基于人工神经网络的粘塑性流体在含金属多孔块波纹通道内的热工水力特性预测

本期推荐：研究人员针对粘塑性流体在含金属多孔块波纹通道中的热传递特性开展创新研究，通过建立人工神经网络(ANN)模型，系统分析了达西数(Darcy number)、宾汉数(Bingham number)和固体壁面导热系数对平均努塞尔数(Nusselt number)及热工性能因子的影响。研究发现高宾汉数下涡流消失，高达西数时热传递性能呈单调提升，且性能因子突破1.0阈值，为热管理应用提供了新设计思路。

　　

这项开创性研究揭示了粘塑性流体(viscoplastic fluid)在具有金属多孔块(metallic porous blocks)的波纹通道(wavy channel)内的热传递奥秘。通过构建人工神经网络(ANN)预测模型，科研团队首次量化分析了宾汉数(Bingham number)、达西数(Darcy number)等关键参数对系统热工性能的影响规律。

当宾汉数增大时，流体展现出独特的"去涡流化"现象——那些阻碍传热的漩涡结构竟神奇消失！更令人振奋的是，在高达西数条件下，平均努塞尔数(Nu_avg)和热工性能因子(performance factor)呈现稳定上升趋势，后者甚至突破1.0的临界值，这意味着该设计在电子器件散热等热管理(thermal management)领域具有重大应用潜力。

研究还捕捉到有趣的双重效应：在低达西数区域，传热性能呈现非单调变化，就像坐过山车般起伏。而固体壁面的导热系数，则像隐形的热流指挥家，通过热传导线(conductive heat lines)悄然调控着整个系统的能量分布。这项研究不仅为复杂流体传热提供了新认知，其开发的ANN预测模型更展现出<0.5%的惊人误差率，为工业热交换器设计装上了智能导航系统。