使用神经网络,基因表达编程和多目标粒子群优化优化三元混合纳米流体:一个计算智能战略.
Tao Hai1,2,3,4, Ali Basem5, As'ad Alizadeh6
1State Key Laboratory of Public Big Data, Guizhou University, Guizhou Guiyang, 550025, China.
Scientific reports
|January 15, 2025
概括
这项研究利用计算智能优化了三元混合纳米流体,以提高导热率和降低粘度. 混合方法有效地建模并确定改善纳米流体性能的最佳条件.
科学领域:
- 材料科学 材料科学 材料科学
- 计算智能是一种计算智能.
- 纳米技术 纳米技术
背景情况:
- 纳米流体的性能取决于热物理性质.
- 优化这些特性对于增强传热应用至关重要.
- 三级混合纳米流体提供了卓越性能的潜力.
研究的目的:
- 为优化三元混合纳米流体开发混合计算智能战略.
- 为了最大限度地降低动态粘度和最大限度地提高导热性.
- 确定最佳操作条件,包括体积分数,温度和纳米材料混合比率.
主要方法:
- 机器学习 (GMDH,GEP,组合算法),多目标优化 (MOPSO) 和多标准决策 (TOPSIS) 的整合.
- 使用人工智能技术建模动态粘度和导热率.
- 基于经过验证的模型优化纳米流体特性.
主要成果:
- 组合方法在建模中显示出高精度 (R2 = 0.99964-0.99993).
- 最佳体积分数差异很大,而最佳温度始终接近65°C.
- 混合比在不同场景中保持一致,体积分数是关键的差异化因素.
结论:
- 拟议的混合战略有效地优化了三元混合纳米流体.
- 计算智能为增强纳米流体热物理性质提供了一个强大的框架.
- 这项研究提供了针对特定性能目标量身定制纳米流体成分的见解.
更多相关视频
08:18Self-Nanoemulsification of Healthy Oils to Enhance the Solubility of Lipophilic Drugs
Published on: July 27, 2022
1.0K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.4K
