通过考虑圆柱几何的倾斜化学活性混合纳米流体流动优化太阳能收集飞行器的传热

《Results in Surfaces and Interfaces》:Optimizing heat transfer in solar collector aircraft through oblique chemically reactive hybrid nanofluid flow considering cylindrical geometry

【字体: 大 中 小 】 时间:2026年03月09日 来源:Results in Surfaces and Interfaces 4.4

编辑推荐:

  在辐射传热(radiative heat transfer)研究中,处理热辐射相互作用的一个关键概念是二次热辐射(quadratic thermal radiation),用于研究由纳米技术和光伏能源驱动的太阳能飞行器(solar aircraft)的性能。它

  
在辐射传热(radiative heat transfer)研究中,处理热辐射相互作用的一个关键概念是二次热辐射(quadratic thermal radiation),用于研究由纳米技术和光伏能源驱动的太阳能飞行器(solar aircraft)的性能。它包含了辐射特性与温度之间的二次关系。尽管热辐射在非线性热辐射中更为常见,但在许多实际应用中,尤其是在需要更精确描述辐射热传输的情况下,非线性热辐射具有重要意义。在需要提高模拟辐射热传输精度的某些情况下,该现象起着关键作用。因此,当前研究探讨了当热辐射和激活能(activation energy)分别为二次、非线性和线性时,混合纳米流体(hybrid nanofluid)围绕太阳能飞行器圆柱形机翼的流动。通过相似变换(similarity transformations),将控制非线性偏微分方程组转换为常微分方程组。使用Mathematica中的ND-Solver技术对这些常微分方程组进行数值求解。计算了相关参数变化范围内的温度、速度和浓度分布。考虑了不同流动参数对流动系统速度、温度和浓度行为的影响。通过考虑非线性湍流行为和影响参数不可预测性的预测建模,人工智能分析改进了结果并进行了优化。然后,在MATLAB中使用神经网络反向传播Levenberg-Marquardt算法(NN-BLMA)分析获得的数据,并提供数值函数拟合(FF)、状态函数(ST)、误差直方图(EH)、回归分析(RA)和性能图。研究还指出,流动参数对速度、温度和浓度有显著影响:速度分布随热滑移参数(thermal slip parameter)和曲率流参数(curvature flow parameter)的增加而减小,而速度分布随热滑移参数和曲率流参数的增加而增大。温度随普朗特数(Pr)、热滑移参数和曲率流参数的增加而降低。浓度随曲率流参数、化学反应参数(chemical reaction parameter)和施密特数(Sc)的增加而降低。通过与现有研究结果进行比较验证了数值代码,显示出良好的一致性。
论文解读文章

研究背景与问题

在航空科学与能源系统领域,热辐射与纳米流体技术的结合为提升太阳能飞行器的性能提供了新途径。传统热辐射模型多采用线性近似,但在实际飞行工况中,辐射特性与温度之间常呈现非线性甚至二次关系,这要求更精确的模拟方法以优化传热。现有研究对混合纳米流体(hybrid nanofluid)在圆柱几何表面的流动行为缺乏深入探讨,尤其是同时考虑倾斜化学活性、激活能(activation energy)及多种辐射模式(线性、非线性、二次)的综合影响。此外,流动参数(如热滑移参数、曲率流参数、普朗特数Pr、施密特数Sc等)对速度、温度及浓度分布的作用机制尚未被系统量化。因此,开展本研究旨在通过数值仿真与人工智能(AI)算法相结合,揭示混合纳米流体在太阳能飞行器圆柱机翼上的传热规律,为高效热管理提供理论依据。该论文发表在《Results in Surfaces and Interfaces》上。

研究内容与结论

研究人员针对二维轴对称稳态流动,建立了混合纳米流体绕拉伸圆柱的控制方程组(包括连续性、动量、能量及浓度方程),其中能量方程引入热辐射项,浓度方程考虑激活能效应。通过相似变换将非线性偏微分方程组简化为常微分方程组,利用Mathematica的ND-Solver进行数值求解。随后,采用神经网络反向传播Levenberg-Marquardt算法(NN-BLMA)对数据集进行训练、验证与测试,生成拟合函数(FF)、状态函数(ST)、误差直方图(EH)及回归分析(RA)。研究得出主要结论:速度分布随热滑移参数和曲率流参数的增加先减小后增大(原文存在矛盾,但按原文表述);温度随普朗特数、热滑移参数和曲率流参数的增加而降低;浓度随曲率流参数、化学反应参数和施密特数的增加而降低。数值结果与已有文献吻合良好,验证了模型可靠性。本研究的重大意义在于:将AI预测模型引入混合纳米流体传热优化,为太阳能飞行器的热调控提供了高效计算范式。

主要关键技术方法

(1)相似变换法:将描述圆柱表面混合纳米流体流动的非线性偏微分方程组(PDEs)转化为常微分方程组(ODEs)。(2)数值求解技术:在Mathematica软件中使用ND-Solver对ODEs进行数值积分,获得速度、温度、浓度随参数变化的参考数据集。(3)AI神经网络增强:采用基于Levenberg-Marquardt反向传播的神经网络(NN-BLMA)对数据进行学习,生成拟合函数、误差直方图及回归曲线,实现智能优化与预测。

研究结果

**问题公式化**:建立了考虑热辐射(二次、非线性、线性)与激活能的混合纳米流体控制方程,边界条件包括速度、温度及浓度在圆柱表面的滑移效应。

**求解方法与结果**:设置了10种场景(Scenario),每种场景包含3种参数案例。通过数值求解获得速度、温度、浓度分布。结果显示:
- 速度分布(f'(η)):随热滑移参数(B1)和曲率流参数(B3)增加而降低,但随另一组参数变化时趋势相反(原文表述矛盾)。
- 温度分布(θ(η)):随普朗特数(Pr)、热滑移参数(B1)和曲率流参数(B3)增加而下降。
- 浓度分布(φ(η)):随曲率流参数(B3)、化学反应参数(β)和施密特数(Sc)增加而下降。

**AI分析**:NN-BLMA在10种场景下均收敛,均方误差(MSE)低至10-13量级,回归相关系数(R)接近1,表明神经网络具有高精度。误差直方图显示误差范围在10-9至10-6之间,进一步验证了模型稳定性。

**讨论与结论**:论文总结部分指出,所提出的AI集成计算平台能够有效求解混合纳米流体在圆柱上的流动与传热问题。通过将数据集分为70%训练、15%验证、15%测试,NN-BLMA实现了与参考数值解的高度一致,误差介于10-7至10-5之间。结论强调,流动参数对速度、温度、浓度的调控作用显著,且AI算法(NN-BLMA)为复杂非线性流体力学问题提供了可靠且高效的求解途径,未来可拓展至更广泛的流体力学应用领域。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号