Farklı Genliğe Sahip Şerit Elemanların Isı Transferine Etkilerinin Yapay Sinir Ağı Tabanlı Bulanık Mantık Modelleme Yaklaşımı ile İncelenmesi

Yıl 2024, Cilt: 6 Sayı: 3

Aziz Hakan Altun , Mustafa Tınkır , Mehmet Gürdal , Adnan Berber , Haşmet Çağrı Sezgen , Erdi Gülbahçe

Öz

Bu çalışmada, türbülanslı akışta boru içerisine cidardan ayrık olarak yerleştirilen 3D/4 genişliğe sahip sinüzoidal ondüle şerit elemanların, farklı Reynolds sayılarında, sürtünme ve ısıl performans katsayılarında ve D/8, D/4, 3D/16 olmak üzere 3 farklı genlikte ısı transferine etkilerinin deneysel sonuçları kullanılarak, yapay sinir ağı tabanlı bulanık mantık (YSATBM) yaklaşımı ile aynı girdilerin ve çıktıların modellemesi gerçekleştirilmiştir. Deneysel ısı transferinde elde edilen minimum ve maksimum Nusselt sayılarının oluşturulan iki ayrı YSATBM yaklaşımı ile tahmin edilmesi sağlanmıştır. Elde edilen simülasyon sonuçları deneysel sonuçlar ile karşılaştırılmış ve min. Nusselt sayılarının tahmininde ortalama %0.1378, maks. Nusselt sayılarının tahmininde ise %0.0141 hata değerleri elde edilmiştir.

Anahtar Kelimeler

Türbülanslı akış, Isı transferi, Reynolds sayısı, Nusselt sayısı, Yapay sinir ağı tabanlı bulanık mantık model

Investigation the Effects of Strip Elements using Different Amplitudes on Heat Transfer with an Artificial Neural Network Based Fuzzy Logic Modeling Approach

Öz

In this study, the effects of sinusoidal decoupled strip elements with 3D/4 width, placed separately from the wall in the pipe in turbulent flow, the same inputs and outputs are modeled with the artificial neural network-based fuzzy logic (ANNBFL) approach using experimental results of different Reynolds numbers, friction and thermal performance coefficients and 3 different amplitudes D/8, D/4, 3D/16 effects on heat transfer. The minimum and maximum Nusselt numbers obtained in the experimental heat transfer are estimated with two separate ANNBFL approaches. The obtained simulation results are compared with the experimental results and min. average 0.1378% in estimating Nusselt numbers, max. average error value of 0.0141% are obtained in estimating Nusselt numbers.

Anahtar Kelimeler

Turbulent flow, Heat transfer, Reynolds number, Nusselt number, Artificial neural network based fuzzy logic model

Kaynakça

• E.M. Sparrow, K.K. Koram and M. Charmchi, Heat transfer and pressure drop characteristics ınduced by a slat blockage in a circular tube, Journal of Heat and Mass Transfer. 102(1) (1980), 64-70. doi:10.1115/1.3244250
• E.M. Sparrow, A. Chaboki, Swirl-Affected turbulent fluid flow and heat transfer in a circular tube, Journal of Heat and Mass Transfer. 106(4) (1984), 766-773. doi:10.1115/1.3246750
• M. Gürdal, Borularda Türbülanslı Akışta Sinüsoidal Ondüleli Şerit Elemanların Isı Transferi ve Akış Karakteristiklerine Etkileri, Yüksek Lisans tezi, Necmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsü, Makine Mühendisliği Anabilim Dalı, Konya, 2017
• R. Sethumadhavan, M.R. Rao, Turbulent Flow Heat Transfer and Fluid Friction in Helical-Wire-Coil-Inserted Tubes, International Journal of Heat and Mass Transfer, 26(12) (1983), 1833-1845. doi:10.1016/S0017-9310(83)80154-9
• S.S. Hsieh, L.C. Chang, T.Y. Yang, Devoloping 3-D Turbulent mixed convection in a circular duct inserted with longitudinal strips, International Journal of Engineering Science. 39 (2000), 1327-1350. doi:10.1016/S0020-7225(00)00088-4
• S. Eiamsa-ard, P. Promvonge, Experimental investigation of heat transfer and friction characteristics in a circular tube fitted with V-nozzle turbulators, International Communications in Heat and Mass Transfer. 33 (2006), 591–600. doi:10.1016/j.icheatmasstransfer
• A. Tandiroglu, Effect of flow geometry parameters on transient heat transfer for turbulent flow in a circular tube with baffle inserts, International Journal of Heat and Mass Transfer. 49 (2006), 1559–1567. doi:10.1016/j.ijheatmasstransfer
• S. Eiamsa-ard, P. Promvonge, Heat transfer and turbulent flow friction in a circular tube fitted with conical-nozzle turbulators, International Communications in Heat and Mass Transfer. 34 (2007), 72–82. doi:10.1016/j.icheatmasstransfer
• A.R. Anvari, R. Lotfi, A.M. Rashidi, S. Sattari, Experimental Research On Heat Transfer Of Water in Tubes With Conical Ring İnserts in Transient Regime, International Communications in Heat and Mass Transfer. 38 (2011), 668–671. doi:10.1016/j.icheatmasstransfer
• A. Fan, J. Deng, J. Guo, W. Liu, A numerical study on thermo-hydraulic characteristics of turbulent flow in a circular tube fitted with conical strip inserts, Applied Thermal Engineering. 31 (2011), 2819-2828. doi:10.1016/j.applthermaleng
• A.H. Altun, M. Gürdal, A. Berber, The Effects of Different Amplitude Sinusoidal Corrugated Strip Elements on Heat Transfer in Pipes, 1st International Conference on Energy Systems Engineering Karabuk, Turkey, (2017), 460-465.
• A. Pektaş, O. İnan, Ağaç tohum algoritmasının kümeleme problemlerine uygulanması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 4(1) (2022), 1-10. doi:10.47112/neufmbd.2022.8
• M. Karakoyun, A. Özkış, transfer fonksiyonları kullanarak ikili güve-alev optimizasyonu algoritmalarının geliştirilmesi ve performanslarının karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 3(2) (2021), 1-10. doi:10.47112/neufmbd.2021.7
• N. Akgüneş, B. Aydın, Harary Index for an Algebraic Graph, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 5(1) (2023), 9-13. doi:10.47112/neufmbd.2023.5
• M. Hacıbeyoglu, M. Çelik, Ç.Ö. Erdaş, K en yakın komşu algoritması ile binalarda enerji verimliliği tahmini, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5(2) (2023), 28-37. doi:10.47112/neufmbd.2023.10
• M. Erişoğlu, N. Yaman, Ridge tahminine dayalı kantil regresyon analizinde yanlılık parametresi tahminlerinin performanslarının karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 1(2) (2019), 103-111.
• S. Ata, M.E. Boyacıoğlu, R. Şahin, A. Kahraman, ORÇ ile düşük sıcaklıklı ısı kaynaklarından elektrik üretilmesinde ıslak ve yeni nesil akışkanların çevresel ve termodinamik performanslarının karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 3(1) (2021), 13-23. doi:10.47112/neufmbd.2021.6
• K. Erentürk, MATLAB-based GUIs for fuzzy logic controller design and applications to PMDC motor and AVR control, Computer Applications in Engineering Education. 13 (2005), 10-25. doi:10.1002/cae.20026
• S.C. Chi, J.Y. Teng, A Fuzzy Q-Analysis taguchi method for parameter design with multiple quality characteristics, Experimental Techniques. 32 (2008), 36-45. doi:10.1111/j.1747-1567.2007.00185.x
• P. Ray, B.J. Mac Donald, Determination of the optimal load path for tube hydroforming processes using a fuzzy load control algorithm and finite element analysis, Finite Elements in Analysis and Design. 41 (2004), 173–192. doi:10.1016/j.finel.2004.03.005
• M. Tınkır, Ü. Önen, M. Kalyoncu, Modeling of Neuro-Fuzzy Control of A Flexible Link, Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering, 224(5) (2010), 529–543. doi:10.1243/09596518JSCE785
• F.B. Liu, A fuzzy approach to the convective longitudinal fin array design, International Journal of Thermal Sciences. 44 (2005), 211-217. doi:10.1016/j.ijthermalsci.2004.08.004
• M. Kastrevc, R. Pusenjak, Fuzzy Pressure Control of Hydraulic System with Gear Pump Driven by Variable Speed Induction ElectroMotor, Experimental Techniques, 29 (2005), 57-62.
• A. Haşıloğlu, M. Yılmaz, Ö. Çomaklı, İ. Ekmekci, Adaptive neuro-fuzzy modeling of transient heat transfer in circular duct air flow, International Journal of Thermal Sciences. 43 (2004), 1075–1090. doi:10.1016/j.ijthermalsci.2004.01.010
• K. Güney, S.S. Gültekin, Artificial neural networks for resonant frequency calculation of rectangular microstrip antennas with thin and thick substrates, International Journal of Infrared and Millimeter Waves. 25 (2004), 9-20. doi:10.1023/B:IJIM.0000045146.70836.ee
• S.K. Jain, P.C. Nayak, K.P. Sudheer, Models for estimating evapotranspiration using artificial neural networks, and their physical interpretation, Hydrological Processes. 22 (2008), 2225-223. doi:10.1002/hyp.6819
• D.D. Massie, P.S. Curtiss, Neural-network fundamentals for scientists and engineers, ECOS’0l, Istanbul, Turkey, (2001), 4-6.
• A. Parlak, Y. İslamoglu, H. Yaşar, A. Eğrisöğüt, Application of artificial neural network to predict specific fuel consumption and exhaust temperature for a diesel engine, Applied Thermal Engineering. 26 (2006), 824-828. doi:10.1016/j.applthermaleng.2005.10.006
• P. Naphon, T. Arisariyawong, S. Wiriyasart, A. Srichat, ANFIS for analysis friction factor and Nusselt number of pulsating nanofluids flow in the fluted tube under magnetic field, Case Studies in Thermal Engineering. 18 (2020), 100605. doi:10.1016/j.csite.2020.100605
• M. Esfandyari, A. A. Delouei, A. Jalai, Optimization of ultrasonic-excited double-pipe heat exchanger with machine learning and PSO, International Communications in Heat and Mass Transfer. 147 (2023), 106985. doi:10.1016/j.icheatmasstransfer.2023.106985
• R. Beigzadeh, S. Eiamsa-ard, Fuzzy logic to thermal and friction characteristics of turbulent air-flow over diamond-shaped turbulators, International Communications in Heat and Mass Transfer. 120 (2021), 105001. doi:10.1016/j.icheatmasstransfer.2020.105001
• M. S. V. Krishna, K. M. S. Begum, N. Anantharaman, Hydrodynamic studies in fluidized bed with internals and modeling using ANN and ANFIS, Powder Technology. 307 (2017), 37-45. doi:10.1016/j.powtec.2016.11.012