بهینه سازی مبدل حرارتی پوسته لوله‌ای به کمک الگوریتم ژنتیک و ازدحام ذرات

نوع مقاله: مقاله مستقل

نویسندگان

1 دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، ایران

2 دانشیار دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، ایران

3 استادیار دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، ایران

چکیده

انتقال حرارت و هزینه دو پـارامتر مهـم در طراحی مبدل‌ها بشمار می‌روند. از طرفی، در اغلب مسائل مهندسی، اهداف مورد نظر برای بهینه سازی در تعارض با یکـدیگر هسـتند. بطوریکـه بـا بهبـود یـک هدف، هدف دیگر بسمت نا مطلوب پیش می‌رود، این مسئله در ایـن نوع از مبادله کن گرما نیـز وجـود دارد بطوریکـه بـا افـزایش انتقـال حرارت (مطلوب)، سطح حرارت، هزینه و افت فشار نیـز بـالا مـی رود. بنابراین بجای یک جواب دسته‌ای از جـواب‌هـا وجـود دارنـد. در ایـن پژوهش ابتدا مدل حرارتی مبدل از روش انتقال حرارت تخمین زده شده و برای محاسبه میزان انتقال حرارت و افت فشار از روش بل دلاوره اســتفاده شــده اســت. بســیاری از روش‌هــای بهینــه ســازی معمول، برای یافتن این جواب‌ها کارآمد نمی‌باشند. این پژوهش روشـی کارآمد براساس الگوریتم گروهی دسته ذرات و ژنتیک برمبنـای توابـع چنـد هدفه برای بهینه سازی این نوع از مبدل هـا ارائـه می‌دهـد. بعلاوه در کمینه سازی توسط دو الگوریتم، دو حالت آرایش لوله‌ها در مبدل بررسی شد، هم آرایش مربعی و هم مثلثی، که در پایان نتایج بدست آمده از دو الگوریتم به ازای حالت‌های مختلف با یکدیگر و همچنین با نتایج سایر پژوهش‌های صورت گرفته مورد مقایسه قرار گرفته است.

کلیدواژه‌ها


[1] Mohanty DK (2016) Gravitational search algorithm for economic optimization design of a shell and tube heat exchanger. Appl Therm Eng 107: 184-193.

[2] de Vasconcelos Segundo EH, Amoroso AL, Mariani VC, dos S Coelho L (2017) Economic optimization design for shell-and-tube heat exchangers by a Tsallis differential evolution. Appl Therm Eng 111: 143-151.

[3] Pant M, Deep K, Nagar A, Bansal JC (2014)  Proceedings of the third international conference on soft computing for problem solving: Socpros 2013, volume 2. Adv Intell Syst Comput 259.

[4] Kundu B (2015) Beneficial design of unbaffled shell-and-tube heat exchangers for attachment of longitudinal fins with trapezoidal profile. Case Stud Therm Eng 5: 104-112.

[5] Wen J, Yang H, Jian G, Tong X, Li K, Wang S (2016) Energy and cost optimization of shell and tube heat exchanger with helical baffles using Kriging metamodel based on MOGA. Int J Heat Mass Transf 98: 29-39.

[6] Wang K, Tu XC, Bae CH, Kim HB (2015)  Optimal design of porous baffle to improve the flow distribution in the tube-side inlet of a shell and tube heat exchanger. Int J Heat Mass Transf 80: 865-872.

[7] Sadighi Dizaji H, Jafarmadar S, Asaadi S (2017)  Experimental exergy analysis for shell and tube heat exchanger made of corrugated shell and corrugated tube. Exp Therm Fluid Sci 81: 475-481.

[8] Vahdat Azad A, Vahdat Azad N (2016) Application of nanofluids for the optimal design of shell and tube heat exchangers using genetic algorithm. Case Stud Therm Eng 8: 198-206.

[9] Mohanty DK (2016) Application of firefly algorithm for design optimization of a shell and tube heat exchanger from economic point of view. Int J Therm Sci 102; 228-238.

[10] Hadidi A, Nazari A (2013) Design and economic optimization of shell-and-tube heat exchangers using biogeography-based (BBO) algorithm. Appl Therm Eng 51(1-2): 1263-1272.

[11] Fettaka S, Thibault J, Gupta Y (2013) Design of shell-and-tube heat exchangers using multiobjective optimization. Int J Heat Mass Transf 60: 343-354.

[12] Walraven D, Laenen B, William D (2014) Optimum configuration of shell-and-tube heat exchangers for the use in low-temperature organic Rankine cycles. Energy Convers Manag 83: 177-187.

[13] Amini M, Bazargan M (2013) Two Objective Optimization in Shell-and-Tube Heat Exchangers Using Genetic Algorithm. Appl Therm Eng 69: 278-285.

[14] Ghanei A, Assareh E, Biglari M, Ghanbarzadeh A, Noghrehabadi AR (2014) Thermal-economic multi-objective optimization of shell and tube heat exchanger using particle swarm optimization (PSO). Appl Therm Eng 50(10): 1375-1384.

[15] Thulukkanam K (2013) heat exchanger design handbook. 2nd edn.

[16] Erkaya S, Uzmay I (2007) A neural–genetic (NN–GA) approach for optimizing mechanisms having joints with clearance. Multibody Syst Dyn. DOI: 10.1007/s11044-008-9106-6.

[17] Singiresu S Rao (2013) Engineering optimization theory and practice. 4th edn. John Wiley & Sons.

[18] Parsopoulos KE, Vrahatis MN (2015) Particle swarm optimization and intelligence: Advances and applications. InformatIon scIence reference, ISBN 978-1-61520-666-7 (hardcover) -- ISBN 978-1-61520-667-4 (ebook) 1.

[19] Tharakeshwar TK, Seetharamu KN, Durga Prasad B (2016) Multi-objective optimization using bat algorithm for shell and tube heat exchangers. Appl Therm Eng 110: 1029-1038.

[20] Yang J, Fan A, Liu W, Jacobi AM (2014) Optimization of shell-and-tube heat exchangers conforming to TEMA standards with designs motivated by constructal theory. Energy Convers Manag 468-476.