《Materials Today Communications》：Mass-Based Nanofluid Transport in Decelerating Separated-Stagnation Point Flow over EMHD Riga Plate: Shape-Factor Effects and LMB-ANN Prediction
编辑推荐：
本研究考察了基于质量的纳米流体在电磁Riga板上的非稳态减速流动与热传递，直接对比了球形与圆柱形纳米颗粒。基液质量设定为????=100 g，纳米颗粒负载以质量定义（????=2.5–10 g）。研究中集成了热辐射、粘性耗散、壁面质量吸出和电磁强迫作用。转化后
本研究考察了基于质量的纳米流体在电磁Riga板上的非稳态减速流动与热传递，直接对比了球形与圆柱形纳米颗粒。基液质量设定为????=100 g，纳米颗粒负载以质量定义（????=2.5–10 g）。研究中集成了热辐射、粘性耗散、壁面质量吸出和电磁强迫作用。转化后的边值问题采用MATLAB的bvp4c求解器求解，所获得的速度和温度数据利用Levenberg-Marquardt反向传播人工神经网络（LMB-ANN）进行学习。将????从2.5 g提高至10 g使得球形颗粒的约化 skin-friction指标增强10.41%，圆柱形颗粒增强95.85%；同时，约化Nusselt数分别变化+0.97%和?16.23%。将吸出参数S从0.5提高至2.0使Nusselt数分别提高158.79%和162.41%，并使 skin friction分别增加58.24%（球形）和48.28%（圆柱形）。电磁强迫作用从Z=0.5增至2.0使 skin friction增加超过一倍（116.49%和116.56%），但使热传递降低约70%。辐射使球形颗粒总体辐射-传导Nusselt数提高27.15%，圆柱形颗粒提高25.70%。在大Eckert数条件下，球形颗粒的Nusselt数发生符号改变，表明存在耗散诱导的热过冲和局部热通量逆转。LMB–ANN生成的训练、验证和测试均方误差范围为2.71×10?1?至6.44×10??，表明其精确复现了bvp4c求解结果。这些结果展示了将颗粒质量、形状和电磁控制相结合以调控壁面阻力和热传递的潜力。将α从0.5提高至2.0使球形和圆柱形颗粒的 skin friction分别放大87.46%和122.72%，Nusselt数分别提高168.88%和152.51%。
# 论文解读：基于质量的纳米流体在减速分离驻点流中EMHD Riga板上的输运研究
## 一、研究背景与意义
纳米流体因掺入高导热纳米颗粒而显著增强热性能，已成为先进热管理领域的重要研究对象。然而，现有纳米流体模型大多以体积分数描述颗粒浓度，这与实际实验中通过称量质量来配制纳米流体的操作方式存在脱节。此外，纳米颗粒的形态（球形、圆柱形等）显著影响流体的粘度与导热系数，进而改变动量与热量输运特性。分离驻点流伴有不利压力梯度、驻点偏移及近壁流体可能反向等复杂流动特征，而Riga板产生的壁面平行Lorentz力可加速近壁流体并延缓分离。已有研究尚未将质量为基础的颗粒负载、颗粒形态差异、减速分离驻点运动学与Riga板电磁强迫作用整合在统一的单纳米流体模型中加以考察。针对这一研究空白，该论文建立了一种以质量为核心的Al?O?/水纳米流体模型，系统研究球形与圆柱形纳米颗粒在不同质量负载下的流动与传热响应，并将Levenberg-Marquardt反向传播人工神经网络（LMB-ANN）用于bvp4c数值解的高效插值预测。
## 二、主要技术方法
研究人员采用MATLAB的bvp4c边界值问题求解器对转化后的非线性常微分方程组进行求解，并通过域长度、求解器容差和初始猜测的独立性检验确保数值解的收敛性。数值解与文献已有结果进行了对比验证，并获得定量一致的结果。在获得参考解之后，研究人员构建了包含输入层、四个隐藏层（神经元数分别为7、5、5、3）和输出层的前馈LMB-ANN模型，样本按70%训练、15%验证、15%测试划分，以均方误差（MSE）、回归分析和误差直方图评估网络的插值精度。
## 三、主要研究结果
### 3.1 减速/非稳态参数A的影响
研究表明，随着A从?1.5增大到0，减速强度减弱，速度剖面下移、动量穿透区扩大。局部 skin friction 对于球形颗粒增加32.27%（从1.13118增至1.49626），圆柱形颗粒增加50.06%（从1.24207增至1.86385）；但局部Nusselt数分别下降50.39%和59.47%，表明减速减弱使壁面阻力增大而热移除能力受到抑制。
### 3.2 纳米颗粒质量????的影响
将????从2.5 g增加到10 g（对应质量分数2.439%至9.091%，体积分数约0.624%至2.450%），球形颗粒的 skin friction 提高10.41%（1.24876→1.37872），圆柱形颗粒提高95.85%（1.45784→2.85520）；Nusselt数对于球形颗粒仅变化+0.97%，而圆柱形颗粒下降16.23%。质量负载增加提高了混合物惯性并改变有效粘度，圆柱形颗粒的非球形形态产生更大流体动力阻力，并出现温度过冲现象。
### 3.3 驻点流强度α的影响
当α从0.5增至2.0，流动加速、动量层厚度减小。球形颗粒的 skin friction 增加87.46%，圆柱形颗粒增加122.72%；Nusselt数分别增加168.88%和152.51%。这表明驻点流强度增强了两种颗粒形状的对流散热，但圆柱形颗粒的壁面剪切响应更强，而球形颗粒在高α时表现出更高的传热速率。
### 3.4 Riga参数Z的影响
Z从0.5增至2.0使 skin friction 分别增加116.49%（球形）和116.56%（圆柱形），但Nusselt数分别下降70.32%和69.77%。电磁体力的近壁加速作用带来了显著阻力成本，同时抹平了壁温梯度。
### 3.5 壁面质量吸出S的影响
S从0.5提高到2.0使 skin friction 增加58.24%（球形）和48.28%（圆柱形），Nusselt数增加158.79%和162.41%。吸出作用移除了壁面附近的热低动量流体，压缩了边界层厚度，两种颗粒形状的热改善幅度接近，表明壁面法向质量抽取在热调控中占据主导地位。
### 3.6 粘性耗散Ec的影响
Ec增大导致温度剖面升高、热层增厚。圆柱形颗粒的Nusselt数在Ec从0.25增至1.0时降低25.69%，但始终为正。球形颗粒在Ec=0.5至0.75之间出现Nusselt数变号（从0.844207降至?0.173962），表明耗散诱导的壁面邻域过冲及局部总热通量方向反转。
### 3.7 热辐射Rd的影响
Rd从0.25增至1.0使局部Nusselt数在球形颗粒中提高27.15%（2.15487→2.73981），圆柱形颗粒提高25.70%（2.10627→2.64755）。辐射主要通过有效热输运项增强总热通量，对颗粒形状的影响相对较弱。
### 3.8 LMB-ANN预测性能
LMB-ANN对α和????控制的速度剖面及????和Rd控制的温度剖面均实现了高精度复现。测试MSE范围为2.73141×10?1?至5.82142×10??。八个网络中七个终局梯度低于1.0×10??；圆柱形颗粒温度网络因达到1000轮最大迭代上限而以1.41×10??的梯度终止。误差直方图零附近对称分布，回归分析中目标-输出点高度聚于45°参考线，表明网络能够有效内插bvp4c解流形，而非简单记忆训练点。
## 四、总结与讨论
研究结论证实，颗粒质量负载、形状因子与电磁控制可联合调节壁面阻力和热传递性能，并为工程设计提供了LMB-ANN快速预测工具。该模型的局限性包括：假设悬浮液为稳态均质Newtonian连续介质，忽略Brownian滑移、热泳、团聚、沉积、颗粒旋转与取向分布、界面热阻及温度依赖特性等复杂因素；仅计算了一个相似分支且未进行时间稳定性分析；LMB-ANN仅在参数域内进行插值验证，外推可靠性尚待验证。未来研究方向包括：基于方差分解的全局灵敏度分析（Sobol指数）、物理信息驱动的人工神经网络（PINN）替代纯数据驱动模型的可行性，以及神经正切核引导的分阶段训练策略以提高收敛性和采样效率。
