مقاله مدلسازی عملکرد حرارتی لوله حرارتی نوسانی با استفاده از اعداد بدون بعد و شبکه عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدلسازی عملکرد حرارتی لوله حرارتی نوسانی با استفاده از اعداد بدون بعد و شبکه عصبی مصنوعی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدلسازی عملکرد حرارتی لوله حرارتی نوسانی با استفاده از اعداد بدون بعد و شبکه عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدلسازی عملکرد حرارتی لوله حرارتی نوسانی با استفاده از اعداد بدون بعد و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدلسازی عملکرد حرارتی لوله حرارتی نوسانی با استفاده از اعداد بدون بعد و شبکه عصبی مصنوعی :

تعداد صفحات:۱۷

چکیده:

در این مقاله تاثیر عوامل موثر بر عملکرد لوله حرارتی نوسانی به صورت تجربی مورد بررسی و شرایط کاری بهینه آن مورد ارزیابی قرار گرفته است. نتایج آزمایشگاهی نشان میدهد که لوله حرارتی نوسانی برای سیال عامل آب و الکل به ترتیب در نسبت پرشدگیهای ۴۰ % و ۵۰ % بهترین عملکرد را دارد. همچنین مشاهده شد که در این سیستم آب دارای عملکرد حرارتی بهتری نسبت به الکل، به عنوان سیال عامل است. در ادامه با توجه به داده های بدست آمده از آزمایشهای انجام شده و داده های آزمایشگاهی خنده کار [۹] و با استفاده از اعداد بدون بعد موثر بر عملکرد لوله حرارتی نوسانی، یک رابطهو یک مدل شبکه عصبی به منظور پیش بینی مقدار حرارت منتقل شده توسط لوله حرارتی نوسانی ارائه گردید. مشاهده شد که مدل شبکه عصبی، شار حرارتی منتقل شده توسط لوله حرارتی نوسانی را با دقت بالاتری نسبت به رابطه ارائه شده پیش بینی می کند. همچنین مشخص گردید که الگوریتم TRAINBR مناسبترین الگوریتم جهت آموزش شبکه و یک شبکه سه لایه با معماری ۴-۵-۵-۱ مناسبترین معماری جهت مدل کردن عملکرد لوله حرارتی نوسانی میباشد. انحراف مجذور مربعات شارهای حرارتی بدست آمده توسط شبکه عصبی ۴-۵-۵-۱ از مقادیر آزمایشگاهی برابر%۸/۷۵
می باشد. همچنین تمام شارهای پیش بینی شده توسط این شبکه، خطایی کمتر از ۱۵ % با نتایج آزمایشگاهی دارند.