کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7049140 1457156 2014 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Two objective optimization in shell-and-tube heat exchangers using genetic algorithm
ترجمه فارسی عنوان
دو بهینه سازی هدف در مبدل های حرارتی پوسته و لوله با استفاده از الگوریتم ژنتیک
کلمات کلیدی
مبدل حرارتی شل و لوله، دو بهینه سازی هدف، الگوریتم ژنتیک، تحلیل اقتصادی،
ترجمه چکیده
در این تحقیق بهینه سازی مبدلهای حرارتی پوسته و لوله برای دو هدف انجام شده است. این اهداف عبارتند از افزایش سرعت انتقال حرارت و کاهش هزینه کل برای یک مایعات خاص با نرخ جریان جرمی مشخص و دمای ورودی مشخص شده. محدوده های قابل اجرا و استاندارد برای هندسه، دامنه های استاندارد سرعت و حداکثر محدودیت افت فشار در هر دو طرف پوسته و لوله در فرآیند بهینه سازی در نظر گرفته شده است. 11 متغیر بهینه سازی در نظر گرفته شده است. ارتباط بین توابع هدف و متغیرهای بهینه سازی، پیچیدگی های زیادی دارد. الگوریتم ژنتیکی برای تطبیق آماری از توابع هدف استفاده می شود. با یک الگوریتم ژنتیکی، احتمال دست یافتن به یک بهینه محلی بسیار کم است. در این تحقیق برای دو مطالعه نمونه، هر دو افزایش سرعت انتقال حرارت و کاهش هزینه کل نسبت به نتایج موجود به دست آمده است. مقادیر بهینه شده مربوط به متغیرها برای هر مطالعه موردی گزارش شده است. داده های پیشنهاد شده در این مطالعه پیشنهادات عملی برای ساخت مبدل های حرارتی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی جریان سیال و فرایندهای انتقال
پیش نمایش مقاله
دو بهینه سازی هدف در مبدل های حرارتی پوسته و لوله با استفاده از الگوریتم ژنتیک
چکیده انگلیسی
In this research, optimization of shell-and-tube heat exchangers is performed for two objectives. These objectives are an increment in heat transfer rate and a decrement in the total cost for a certain fluids with certain mass flow rates and specified inlet temperatures. Feasible and standard ranges for geometries, standard ranges of velocities and a maximum pressure drop constraint in both shell and tube sides are considered in the optimization process. Eleven optimization variables are considered. The relation between the objective functions and optimization variables has many complexities. A genetic algorithm is used to statistically approach the objective functions. With a genetic algorithm, the probability of getting trapped in a local optimum is very little. In this research for two sample studies, both increase in heat transfer rate and decrease in the total cost relative to available results have been obtained. The corresponding optimized values of variables for each case study have been reported. The data proposed in this study are practical suggestions for the construction of heat exchangers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Thermal Engineering - Volume 69, Issues 1–2, August 2014, Pages 278-285
نویسندگان
, ,