به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

differential evolution algorithm

در نشریات گروه مهندسی شیمی، نفت و پلیمر
تکرار جستجوی کلیدواژه differential evolution algorithm در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه differential evolution algorithm در مقالات مجلات علمی
  • بصیر ملکی، سیامک اشرف طالش*

    با توجه به اهمیت مبدل های حرارتی در واحدهای عملیاتی، در این پژوهش از الگوریتم تکامل تفاضلی (DE) برای بهینه سازی مبدل حرارتی فشرده با هدف کمینه سازی تعداد واحدهای تولید آنتروپی استفاده شده است. تعداد واحدهای تولید آنتروپی کل حرارتی و فشاری در مبدل حرارتی به عنوان تابع هدف و شش متغیر تصمیم گیری شامل طول مبدل، بسامد پره، طول پره، تعداد لایه های عبور جریان در پره آفست، ارتفاع پره و ضخامت پره با مجموعه ای از قیدها، در نظر گرفته شده است .نتایج به دست آمده از بهینه سازی با الگوریتم تکامل تفاضلی، با دو روش الگوریتم ژنتیک (GA) و تجمع ذرات (PSO)، مقایسه و اعتبارسنجی شد. میزان این الگوریتم در کمینه سازی تولید آنتروپی (به میزان 5/1و 6/17درصد در مقایسه با روش تجمع ذرات و الگوریتم ژنتیک) نشان از توانایی بالای روش تکامل تفاضلی برای بهینه سازی مبدل های حرارتی فشرده دارد. همچنین، تاثیر تغییرات مولفه های کنترلی در الگوریتم تکامل تفاضلی بر هم گرایی و نیز میزان بهینه سازی تابع هدف بررسی شده است.

    کلید واژگان: بهینه سازی، الگوریتم تکامل تفاضلی، مبدل حرارتی فشرده، تولید آنتروپی
    B. Maleki, S. S. Ashraf Talesh*

    Considering the importance of heat exchangers in operational units, in this research, the differential evolution (DE) algorithm was used to optimize compact heat exchanger aim to minimize the number of entropy generation units. The number of total entropy generation units of heat and pressure in the compact heat exchanger as an objective function and six decision variables including heat exchanger length, fin frequency, fin length, number of layers of flow on both sides of the offset strip fin, fin height, and fin thickness with a series of restrictions were Investigated. The results obtained from DE optimization were compared and validated by genetic algorithm (GA) and particle swarm optimization (PSO). The level of this algorithm in minimizing entropy generation (by 1.5 and 17.6% compared to the PSO method and GA) revealed high ability of the DE method in optimizing compact heat exchangers. Moreover, the effect of changes in control parameters in the DE algorithm on convergence and the degree of optimization of the objective function was studied

    Keywords: Optimization, Differential Evolution Algorithm, Compact Exchanger, Entropy Generation
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال