一种考虑不确定性的模糊软计算框架,用于优化Jeffery混合纳米流体在Riga表面上的热流动
《Engineering Applications of Artificial Intelligence》:Uncertainty-aware fuzzy soft-computing framework for thermal optimization of Jeffery hybrid nanofluid flow over a Riga surface
【字体:
大
中
小
】
时间:2026年05月17日
来源:Engineering Applications of Artificial Intelligence 8
编辑推荐:
阿扎德·侯赛因(Azad Hussain)|肖艾布·阿里(Shoaib Ali)|里哈·伊克巴尔(Reeha Iqbal)
古吉拉特大学数学系,古吉拉特,50700,巴基斯坦
**摘要**
复杂的非牛顿混合纳米流体表现出非线性流动和热耦合特性,这使得其热传递分析变得
阿扎德·侯赛因(Azad Hussain)|肖艾布·阿里(Shoaib Ali)|里哈·伊克巴尔(Reeha Iqbal)
古吉拉特大学数学系,古吉拉特,50700,巴基斯坦
**摘要**
复杂的非牛顿混合纳米流体表现出非线性流动和热耦合特性,这使得其热传递分析变得具有挑战性。本研究探讨了含有银(Ag)和氧化镁(MgO)纳米颗粒的杰弗里混合纳米流体在里加表面(Riga surface)上的流动和热传递现象。主要考虑的物理因素包括磁流体动力学(MHD)、热泳效应、活化能、内部热生成以及由运动微生物引起的生物对流效应。流体运动由里加表面产生的洛伦兹力驱动,从而增强了流动控制和热传输。纳米颗粒浓度的不确定性通过使用三角模糊数和γ-切割方法的模糊逻辑系统进行建模。此外,还采用了基于莱文伯格-马夸特算法(Levenberg–Marquardt algorithm)和贝叶斯正则化算法(Bayesian Regularization)训练的人工神经网络(ANN)模型进行预测优化和验证。贝叶斯正则化在泛化能力方面表现更好,预测误差也更低。与单一纳米颗粒流体(Ag/EO和MgO/EO)相比,这种混合流体显著提高了热导率和努塞尔特数(Nusselt number),从而在电磁表面上实现了更优的热传递性能。ANN预测结果与实际情况高度吻合,证明了预测模型的可靠性和准确性。所提出的模糊-ANN混合方法为优化节能冷却系统、微机电系统(MEMS)技术和电磁热管理应用提供了一种智能且高效的预测工具。
**引言**
非牛顿流体是指其粘度随施加应力变化的流体,而牛顿流体的粘度是恒定的。这类流体包括剪切变稀流体(如血液、油漆、番茄酱)、剪切增稠流体(如奥布莱克流体Oobleck)、宾汉塑性流体(如牙膏)、触变流体(如印刷油墨)和流变塑性流体(如某些润滑剂)。它们的应用范围广泛,从生物医学领域(如血液流动和药物输送)到食品加工、化妆品、石油钻探以及减震器和防弹背心等智能材料。许多科学家已经深入研究了非牛顿流体的流动行为及其相关挑战。然而,大多数研究仅关注传统的非牛顿模型,并未考虑结合电磁流动控制和智能预测技术的混合纳米流体系统。S. Nadeem等人(2023a)使用非牛顿流体模型(Casson和Quemada)研究了动脉狭窄情况下的血液流动,通过数值模拟和数学建模发现压力降和壁面剪切应力随狭窄程度增加而增大。M. Y. Malik等人(2017)利用数值方法和相似性变换评估了在磁场作用下线性表面上非牛顿威廉姆森流体(Williamson liquid)的三维流动,结果表明流体性质和延伸率会影响速度和摩擦行为。T. Salahuddin等人(Tanveer等人,2020)分析了带有电渗效应的宾汉模型纳米流体在小通道中的非牛顿血液流动,发现电双层、屈服应力和布朗运动对速度、温度和浓度分布有显著影响。R. Ellahi等人(2025)采用机器学习驱动的线性回归模型研究了非牛顿艾林-鲍威尔流体(Eyring-Powell fluid)的热传递和流动行为,结合了化学反应和湍流效应,结果显示与传统方法相比预测准确性和处理效率有所提高。S. Bilal等人(2024)研究了考虑活化能和滑移效应的颗粒在不可预测扩展层中的稳态二维非牛顿卡鲁流体(Carreau flow)流动,发现这些因素会影响能量、浓度和速度分布。N. S. Akbar等人(2024)使用Phan–Thien–Tanner模型模拟了生理通道中的元同步波,展示了波动和流变参数如何控制非牛顿纤毛驱动流动中的压力和速度场。Z. Hussain等人(Javid等人,2022)对具有多孔空间的弯曲泵中非牛顿(杰弗里)粘弹性血液流动进行了能量和熵分析,结果表明流变学、弯曲和孔径大小对系统热力学效率有影响。L. Sarwar等人(2022)研究了狭窄血管中非牛顿血液基混合流体的温度提升和定量模拟,发现纳米颗粒和热传递调节了血液流动行为并提高了热导率。
许多研究采用了里加板(Riga plate),因为它能够控制边界层流动、增强热传递并模拟电磁表面效应。Gailitis和Lelausis(1961)通过使用电极和缩放永磁体作为电磁执行器,成功防止了边界层分离并减少了湍流影响。Yusof等人(2020)在研究Casson流体在逐渐不稳定的里加板上的流动时考虑了粘性耗散、速度和热滑移效应。Rizwana和Nadeem(Rizwana等人,2020)研究了接近具有不稳定MHD不对称区域的里加板的标准化铜水小流体的流动,并考察了里加特性对速度场的影响。Algehyne等人(2023)测量了在里加板上具有向旋性微生物的混合纳米流体的流动,研究了热源和活化能对热活性微生物行为的影响。尽管这些研究表明里加板在控制边界层流动和增强热传递方面的有效性,但大多数研究仅限于单一纳米流体和传统数值分析,未考虑不确定性建模或数据驱动的预测框架。
混合纳米流体由两种不同纳米材料悬浮在单一基础液体中组成,以改善其性能。杰弗里混合纳米流体(MgO和Ag/H2O)属于非牛顿流体这一更广泛类别中的特定子类。Muneeshwaran等人(2021)总结了混合纳米流体的合成、热物理特性和热传递效率方面的最新进展;Dinarvand等人(2023)通过分析血液衍生混合纳米流体在收敛/发散通道中的流动行为来研究热传递。Alqarni等人(2023)研究了含有血红蛋白和金纳米颗粒的杰弗里混合纳米流体在管道中的蠕动运动,探讨了电场和低雷诺数对剪切应力、电流密度、诱导磁场和速度分布的影响。Noor和Shafie(Noor等人,2023)研究了钠藻酸盐衍生杰弗里混合纳米流体在可渗透通道中的磁流体动力学运动。Hussain等人(2022)总结了含有磁性的杰弗里流体在弯曲管道中的蠕动运动,研究了热辐射、壁面形状和焦耳加热对温度和速度分布的影响。Vaidya等人(2024)观察了多膜垂直小通道中杰弗里流体的电渗运动和热传递。Elboughdiri等人(2024;Ullah等人,2024;Verma等人,2022)提供了更多关于里加板的研究。
模糊混合纳米流体是一种具有不确定特性的多纳米颗粒流体,通过模糊逻辑来可靠地分析其行为。Nadeem等人(2022)数值研究了在伸缩作用下波动的二级混合纳米流体中的运动和热传递,模型考虑了对流加热、MHD效应和模糊逻辑以处理不确定性。Zulqarnain等人(2023)对在可渗透膨胀和收缩表面上不稳定的二级模糊混合纳米流体的运动进行了定量分析,考虑了热传输和磁流体效应。Nadeem等人(2021)研究了在两块垂直板之间的三级三角模糊混合纳米流体(Fe3O4–TiO2/SA)中的自然对流和热传递。Siddique等人(2023)使用三角模糊数分析了在里加楔形膨胀和收缩中的二级模糊混合纳米流体的热传递和运动行为。Nadeem等人(2023b)使用三角模糊数对在可渗透表面上具有切向双曲流动的异常MHD模糊混合纳米流体进行了数值研究。Hussain等人(2025)结合模糊逻辑和ANN构建了模糊神经网络模型,以优化威廉姆森混合纳米流体(Al2O3–Cu/EO)的热传递。然而,关于在里加表面上结合模糊三角不确定性建模和人工神经网络预测的杰弗里混合纳米流体(Ag + MgO/EO)的研究尚未在现有文献中报道。
人工神经元(也称为单元)是人工神经网络(ANN)的基本组成部分。与人类大脑类似,这些单元逐层处理信息。由于ANN能够学习和表示输入输出数据之间的复杂、非线性关系,因此在支持分析和决策制定中发挥着重要作用。Tafarroj等人(2024)使用ANN预测了使用水/氧化铝颗粒的小通道散热器中的热传递。研究表明,Ag和H2O纳米流体具有更好的热传递性能。Rostami等人(2021)使用水/Ag和MgO纳米流体系统的数值数据训练ANN模型,发现ANN在预测准确性方面优于RSM,尤其是当使用六个隐藏神经元时。Pourpasha等人(2021)结合遗传算法(Genetic Algorithm)使用ANN来模拟和优化颗粒的热传递性能。Kumar等人(2026)利用人工神经网络分析了自催化化学反应对Boger流体在平行板间流动动态的影响。Chowdhury等人(2026)采用混合人工神经网络模型预测了具有广义热导率的卡鲁流体(Carreau fluid)的流动行为和热特性。Khan等人(2026)应用智能计算技术(包括基于ANN的建模)模拟了磁场对复杂几何形状中Casson流体流动的影响。
与以往的研究不同,本研究提供了定量证据,表明纳米颗粒体积分数的不确定性会改变有效传输系数,从而改变控制热和质量传递的无量纲参数。现有文献主要分别研究非牛顿纳米流体、里加板流动、模糊混合纳米流体和人工神经网络预测,但它们对粘弹性混合纳米流体热传递的综合影响尚未系统探讨。杰弗里流变模型描述了基于发动机油的纳米流体的粘弹性行为,而里加电磁表面引入了主动控制边界层结构的洛伦兹力。此外,在实际纳米流体制备过程中,纳米颗粒分散的不确定性不可避免,这促使人们使用三角模糊数和γ-切割方法进行模糊建模。通过将模糊不确定性传播与人工神经网络预测相结合,本研究为分析Jeffery混合纳米流体在电磁表面上的非线性热和质量传递行为提供了一个统一的框架。所提出的模糊-ANN混合模型不仅量化了纳米粒子分散的不确定性,还以较低的预测误差预测了热和质量传递指标。与单一纳米粒子纳米流体(Ag/EO和MgO/EO)相比,混合MgO–Ag/EO纳米流体表现出:努塞尔数提高了15–22%,证实了热传递率的提升;谢伍德数提高了8–12%,表明了更强的质量传递行为;皮肤摩擦系数(Cf)在较高的延迟参数下增加到了0.41,而密度数从0.857提高到了0.907,展示了更强的生物对流响应和热稳定性。ANN模型成功学习了Cf、Nu、Sh和密度数的非线性映射:LMS算法在46个周期内收敛,梯度为9.72 × 10?8,均方误差(MSE)为2.97 × 10?6;BRS算法在22个周期内更快收敛,梯度为9.15 × 10?8,MSE为2.08 × 10?7。使用三角模糊数(TFNs)的模糊逻辑分析显示,在γ = 0.8时,混合MgO–Ag/EO纳米流体的模糊温度比单一纳米流体高出了9–14%,更窄的隶属函数表明不确定性降低且热稳定性增强。本研究通过结合模糊逻辑和ANN构建了能够高精度捕捉非线性传递动态的预测模型。报告的百分比改进是通过在相同参数条件下比较混合纳米流体(MgO–Ag/EO)与单一纳米粒子纳米流体(Ag/EO和MgO/EO)得出的。此外,本研究通过问题的量纲分析为模型提供了物理基础。纳米粒子体积分数的微小变化会导致混合纳米流体的有效粘度、热导率和电导率的变化。这些物理性质表现为无量纲哈特曼数(Hartmann number)、普朗特数(Prandtl number)、刘易斯数(Lewis number)和热泳参数(thermophoretic parameter)的系数。因此,纳米粒子分散的不确定性反映在边界层方程中,当粘弹性流体具有电导性并受到电磁表面作用时,这可能对热传递率产生显著影响。因此,将Jeffery流变学与模糊不确定性分析和ANN预测相结合在物理上是相关的,而不仅仅是先前研究结果的数值装饰。对导电Jeffery混合纳米流体(MgO + Ag/EO)的研究在可再生能源系统、电池热管理和先进制造过程中具有应用前景。它可以用于改进光伏热收集器、储能设备和3D打印技术。此外,当有效热传递和稳定性至关重要时,这种流体在地热能提取、海水淡化厂和现代技术的冷却系统中也具有潜在优势。在这项工作中,我们研究了MgO–Ag/EO混合纳米流体在Riga板上的热传递特性和连续的二维磁流体动力学(MHD)流动。假设Riga板处于运动状态,自由流速度由Uw = cx给出,其中c是一个常数。板表面和环境中的流体温度分别用Tw和T∞表示,相应的纳米粒子浓度用Cw和C∞表示,活性微生物数密度用Nw和N∞表示。物理配置的示意图如图1所示。与Riga板相关的磁相互作用参数调节作用在混合纳米流体上的洛伦兹力(Lorentz force)的强度。进一步假设表面温度满足Tw > T∞,因此热量从壁面向纳米流体传递。所得到的偏微分方程组基于连续性、动量、能量、浓度和活性微生物方程的边界层近似。活性微生物的引入增强了流体混合并改善了基础流体中的纳米粒子分散。这种机制有助于维持混合纳米流体的稳定性,并可以在热驱动流动系统中增强热和质量传递特性。Reeha Iqbal:写作——审稿与编辑;写作——初稿创作;可视化;方法论。
利益冲突声明:不存在任何利益冲突。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号