磁化表面能量传输与流体行为的设计及热泳与辐射效应下的智能评估

《Energy Nexus》：Design and Intelligent Evaluation of Energy Transmission and Fluid Behavior on Magnetized Surfaces with Thermophoretic and Radiative Effects

　　

本研究调查Riga sheet在冷却系统、废水处理及生物系统中的应用，其通过结合孔隙率与洛伦兹力(Lorentz force)效应改善工业废水管理、传热及污染物去除。本研究聚焦于开发一种神经网络模型，该模型融合非线性辐射与热泳效应（WFF-RP-NRTEs），利用Riga plate评估Williamson流体模型的3D流动动力学。研究人员探讨了影响传热与流动机制的若干变量，包括热源、化学过程及热辐射。采用神经网络拟合工具配合bvp4c技术对控制方程的数值解进行训练与验证。根据该策略，70%数据用于训练，15%用于测试，15%用于验证。网络性能通过回归分析及均方误差(mean squared error)结合Levenberg-Marquardt训练程序进行评判。所描绘的均方误差范围在10?8至10?6之间。研究结果表明，普朗特数(Prandtl number)升高速度而弹性参数降低之；非线性拉伸指数拓宽溶质分布而热松弛参数降低温度。本研究为工业设计中优化流体流动提供见解，并论证人工神经网络可有效替代长期的计算预测。

该研究由Khalifa University of Science and Technology机械与核工程系的Saleem Nasir、Abdallah Berrouk及Asim Aamir开展，发表于《Energy Nexus》。研究背景在于非牛顿流体（特别是Williamson流体）在工业与机械领域的广泛应用需求与其数值表达的复杂性之间存在矛盾，传统计算方法耗时且难以处理非线性辐射与热泳(thermophoretic)等耦合效应。现有研究虽涉及Riga plate（一种结合永磁体与电极产生洛伦兹力的磁化表面）在纳米流体中的应用，但缺乏结合变粘度、变热导率、化学反应及神经网络智能评估的综合模型。为此，研究人员开展了一项结合磁流体动力学(magneto-hydrodynamics, MHD)、非线性辐射与热泳效应的Williamson流体3D流动研究，旨在利用人工神经网络(artificial neural networks, ANNs)构建代理模型以优化工业热控系统设计，解决传统数值计算效率低的问题。

研究人员采用的主要关键技术方法包括：建立考虑磁化效应、热源、热辐射及化学反应的Williamson流体物理模型；推导三维静止Riga plate（M=M0x，位于z=0）上的控制方程（质量、动量、能量及浓度方程），引入温度依赖的粘度μ(T)与热导率κ(T)及Rosseland近似处理非线性辐射qr，并利用相似变换将其转化为无量纲常微分方程组(ODEs)；采用MATLAB bvp4c（边界值问题求解器）数值求解作为基准数据；构建基于Levenberg-Marquardt反向传播（LMBPS）的ANNs拟合工具，按70%训练、15%测试、15%验证的比例划分数据集进行训练与验证，通过回归分析与均方误差（MSE, 范围10^?8~10^?6）评估性能。

1. Introduction

研究人员介绍了流体按剪切应力分为牛顿与非牛顿流体，指出Williamson流体作为一种粘弹性流体在流动理论中的复杂性及现有文献贡献，综述了Riga plate在改善流体传导、纳米流体流动及MHD中的应用进展，阐述了高温下粘度变化对传热的影响及热泳效应在核安全与颗粒去除中的工业意义，并论述了人工神经网络(ANNs)在捕捉流体非线性关联与随机数值计算中的潜力，从而引出本研究将ANNs基于LMBPS用于Williamson流体在拉伸Riga表面结合非线性辐射与热泳效应（WFF-RP-NRTEs）的创新点。1.1. Objectives of current research work

研究人员明确了五项研究目标：设计考虑磁化、热源、辐射与反应的Williamson流体物理模型；分析质传与热行为以提升传热效率；用bvp4c解相似变换后的非线性ODEs并以ANNs-LMBPS验证；计算辐射、磁场、热源及化学反应等参数对热、浓度与流动剖面的影响；提供面向应用的结果与可信的ANN代理模型以供工业实时处理。

2. Mathematical Configuration

研究人员建立了磁化Williamson流体在3D Riga plate附近的运动模型，考虑了反应剂、非线性辐射剂、热导率与变粘度，给出Cauchy应力张量T?与Williamson模型本构关系（Γ>0,μ∞=0简化形式），推导了连续性、动量（含Riga plate产生的修正Hartmann数Hexp(?Λη)项）、能量（含非线性辐射Rosseland估计qr=?3k′4σ′?z?T4与热源QH）及浓度（含热泳速度VT=?Trefkthυ??z??T与化学反应KC）的控制方程，设定了边界条件（z=0处u=U0,v=V0,T=Tw,C=Cw；z→∞处趋于自由流），通过相似变换（η=za/ν等）引入变粘度μ(T)=μ0[1+m1(Tw?T)]与变热导率κ(T)=κ0[1+m2(T?T∞)]将偏微分方程转化为无量纲ODEs（式11-14）及对应边界条件（式15），定义了Williamson参数W、粘度参数λ、Prandtl数Pr、辐射项Nr、Schmidt数Sc等无量纲数（式16）。

3. ANNs Modeling using the Sigmoid Function

研究人员采用Sigmoid函数f?(x)=1/(1+e?x)作为ANN隐藏层激活函数以引入非线性，构建了流速分量f,g及其导数（f′,f′′,f′′′;g′,g′′,g′′′）、温度θ及其导数（θ′,θ′′）、浓度?及其导数（?′,?′′）的神经网络逼近表达式（式18-21），其中隐含层权重为?α11?，输入权重为?α22?，偏置为?α33?，通过Sigmoid及其导数的链式法则推导出各阶导数的网络输出形式（式22-24），用以替代复杂的微分运算并进行数据驱动建模。

讨论部分总结指出，研究人员通过对比bvp4c数值解与ANNs预测结果，验证了所提WFF-RP-NRTEs模型的有效性。研究表明普朗特数(Pr)提升速度剖面而弹性参数(W)抑制之；非线性拉伸指数拓宽溶质（浓度）剖面而热松弛参数降低温度分布。ANNs模型在MSE达10^?8~10^?6量级下表现出高回归精度，证实其在替代长期MHD非线性流动计算预测中的可行性，为工业热处理与流体控制系统提供了实时优化的智能评估工具。

研究结论部分翻译：本研究表明Riga sheet可通过孔隙率与洛伦兹力耦合改善工业废水管理与传热；所开发的融合非线性辐射与热泳的WFF-RP-NRTEs神经网络模型能有效评估Williamson流体3D流动；参数分析中Pr增大流速、W减小流速，非线性拉伸指数增宽浓度剖面、热松弛参数降温；ANNs结合LMBPS能以10^?8~10^?6MSE精度替代传统计算，为工业设计优化流体流动及实时热控系统应用提供可信代理模型与见解。