNT-Al2O3/EG بررسی شده است. نانوذراتSWCNT با قطرخارجی 5-15 نانومتر با نانوذرات اکسید آلومینیوم با میانگین اندازه ذرات 20 نانومتر با نسبت 70 به 30 در سیال پایه تعلیق شده اند. آزمایشها برای کسرهای حجمیهای 04/0 ، 08/0، 15/0، 3/0، 5/0، 8/0، 5/1 و 5/2 انجامشده است و برای بررسی اثرات دما، ضریب هدایت حرارتی نانوسیال در پنج دمای 30، 35، 40، 45 و 50 درجه سانتیگراداندازهگیری شده است.آزمایشها نشان داد با افزایش کسر حجمی و دما، ضریب هدایت حرارتی نسبی نانوسیال افزایش مییابد. همچنین مشاهده شد زمانی که آزمایشها در دمای بالا انجام میشود میزان افزایش ضریب هدایت حرارتی در اثر تغییر کسر حجمی نانوذرات جامد بهمراتب بالاتر از تغییر آن به ازای همان میزان تغییر کسر حجمی در دمای پایین است. علاوه بر این در کسرهای حجمی بالاتر تغییرات ضریب هدایت حرارتی نانوسیال در اثر تغییر دما بسیار شدیدتر است. نتایج نشان می دهد که برای کسرهای حجمی پایین در هر دمای ثابتی، افزایش غلظت ذرات، سبب افزایش قابل توجه در ضریب هدایت حرارتی نانوسیال می شود. این در حالی است که در کسرهای حجمی بالاتر، این افزایش، شیب کمتری را نشان می دهد. در این مطالعه، حداکثر افزایش در ضریب هدایت حرارتی در کسر حجمی 5/2 درصد و دمای 50 درجه سانتیگراد به میزان 2/41 درصد مشاهده شد. بر اساس دادههای تجربی، یک رابطه ی تجربی پیشنهادی و یک شبکه ی عصبی مصنوعی برای ضریب هدایت حرارتی نانوسیال برحسب کسر حجمی و دما پیشنهاد شد و با مقایسه نتایج حاصل از رابطه پیشنهاد شده و نتایج شبکه عصبی مصنوعی طراحی شده با دادههای تجربی، بیشترین میزان خطا برای رابطهی تجربی پیشنهادی و شبکه عصبی مصنوعی به ترتیب 6/2 درصد و %94/1 درصد به دست آمد که این نشان از دقت بالای هر دو روش برای تخمین ضریب هدایت حرارتی دارد.