การวิเคราะห์สมรรถนะเชิงความร้อนของอุปกรณ์แลกเปลี่ยนความร้อนแบบแผ่นด้วยโครงข่ายประสาทเทียม
Article Sidebar
เผยแพร่แล้ว:
มี.ค. 7, 2019
คำสำคัญ:
โครงข่ายประสาทเทียม สมรรถนะเชิงความร้อน อุปกรณ์แลกเปลี่ยนความร้อนแบบแผ่น
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนอการใช้โครงข่ายประสาทเทียมในการวิเคราะห์ค่าประสิทธิผลและสัมประสิทธิ์การถ่ายเทความร้อนรวมของอุปกรณ์แลกเปลี่ยนความร้อนแบบแผ่นที่ใช้น้ำเป็นสารทำงาน ในการทดลองกำหนดอุณหภูมิขาเข้าน้ำร้อนเฉลี่ย 40 - 50 องศาเซลเซียส อุณหภูมิขาเข้าน้ำเย็นเฉลี่ย 20 - 30 องศาเซลเซียส ใช้อัตราการไหลเชิงมวลของน้ำร้อนเฉลี่ย 0.0273 - 0.0444 กิโลกรัมต่อวินาที และ อัตราการไหลเชิงมวลของน้ำเย็นเฉลี่ย 0.0196 กิโลกรัมต่อวินาที การสร้างแบบจำลองโครงข่ายประสาทเทียมจะใช้โครงสร้างที่มีหนึ่งชั้นซ่อน โดยสอนแบบจำลองให้เกิดการเรียนรู้ด้วยอัลกอริทึมต่างๆเพื่อหาค่าที่ดีที่สุด จากการทดลองพบว่าจำนวนนิวรอนในชั้นซ่อนเท่ากับ 5 นิวรอน ด้วยอัลกอริทึมการเรียนรู้ Levenberg-Marquardt backpropagation learning เป็นโครงสร้างของโครงข่ายประสาทเทียมที่ดีที่สุด โดยให้ผลการทำนายที่มีค่า R ของค่าประสิทธิผลและสัมประสิทธิ์การถ่ายเทความร้อนรวมเท่ากับ 0.99631 และ 0.98469 ตามลำดับ69 ตามลำดับ
Article Details
รูปแบบการอ้างอิง
[1]
T. Arisariyawong, “การวิเคราะห์สมรรถนะเชิงความร้อนของอุปกรณ์แลกเปลี่ยนความร้อนแบบแผ่นด้วยโครงข่ายประสาทเทียม”, sej, ปี 14, ฉบับที่ 1, น. 1–11, มี.ค. 2019.
ประเภทบทความ
บทความวิจัย
ลิขสิทธิ์เป็นของวารสารวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ
เอกสารอ้างอิง
[1] Shuzhong Wang, Shijun Wang and Yuping Dong, “Dynamic properties modeling and simulation of plate heat exchanger based on MATLAB”, Computer Simulation, vol. 21, no. 10, pp. 44-47, 2004.
[2] B.R. Lamb, “Plate heat exchangers, a low cost route to heat recovery”, J. Heat Recovery Syst, vol. 2, no. 3, pp. 247–255, 1982.
[3] Zhiming Xu, Xiaoqiang Wen, Jiaoli Zheng, Jinsheng Guo and Xing Huang, “Cooling water fouling resistance prediction of plate heat exchanger based on partial least squares regression”, Journal of Engineering Thermophysics, vol. 62, no. 6, pp. 1531-1536, 2011.
[4] Guanmin Zhang, Guanqiu Li, Wei Li, Tao Huang and Yucheng Ren, “Experimental and theoretical investigations about particulate fouling in plate heat exchangers”, Journal of Engineering Thermophysics, vol. 34, no. 9, pp. 1715-1718, 2013.
[5] Ruiyun Zheng, Yongcheng Jiang and Xiumu Fang, “Analysis of relative heat transfer coefficient of plate heat exchangers under variable flow conditions”, Heating Ventilating & Air Conditioning, vol. 40, no. 10, pp. 85-88, 2010.
[6] Jing Zhang, Yu Wen, Li Zhao and Deyu Li, Yi Wang, “Heat transfer and flow analysis and corrugation parameters optimization of the plate heat exchanger based on computational fluid dynamics numerical simulation”, Journal of Mechanical Engineering, vol. 51, no. 12, pp. 137-145, 2015.
[7] Jing Wu, Meng Xia, Li Ye and Dong Han, “A numerical study and thermal resistance analysis of heat transfer enhancement in plate heat exchangers”, Journal of Engineering Thermophysics, vol. 33, no. 11, pp. 1963-1966, 2012.
[8] Y. Wang, S. You, W. Zheng, H. Zhang, X. Zheng and Q. Miao, “State space model and robust control of plate heat exchanger for dynamic performance improvement”, Appl. Therm. Eng, vol. 128, pp. 1588-1604, 2018.
[9] Meizhong Shi, Zhongzheng Wang, Principle and Design of Heat Exchangers, Southeast University Press, 2009.
[10] Jorge A.W.Gut, Renato Fernandes, José M. Pinto and Carmen C. Tadini, “Thermal model validation of plate heat exchangers with generalized configurations”, Chemical Engineering Science, vol. 59, no. 21, pp. 4591-4600, 2004.
[11] Peng Ren, Yusheng Wu, “Optimal design for plate heat exchanger by particle swarm optimization”, Energy Technology, vol. 30, no. 5, pp. 270-272, 2009.
[12] Xie G, Zeng M, Luo LQ, “Heat transfer analysis for shell-and-tube heat exchangers with experimental data by artificial neural network approach”, Appl. Therm. Eng., vol. 27, pp. 1096-1104, 2007.
[13] A. Pacheco-Vega, M. Sen and R.L. McClain, “Analysis of fin tube evaporator performance with limited experimental data using artificial neural networks”, in Proc. ASME Heat Transfer Division, 2000, pp. 95–101.
[14] M. Mishra, P.K. Das, S. Sarangi, “Second law based optimisation of crossflow plate-fin heat exchanger design using genetic algorithm”, Appl. Therm. Eng., vol. 29, pp. 2983–2989, 2009.
[15] Tan CK, Ward J, Wilcox SJ and Payne R, “Artificial neural network modeling of the thermal performance of a compact heat exchanger”, Appl. Therm. Eng., vol. 29, pp. 3609-3617, 2009.
[16] M. Mohanraj, S. Jayaraj, C. Muraleedharan, “Applications of artificial neural networks for thermal analysis of heat exchangers - a review”, Int. J. Therm. Sci., vol. 90, pp. 150-172, 2015.
[17] P. Naphon, T. Arisariyawong, “Heat transfer analysis using artificial neural networks of the spirally fluted tubes”, J. Res. Appl. Mech. Eng., vol. 4, no. 2, pp. 135-147, 2016.
[18] P. Naphon, T. Arisariyawong, T. Nualboonrueng, “Artificial Neural Network Analysis on the Heat Transfer and Friction Factor of the Double Tube with Spring Insert”, International Journal of Applied Engineering Research, vol. 11, no. 5, pp. 3542-3549, 2016.
[19] P. Naphon, S. Wiriyasart, T. Arisariyawong, “Artificial neural network analysis the pulsating Nusselt number and friction factor of TiO2/water nanofluids in the spirally coiled tube with magnetic field”, International Journal of Heat and Mass Transfer, vol. 118, pp. 1152-1159, 2018.
[20] P. Naphon , S. Wiriyasart, T. Arisariyawong, L. Nakharintr, “ANN, numerical and experimental analysis on the jet impingement nanofluids flow and heat transfer characteristics in the micro-channel heat sink”, International Journal of Heat and Mass Transfer, vol. 131, pp. 329-340, 2019.
[21] S. Haykin, “Neural networks, A Comprehensive Foundation”, New Jersey, 1994.
[2] B.R. Lamb, “Plate heat exchangers, a low cost route to heat recovery”, J. Heat Recovery Syst, vol. 2, no. 3, pp. 247–255, 1982.
[3] Zhiming Xu, Xiaoqiang Wen, Jiaoli Zheng, Jinsheng Guo and Xing Huang, “Cooling water fouling resistance prediction of plate heat exchanger based on partial least squares regression”, Journal of Engineering Thermophysics, vol. 62, no. 6, pp. 1531-1536, 2011.
[4] Guanmin Zhang, Guanqiu Li, Wei Li, Tao Huang and Yucheng Ren, “Experimental and theoretical investigations about particulate fouling in plate heat exchangers”, Journal of Engineering Thermophysics, vol. 34, no. 9, pp. 1715-1718, 2013.
[5] Ruiyun Zheng, Yongcheng Jiang and Xiumu Fang, “Analysis of relative heat transfer coefficient of plate heat exchangers under variable flow conditions”, Heating Ventilating & Air Conditioning, vol. 40, no. 10, pp. 85-88, 2010.
[6] Jing Zhang, Yu Wen, Li Zhao and Deyu Li, Yi Wang, “Heat transfer and flow analysis and corrugation parameters optimization of the plate heat exchanger based on computational fluid dynamics numerical simulation”, Journal of Mechanical Engineering, vol. 51, no. 12, pp. 137-145, 2015.
[7] Jing Wu, Meng Xia, Li Ye and Dong Han, “A numerical study and thermal resistance analysis of heat transfer enhancement in plate heat exchangers”, Journal of Engineering Thermophysics, vol. 33, no. 11, pp. 1963-1966, 2012.
[8] Y. Wang, S. You, W. Zheng, H. Zhang, X. Zheng and Q. Miao, “State space model and robust control of plate heat exchanger for dynamic performance improvement”, Appl. Therm. Eng, vol. 128, pp. 1588-1604, 2018.
[9] Meizhong Shi, Zhongzheng Wang, Principle and Design of Heat Exchangers, Southeast University Press, 2009.
[10] Jorge A.W.Gut, Renato Fernandes, José M. Pinto and Carmen C. Tadini, “Thermal model validation of plate heat exchangers with generalized configurations”, Chemical Engineering Science, vol. 59, no. 21, pp. 4591-4600, 2004.
[11] Peng Ren, Yusheng Wu, “Optimal design for plate heat exchanger by particle swarm optimization”, Energy Technology, vol. 30, no. 5, pp. 270-272, 2009.
[12] Xie G, Zeng M, Luo LQ, “Heat transfer analysis for shell-and-tube heat exchangers with experimental data by artificial neural network approach”, Appl. Therm. Eng., vol. 27, pp. 1096-1104, 2007.
[13] A. Pacheco-Vega, M. Sen and R.L. McClain, “Analysis of fin tube evaporator performance with limited experimental data using artificial neural networks”, in Proc. ASME Heat Transfer Division, 2000, pp. 95–101.
[14] M. Mishra, P.K. Das, S. Sarangi, “Second law based optimisation of crossflow plate-fin heat exchanger design using genetic algorithm”, Appl. Therm. Eng., vol. 29, pp. 2983–2989, 2009.
[15] Tan CK, Ward J, Wilcox SJ and Payne R, “Artificial neural network modeling of the thermal performance of a compact heat exchanger”, Appl. Therm. Eng., vol. 29, pp. 3609-3617, 2009.
[16] M. Mohanraj, S. Jayaraj, C. Muraleedharan, “Applications of artificial neural networks for thermal analysis of heat exchangers - a review”, Int. J. Therm. Sci., vol. 90, pp. 150-172, 2015.
[17] P. Naphon, T. Arisariyawong, “Heat transfer analysis using artificial neural networks of the spirally fluted tubes”, J. Res. Appl. Mech. Eng., vol. 4, no. 2, pp. 135-147, 2016.
[18] P. Naphon, T. Arisariyawong, T. Nualboonrueng, “Artificial Neural Network Analysis on the Heat Transfer and Friction Factor of the Double Tube with Spring Insert”, International Journal of Applied Engineering Research, vol. 11, no. 5, pp. 3542-3549, 2016.
[19] P. Naphon, S. Wiriyasart, T. Arisariyawong, “Artificial neural network analysis the pulsating Nusselt number and friction factor of TiO2/water nanofluids in the spirally coiled tube with magnetic field”, International Journal of Heat and Mass Transfer, vol. 118, pp. 1152-1159, 2018.
[20] P. Naphon , S. Wiriyasart, T. Arisariyawong, L. Nakharintr, “ANN, numerical and experimental analysis on the jet impingement nanofluids flow and heat transfer characteristics in the micro-channel heat sink”, International Journal of Heat and Mass Transfer, vol. 131, pp. 329-340, 2019.
[21] S. Haykin, “Neural networks, A Comprehensive Foundation”, New Jersey, 1994.
