فایل ورد کامل افزایش هدایت حرارتی (SiO2-MWCNT (85:15 – نانو سیال های هیبرید EG


در حال بارگذاری
10 جولای 2025
پاورپوینت
17870
3 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل افزایش هدایت حرارتی (SiO2-MWCNT (85:15 – نانو سیال های هیبرید EG،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۰ صفحه


بخشی از ترجمه :

نتیجه گیری
نانوذره SiO2 با قطر میانگین -nm همراه با MWCNT با قطر داخلی و خارجی به ترتیب – nm و – nmبا نسبت های به ترتیب % به % در سیال اتیلن گلیکول پخش شدند و با استفاده از التراسونیک نانوسیال هیبردی یکنواخت و همگن SiO2-MWCNT(85-15)-EG را تشکیل دادند. در ادامه هدایت حرارتی نمونه های %، %، %، %، %، %، % و % کسر حجمی از نانوسیال هیبریدی را در دماهای بین تا اندازه گیری شدند. آنالیز نتایج نشان داد که TCR نانوسیال هیبریدی با افزایش دما و غلظت رابطه مستقیم داشته و زیاد می شود طوری که بیشترین افزایش در TCR مربوط به نمونه ای با غلظت % و در دمای بود که % افزایش نسبت به سیال پایه مشاهده شد. نمودار TCE-concentration-cost برای نانوسیال هیبریدی و نانوسیال حاوی ذرات SiO2 و MWCNT نشان داد که استفاده از نانوسیال هیبریدی بهینه ترین حالت ممکن می باشد. رابطه جدیدی بر حسب دما و غلظت برای TCR نانوسیال هیبریدی پیشنهاد شد که R-squared آن برابر با بود. همچنین شبکه عصبی با الگوریتم feed-forward طراحی شد که R-squared و MSE آن به ترتیب برابر با و e-05 بود. مقایسه این دو روش تخمین داده با داده های آزمایشگاهی نشان میداد مه هر دو روش دارای دقت خوبی برای پیشبینی داده ها هستند اما ANN طراحی شده خطای بسیار کمتری نسبت به خروجی های correlation داشت.

عنوان انگلیسی:

Thermal conductivity enhancement of SiO2–MWCNT (85:15 %)– EG hybrid nanofluids~~en~~

Conclusions

In this study, SiO2 nanoparticles with an average diameter of 20– nm and MWCNT with an internal and external diameter of 2– and 5– nm, respectively, were dispersed in the ethylene glycol fluid with ratios of 85:15 %. Then,uniform and homogeneous hybrid nanofluids, SiO2– MWCNT (85:15)–EG, were formed using ultrasonic device. So the thermal conductivity of the volume fraction of 0.05, 0.08, 0.115, 0.275, 0.65, 0.82, 1.15 and 1.95 % of hybrid nanofluids was measured at temperatures between 30 and 50 C. The results indicated that TCR of hybrid nanofluid increases with increasing temperature and concentration directly. Thus, the greatest increase in thermal conductivity happened at temperature of 50 C and concentration of 1.94 %, which is equivalent to 22.2 %. TCE– concentration–cost graph for hybrid nanofluids and nanofluids containing SiO2 and MWCNT particles showed that use of hybrid nanofluids is the most efficient one. A new correlation based on temperature and concentration for TCR of hybrid nanofluids was proposed and its R2 was equal to 0.9864. Also, feed-forward neural network was designed and its MSE and R2 were 1.2845e-05 and 0.9981, respectively. Comparing these two methods of estimation data with experimental data showed that both methods are accurate for predicting, but ANN has much less error than the correlation outputs.

$$en!!

  راهنمای خرید:
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.