طراحی هوشمند مبدل‌های حرارتی با سطوح گسترش یافته توسط الگوریتم ژنتیک و پردازش تصویر

تحلیل انتقال حرارت جابه‌جایی در یک کانال برای بسیاری از انواع مبدل‌های حرارتی، اساس طراحی، ساخت و بهینه‌سازی این تجهیزات می‌باشد. استفاده از سطوح گسترش یافته در کانال، یک روش کاربردی برای افزایش ضریب انتقال حرارت می‌باشد. در پژوهش حاضر، طراحی هوشمند یک مبدل حرارتی نانو سیال دو بعدی، به‌منظور دستیابی به شرایط عملکرد مطلوب از نظر نرخ انتقال حرارت، میزان رسوب ذرات نانو در ساختار مبدل و همچنین افت فشار سیال در طول عبور از آن، به‌روش عددی، مورد مطالعه قرار گرفته است. نتایج حاصل از این تحلیل نشان می‌دهد که با بهینه‌سازی ساختار هندسی از طریق ترکیب الگوریتم ژنتیک و دینامیک سیالات محاسباتی (c‌f‌d) برای این کانال، می‌توان به افزایش 1/14 درصدی در آنتالپی نانوسیال عبوری، کاهش 11/121 درصدی در افت فشار نانوسیال در طول عبور و همچنین کاهش 8/44 درصدی در میزان رسوب نانوذرات درون کانال دست یافت. در مجموع، این بهبودها منجر به افزایش 24/82 درصدی در تابع برازش تعریف شده در پژوهش شده است.

the smart design of heat exchangers with expanded surfaces by genetic algorithm and image processing

the analysis of heat transfer in the channel in many types of heat exchangers, such as electric cooling equipment, solar collectors, heat exchanger systems, high-performance boilers, gas turbine blade coolers, etc., is the basis of the design, construction, and optimization. controlling heat transfer to increase the rate of heat transfer in such systems by improving the cooling method is an effective energy engineering from the point of saving energy. increasing the heat transfer performance in the scales of macro and microchannels is crucial. the use of expanded surfaces in the channel is a practical method to increase the heat transfer coefficient. in the upcoming article, the smart design of a two-dimensional nanofluid heat exchanger has been studied numerically in order to achieve optimal performance conditions in terms of heat transfer rate, the amount of deposition of nanoparticles in the structure of the exchanger, as well as the fluid pressure drop while passing through it. it can be seen that the geometric structure optimized by the combination of genetic algorithm and computational fluid dynamics of this channel causes an increase of 1.14% in the enthalpy of the passing nanofluid, a decrease of 11.21% in the pressure drop of the passing nanofluid, and a reduction of 8.44% percentage in the deposition of nanoparticles inside the channel and a total increase of 24.82% in the fitting function defined in terms of these three variables, compared to the channel designed in previous studies. therefore, this optimal channel has a higher heat transfer rate with a pressure drop and a lower amount of nanoparticle deposition compared to the previous channel, which proves the ability of the genetic algorithm with computational fluid dynamics in the optimal design of all types of heat exchangers.