文献

J-GLOBAL ID：202202276194400914   整理番号：22A0686713

内部ヘリカルフィン付き管における摩擦係数と熱伝達係数予測への人工ニューラルネットワークの適用【JST・京大機械翻訳】

Artificial neural networks application on friction factor and heat transfer coefficients prediction in tubes with inner helical-finning

著者 (5件)： Skrypnik A.N. (Kazan National Research Technical University named after A. N. Tupolev - KAI, K. Marx, 10, Kazan, 420111, Russia) ,  Shchelchkov A.V. (Kazan National Research Technical University named after A. N. Tupolev - KAI, K. Marx, 10, Kazan, 420111, Russia) ,  Shchelchkov A.V. (Affiliated Branch of the D.I. Mendeleyev Institute for Metrology (VNIIM - VNIIR), 2-ya Azinskaya, 7a, Kazan, 420088, Russia) ,  Gortyshov Yu.F. (Kazan National Research Technical University named after A. N. Tupolev - KAI, K. Marx, 10, Kazan, 420111, Russia) ,  Popov I.A. (Kazan National Research Technical University named after A. N. Tupolev - KAI, K. Marx, 10, Kazan, 420111, Russia)
資料名： Applied Thermal Engineering  (Applied Thermal Engineering)
巻： 206  ページ： Null  発行年： 2022年 
JST資料番号： E0667B  ISSN： 1359-4311  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 内部ヘリカルフィン付き管内の乱流に対する摩擦係数と熱伝達係数を予測するための人工ニューラルネットワークの新しいモデルを提案した。フィン形状は,その形態,形状および製造方法において異なる。他の著者による以前の研究において利用可能な,そのような管における熱性能に関連する一般化方程式は,主に内部ヘリカルフィングの単一のタイプに適用される。本研究では,人工ニューラルネットワーク訓練手順のためにさらに使用された拡張データベースに対する他の著者の実験結果を編集した。人工ニューラルネットワークの提示モデルは,あらゆるタイプの内部螺旋管フィンニングに適用する。全体のデータベース上のANNモデルの摩擦係数の11.8%とNusselt数値の16.3%の平均パーセント誤差値を達成した。得られたモデルの性能検証は,著者らが得た独立した実験結果と予測データの比較に基づき,優れた精度を得た。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *摩擦係数 ,  乱流 ,  データベース ,  *熱伝達率 ,  *フィン ,  *ニューラルネットワーク ,  利用 ,  スパイラル管 ,  Nusselt数 ,  形態 ,  フィン付き管 ,  熱特性 ,  拡大 ,  一般式 ,  伝熱促進

著者キーワード (5件)： 人工ニューラルネットワーク ,  伝熱促進 ,  コルゲートチューブ ,  摩擦因子 ,  一般化相関

分類 (2件)： 熱交換器,冷却器  (PA03020G) ,  対流・放射熱伝達  (PA02030K)

タイトルに関連する用語 (5件)： フィン付き管 ,  摩擦係数 ,  熱伝達係数 ,  予測 ,  人工ニューラルネットワーク