Thermal conductivity modeling of MgO/EG nanofluids using experimental data and artificial neural network

บทความในวารสาร

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Hemmat Esfe M., Saedodin S., Bahiraei M., Toghraie D., Mahian O., Wongwises S.

ผู้เผยแพร่: Springer Verlag (Germany) / Akadémiai Kiadó

ปีที่เผยแพร่ (ค.ศ.): 2014

วารสาร: Journal of Thermal Analysis and Calorimetry (1388-6150)

Volume number: 118

Issue number: 1

หน้าแรก: 287

หน้าสุดท้าย: 294

จำนวนหน้า: 8

นอก: 1388-6150

eISSN: 1588-2926

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84907380242&doi=10.1007%2fs10973-014-4002-1&partnerID=40&md5=c88fd237c0f0053d51c03a7a1e7e7066

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

The application of nanofluids in energy systems is developing day by day. Before using a nanofluid in an energy system, it is necessary to measure the properties of nanofluids. In this paper, first the results of experiments on the thermal conductivity of MgO/ethylene glycol (EG) nanofluids in a temperature range of 25-55 ฐC and volume concentrations up to 5 % are presented. Different sizes of MgO nanoparticles are selected to disperse in EG, including 20, 40, 50, and 60 nm. Based on the results, an empirical correlation is presented as a function of temperature, volume fraction, and nanoparticle size. Next, the model of thermal conductivity enhancement in terms of volume fraction, particle size, and temperature was developed via neural network based on the measured data. It is observed that neural network can be used as a powerful tool to predict the thermal conductivity of nanofluids. ฉ 2014 Akad้miai Kiad๓, Budapest, Hungary.

คำสำคัญ

Nanofluids, Particle size, Thermal Conductivity