《International Communications in Heat and Mass Transfer》:Leveraging genetic programming to analyze heat transfer and pressure drop characteristics in open-cell metal foams
编辑推荐:
对开孔金属泡沫中的压降和传热特性进行了数值分析,并提出了将热工水力性能与泡沫拓扑结构和流动条件相关联的预测关联式。增材制造(additive manufacturing, AM)在单元几何定制方面提供的新可能性,实际上扩大了金属泡沫的设计参数空间。因此,需要能
对开孔金属泡沫中的压降和传热特性进行了数值分析,并提出了将热工水力性能与泡沫拓扑结构和流动条件相关联的预测关联式。增材制造(additive manufacturing, AM)在单元几何定制方面提供的新可能性,实际上扩大了金属泡沫的设计参数空间。因此,需要能够考虑特定几何特征的代理模型。为此,研究人员从各式各样的构型生成了一个大型数据集,共产生总计540次模拟。数值模拟在层流条件下进行,使用空气作为传热流体。分析了单元内的流动模式,以揭示驱动观察到的传热和压降行为的机制。基于这个广泛数据集,研究人员为关键性能指标(包括摩擦因子(friction factor)、努塞尔数(Nusselt number)和面积品质因子(area goodness factor))推导了预测关联式。关联式通过符号回归(symbolic regression, SR)实现,采用遗传编程(genetic programming, GP)。与基于预定义函数形式的传统回归方法不同,这种方法直接从数据中推导热工水力关联式。随后,研究人员将所提出的关联式与文献中选定的实验和数值数据集进行了评估,包括回归数据集中未包含的多孔结构和单元几何形状。所提出的协议旨在提供对几何和流体动力学参数如何影响3D可打印金属泡沫性能的更深入理解,以及机器学习(machine learning, ML)技术如何有助于设计改进的换热器。
论文解读:利用遗传编程分析开孔金属泡沫的传热与压降特性
开孔金属泡沫因其轻质多孔结构而具备优异的热传递能力,在换热器和散热器设计中受到广泛关注。增材制造(additive manufacturing, AM)能够生成复杂三维形状并定制单元几何,从而扩展了金属泡沫的设计参数空间。然而,传热增强往往伴随压力损失增加,因此性能评估必须权衡二者。传统优化主要