اصغر علیزاده داخل - دانشجوی دکتری مهندسی شیمی
حسن میرشاهی - دانشجوی کارشناسی ارشد مهندسی شیمی
سیدعلی شاهرخی - دانشجوی کارشناسی ارشد مهندسی شیمی
مسعود رحیمی - دانشیار مهندسی شیمی

در این تحقیق عملکرد یک ترموسیفون استوانه ای به صورت آزمایشگاهی و عددی با استفاده از شبکه عصبی مصنوعی (ANN) مورد مطالعه قرار گرفته است. بازده و پروفایل دمای قسمت های مختلف ترموسیفون در بارهای حرارتی مختلف اعمال شده به تبخیر کننده و چگالنده ناپذیر ، یک لوله به انتهای بالایی چگالنده و نیز نسبت های مختلف پرشدن مورد بررسی قرار گرفت . همچنین برای کاهش اثر گازهای چگالش ناپذیر ، یک لوله به انتهای بالایی چگالنده اضافه گردیدو اثر افزایش این حجم اضافی و اندازه آن بر بازده ترموسیفون و پروفایل دما در آن مورد بررسی قرار گرفت . یک شبکه عصبی مصنوعی با چهار ورودی (نسبت پرشدن ، بار حرارتی تبخیر کننده ، بار حرارتی چگالنده ، و طول لوله اضافی بالای چگالنده ) و دو خروجی مستقل ( بازده و فشار عملیاتی داخل ترموسیفون ) و یک شبکه دیگر با همان ورودی ها و دروازه خروجی برای مدل سازی پروفایل دما در ترموسیفون طراحی گردید. از الگوریتم Levenberg-Marquardt برای آموزش شبکه ها استفاده گردید . مقادیر متوسط مربع خطا (MSE) و ضریب رگراسیون بدست آمده برای داده های آموزش و ارزیابی نشان داد که شبکه های عصبی طراحی شده به نحو بسیار مطلوبی آموزش دیده اند و به خوبی قادر به پیش بینی خروجی برای داده های جدید می باشند. همچنین افزودن یک فضای اضافی به بالای قسمت چگالش بازده ترموسیفون را به طور موثری افزایش می دهد.

مدلسازی ، شبکه عصبی مصنوعی ، ترموسیفون ، بازده