CV


FA
Alireza Aghaei

Alireza Aghaei

Associate Professor

a.aghaei@kashanu.ac.ir

College: Faculty of Mechanical Engineering

Department: Mechanical Engineering

Degree: Ph.D

CV
FA
Alireza Aghaei

Associate Professor Alireza Aghaei

a.aghaei@kashanu.ac.ir
College: Faculty of Mechanical Engineering - Department: Mechanical Engineering Degree: Ph.D |

بررسی رفتار حرارتی- هیدرولیکی و پیش‌بینی پارامترهای عملکردی یک مبدل حرارتی پوسته-لوله حاوی نانوسیال آب-SiO2-MWCNT با کاربرد هوش مصنوعی

Authorsعلیرضا آقایی,حسین خراسانی زاده,سیدمصطفی قندی نامقی,حمیدرضا عظیمی
Conference Titleسی و چهارمین همایش سالانه بین المللی مهندسی مکانیک ایران
Holding Date of Conference2026-07-14 - 2026-07-16
Event Place1 - همدان
Presented byدانشگاه بوعلی سینا
PresentationSPEECH
Conference LevelInternational Conferences
Keywordsمبدل حرارتی, نانوسیال, انتقال حرارت, هوش مصنوعی

Abstract

در این پژوهش، عملکرد حرارتی و هیدرولیکی یک مبدل حرارتی پوسته-لوله با استفاده از نانوسیال هیبریدی نانو لوله کربنی-اکسید سیلیسیوم-آب به ‌صورت عددی مورد بررسی قرار گرفته است. سپس پارامترهای کلیدی با بهره‌گیری از هوش مصنوعی پیش‌بینی شد. شبیه‌سازی سه‌بعدی جریان آشفته در نرم‌افزار ANSYS Fluent انجام شد و اثر عدد رینولدز در بازه 10000 تا 25000 و کسر حجمی نانوذرات در محدوده 0 تا 3 درصد بر عدد ناسلت، ضریب اصطکاک و توان پمپ ارزیابی شد. نتایج نشان داد افزایش عدد رینولدز موجب افزایش قابل توجه انتقال حرارت شده و به‌کارگیری نانوسیال هیبریدی نیز سبب رشد بیشتر عدد ناسلت می‌شود، در حالی‌که افزایش کسر حجمی نانوذرات افت فشار و توان مصرفی پمپ را افزایش می‌دهد. برای پیش‌بینی رفتار سیستم، سه مدل رگرسیون خطی، رگرسیون ریدج و شبکه عصبی مصنوعی مورد استفاده قرار گرفت. ارزیابی مدل‌ها نشان داد شبکه عصبی مصنوعی بهترین عملکرد را در پیش‌بینی عدد ناسلت ارائه می‌دهد، در حالی‌که رگرسیون خطی برای تخمین توان پمپ و برخی پارامترهای عملکردی دقت بالاتری دارد. نتایج این مطالعه می‌تواند در طراحی و بهینه‌سازی مبدل‌های حرارتی پوسته-لوله با نانوسیال‌های هیبریدی و توسعه مدل‌های پیش‌بینی سریع عملکرد کاربرد داشته باشد.