人工神经网络具有不可压缩的光滑粒子水力动力学,用于矩形圆环中热量和质量转移的外热化学反应
Alaa Allakany1, Noura Alsedias2, Abdelraheem M Aly3,4
1Computer Science Department, Faculty of Computers and Information, Kafrelsheikh University, Kafrelsheikh, 33516, Egypt. alaa_83moh@yahoo.com.
Scientific reports
|January 31, 2025
概括
这项研究模拟了纳米增强相变材料 (NEPCM) 在多孔环形中,揭示了外热反应和索雷特-杜福数显著影响热量和质量转移. 人工神经网络 (ANN) 模型准确预测性能,帮助节能应用.
科学领域:
- 热力学和流体力学 热力学和流体力学
- 材料科学 材料科学 材料科学
- 计算科学 计算科学
背景情况:
- 在多孔介质中的双扩散对于能源系统至关重要.
- 纳米增强相变材料 (NEPCM) 提供增强的热性能.
- 复杂的几何形状,如带有内部形状的环形,具有模拟挑战.
研究的目的:
- 模拟NEPCM在复杂的多孔环内双重扩散.
- 研究外热反应和索雷特-杜福数对热量和质量转移的影响.
- 开发和验证人工神经网络 (ANN) 模型,用于预测热量和质量转移速率.
主要方法:
- 使用ISPH方法进行数值模拟,以解决分数时间导数规范方程.
- 人工神经网络 (ANN) 与ISPH结果的整合用于预测建模.
- 参数研究涉及弗兰克-卡门茨基,达西,杜福,浮力比率,雷利,易斯,索雷特数,聚变温度和分数顺序.
主要成果:
- 热量和质量转移速率,以及速度场,通过增加弗兰克-卡梅涅茨基和达西数来显著增强.
- 分数时间导数加快了稳定状态的实现.
- 该ANN模型在预测平均Nusselt和Sherwood数量方面表现出很高的准确性.
结论:
- 该研究提供了对优化NEPCM性能在复杂的多孔环形中,用于节能和冷却应用的见解.
- 该ANN模型作为一个可靠的工具来估计热量和质量转移系数.
- 这些发现适用于各种工程领域,这些领域需要高效的热量/质量转移和相变材料.
