کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7060613 1458690 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Probabilistic modeling of coupled heat transfer: A step towards optimization based on multiphysics Monte Carlo simulations
ترجمه فارسی عنوان
مدل سازی احتمالی انتقال حرارت همراه: یک قدم به سوی بهینه سازی بر اساس چند فیزیک شبیه سازی مونت کارلو
کلمات کلیدی
انتقال گرما، جفت، خود سازگار، چند فیزیک، روش مونت کارلو،
ترجمه چکیده
این مقاله یک چارچوب مدولار ارائه می دهد که امکان ساخت مدل های احتمالاتی از مشکلات انتقال حرارت همراه در سیستم های پیچیده را فراهم می کند. ابتدا یک رویکرد ساختار سازمانی برای رسم کردن مشکل استفاده شده است. این فرایند برای اتصال به زیر مدل های فیزیکی، در دمای مورد نظر ما و شدت شعاعی امکان پذیر است. هر مدل فیزیکی با توجه به قانون حفاظت در داخل دامنه (جامد و مایع) و قوانین پیوستگی در رابط ها ایجاد شده است. سپس، این مدل ها از نقطه نظر قطعی به یک احتمال احتمالی بازنویسی شده اند. این الگوریتم بازگشتی مونت کارلو را قادر می سازد تا مقادیر مورد نظر را برآورد کند. پس از مرحله اعتبارسنجی، در برابر موارد علمی، این چارچوب به نمونه هایی تقلید کننده انتقال حرارت در ساختمان ها اعمال می شود. این رویکرد، یکی از مهمترین مفاهیم سودمند برای بهینه سازی سیستم های پیچیده است: تنها بخش های تأثیرگذار از این مشکل بر روی زمان محاسبات اثر می گذارند. این مناطق به صورت خود سازگار به صورت خودکار شناسایی می شوند، حتی در هندسه های پیچیده و گسترده.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی جریان سیال و فرایندهای انتقال
پیش نمایش مقاله
مدل سازی احتمالی انتقال حرارت همراه: یک قدم به سوی بهینه سازی بر اساس چند فیزیک شبیه سازی مونت کارلو
چکیده انگلیسی
This article presents a modular framework allowing to construct probabilistic models of coupled heat transfer problems in complex systems. First, a substructuring approach has been applied to formalize the problem. This process allowed for the coupling of physical field submodels, in our case temperature and radiative intensity. Each physical model was established according to the conservation law inside of its domain (solid and fluid) and the continuity laws at interfaces. Then, these models have been rewritten from the deterministic point of view to a probabilistic one. This enables a recursive Monte Carlo algorithm to estimate the desired values. After a validation stage, against academic cases, this framework is applied to examples emulating heat transfer in buildings. This approach presents a major beneficial behavior for complex systems optimization: only the influential parts of the problem have an effect on the computational time. These regions are automatically identified in a self-adaptive way, even in intricate or extensive geometries.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Thermal Sciences - Volume 132, October 2018, Pages 387-397
نویسندگان
, , , ,