این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۵۱، شماره ۳، صفحات ۵۰۱-۵۱۴
عنوان فارسی پیش بینی تغییرات حرارتی مخزن ذخیره کننده سیال یک خشک‌کن خورشیدی با استفاده از شبکه عصبی مصنوعی و روش دینامیک سیالات محاسباتی
چکیده فارسی مقاله در این تحقیق برای افزایش عملکرد جمع کننده خورشیدی سهموی از مواد تغییرفاز دهنده PCM درون مخزن ذخیره کننده سیال استفاده شد. تاثیر میزان جریان سیال در سه سطح 1، 5/2 و 5 لیتر بر دقیقه و جرم PCM در دو سطح 5/1 و 2/3 کیلوگرم بر دمای خروجی، بازده جمع کننده و بازده مخزن با استفاده روش آزمایشگاهی و CFD و ANN ارزیابی و با هم مقایسه شد. میزان بازده خشک کردن از 11/21 تا 20/25 درصد و جمع کننده از 9/62 تا 03/64 تغییر نمود. میزان خطای به دست آمده از بازده جمع کننده از روش CFD و ANN به ترتیب از 31/5 تا 4/7 درصد و 22/1 تا 84/3 درصد متغیر بود. با توجه به داده­های آماری و مدت زمان صرف شده مشخص شد که روش ANN نسبت به روش CFD با دقت بیشتر و زمان صرف شده کمتر می­تواند برای پیش­بینی رفتار حرارتی سامانه استفاده شود.
کلیدواژه‌های فارسی مقاله بازده حرارتی،خشک‌‌کن خورشیدی،دینامیک سیالات محاسباتی،شبکه عصبی مصنوعی،شدت تابش خورشیدی،
عنوان انگلیسی Predicting the Thermal Changes of a Fluid Storage Tank of a Solar Dryer Using Artificial Neural Network and Computational Fluid Dynamics Method
چکیده انگلیسی مقاله In this research, to increase the performance of parabolic solar collector, PCM phase change materials were used inside the fluid storage tank. The effect of fluid flow rate at three levels of 1, 2.5 and 5 l/min and PCM mass at two levels of 1.5 and 3.2 kg on output temperature and thermal efficiency of the collector and tank efficiency using experimental methods and CFD and ANN were evaluated and compared. Drying efficiency changed from 21.11 to 25.20% and collector from 62.9 to 64.03. The collector efficiency error of CFD and ANN methods varied from 5.31 to 7.4% and 1.22 to 3.84%, respectively. According to the statistical data and the time spent, it was found that the ANN method can be used to predict the thermal behavior of the system more accurately and less time than the CFD method.
کلیدواژه‌های انگلیسی مقاله بازده حرارتی,خشک‌‌کن خورشیدی,دینامیک سیالات محاسباتی,شبکه عصبی مصنوعی,شدت تابش خورشیدی
نویسندگان مقاله هادی صمیمی اخیجهانی |
استادیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران

ذکریا علیمحمدی |
دانشجوی کارشناسی ارشد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_78871_291176e9320e3d738258cd05bdeb8519.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات