skip to Main Content

پیش‌بینی نرخ انتقال حرارت یک مبدل حرارتی از نوع سیم و لوله: یک روش هوش مصنوعی

عنوان انگلیسی: Prediction of Heat Transfer Rate of a Wire-on-Tube Type Heat Exchanger: An Artificial Intelligence Approach
سال نشر: ۲۰۱۳
نویسنده: Anurag Kumra,Nikhil Rawal,Pijush Samui
تعداد صفحه فارسی: ۱۲ – تعداد صفحه انگلیسی: ۱۰
دانشگاه: Vellore Institute of Technology,Vellore, TamilNadu-632014, India
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

در این مقاله یک رویکرد ابتکاری برای پیش‌بینی نرخ انتقال حرارت یک مبدل حرارتی نوع سیم -لوله با استفاده از مدل ماشین بردار پشتیبانی مورد استفاده قرار می‌گیرد. در طول چند دهه گذشته ،مبدل‌های حرارتی به خوبی مورد بررسی قرار گرفته‌اند. روش‌های مختلفی برای تعیین نرخ انتقال حرارت مبدل‌های حرارتی استفاده شده‌ است. برای حل این الگوریتم، یک برنامه کامپیوتری با استفاده از نرم‌افزار MATLAB توسعه داده شده است. این امر به ما کمک کرد تا یک معادله برای انتقال حرارت کل ایجاد کنیم که هنگام مقایسه با تکنیک‌های سنتی، حداقل خطا را ارایه می‌دهد. این مدل مزایای ذاتی ناشی از استفاده از اصل کمینه‌سازی ریسک ساختاری در فرموله کردن توابع هزینه و برنامه‌ نویسی درجه‌دوم در طول بهینه‌سازی مدل را نشان می‌دهد. یک مطالعه مقایسه‌ای بین شبکه عصبی مصنوعی و روش ماشین بردار پشتیبانی نیز نشان‌ داده شده‌ است. سپس این مقاله نتیجه‌گیری خود را ارائه می‌کند.

Abstract

In this paper, an innovative approach is used to predict the rate of heat transfer of a wire-on-tube type heat exchanger by utilizing the support vector machine model. Heat exchangers have been a well-studied subject over the past decades. Various approaches have been used to determine the heat transfer rate of heat exchangers. To solve this algorithm, a computer program was developed using MATLAB software. This helped us formulate an equation for the total heat transfer which gave minimal error when compared to traditional techniques. This model exhibits inherent advantages due to its use of the structural risk minimization principle in formulating cost functions and of quadratic programming during model optimization. A comparative study between the artificial neural network and the support vector machine approach is also illustrated. The paper then provides its conclusion.
امتیاز شما:
(No Ratings Yet)
Back To Top