编辑推荐：
在纳米流体传热优化存在空白的背景下，研究人员探究了 Fe3O4和 Gr 纳米颗粒与海藻酸钠基流体在多孔同轴圆盘间的流动。发现较高磁化参数使速度分布减小，Nusselt 数在 88 次迭代时传热效率最高。该研究为智能冷却系统发展提供支持。
在科技飞速发展的今天，电子设备性能不断提升，产生的热量也与日俱增。高效的散热技术成为了保障设备稳定运行的关键。混合纳米流体凭借其出色的传热性能，在电子冷却、汽车散热等众多领域展现出巨大潜力。然而，目前对于纳米流体在特定场景下的传热优化研究还存在诸多空白，比如在通过多孔同轴旋转圆盘时的传热情况。为了填补这一研究空白，来自未知研究机构的研究人员开展了一项极具价值的研究。他们的研究成果发表在《Engineering Applications of Artificial Intelligence》上，为相关领域的发展提供了新的思路和方向。
研究人员采用了多种关键技术方法。首先，利用 Runge - Kutta 4 阶格式（RKF - 45）结合打靶法求解非线性微分方程，以此分析流场特性。同时，运用合适的变换将控制方程转化为无量纲形式，方便后续计算。此外，研究人员构建了人工神经网络（ANN）模型预测传热速率，并与响应面法（RSM）进行对比，通过方差分析（ANOVA）验证模型可靠性。
研究结果
- 流场特性分析：研究考虑了 Fe3O4和 Gr 纳米颗粒与海藻酸钠基流体通过多孔同轴圆盘的流动，探究辐射和低振荡磁场的影响。研究设定了无量纲变量的取值范围进行数值计算，分析相关因素对流场的影响。
- ANN 模型预测传热速率：创建 ANN 模型预测以 Nusselt 数表示的传热速率。研究采用基于 ANN 的数据分析方法，将 600 个 Nusselt 数数值分为 70% 用于训练、15% 用于测试、15% 用于验证。通过探索隐藏层中不同的神经元数量来提升模型性能，该模型处理 6 个输入，经 10 个隐藏神经元产生 1 个输出。
- RSM 优化预测模型：RSM 依靠一系列数学和统计方法开发更有效的预测模型，并分析对各种定义因素的响应。研究应用 RSM 针对 Nusselt 数（Nu）的响应，以及纳米颗粒体积分数（?）、辐射（Rd）和有效磁化参数（α）等因素进行优化。
研究结论与讨论
本研究深入探讨了平行圆盘间孔隙率、热源 / 热汇、辐射以及对流边界条件对混合纳米流体流动的影响。通过适当变换将控制方程转化为常微分方程，再利用打靶法和 RKF - 45 方法进行数值计算。利用 ANN 预测传热速率，并与 RSM 对比，经 ANOVA 验证模型有效性。研究结果表明，较高的磁化参数会使速度分布减小，而较大的雷诺数则会导致速度增加。Nusselt 数在 88 次迭代时达到最有效的传热速率，梯度为 9.9805×10?8 。
这项研究具有重要意义。它不仅丰富了混合纳米流体在复杂流场中传热特性的理论知识，而且为实际应用提供了有力的支持。在电子设备散热、能源利用等领域，该研究成果有助于设计更高效的散热系统，提升能源利用效率，推动相关产业的技术升级。同时，ANN 和 RSM 等方法的应用，也为后续研究提供了新的思路和工具，促进了相关领域的进一步发展。
