Partager

Document IIF

Méthode basée sur un réseau neuronal artificiel pour prédire le coefficient de transfert de chaleur en ébullition des frigorigènes alternatifs au R22 à l'intérieur du tube multiport à mini-canaux. 

Artificial neural network method to predict the boiling heat transfer coefficient of alternative refrigerants of R22 inside the multiport mini-channel tube.

Numéro : 1170

Auteurs : AGUSTIARINI N., HOANG H. N., OH J. T.

Résumé

The prediction of heat transfer coefficient, especially on flow boiling, has been done with several analysis methods. One of them is machine learning. The ANN (Artificial Neural Network) as a subset of machine learning which a data-based model method to predict the boiling heat transfer coefficient of alternative refrigerants on replacement of R22 is introduced on this study. The experimental study of alternative refrigerants is conducted inside the multiport mini-channel tube. The mass flux ranges set up to 500 kg/m2s, heat flux ranges from 3 to 12 kW/m2, vapor quality range up to 1, and saturation temperature set to 6°C. The input parameter is consisted of dimensionless number and experimental condition, otherwise the heat transfer coefficient used as output parameter on ANN. The ANN setting parameter is taking place to predict the boiling heat transfer coefficient. Therefore, the ANN model prediction could be used to predict the boiling heat transfer coefficient of alternative refrigerant of R22.

Documents disponibles

Format PDF

Pages : 5 p.

Disponible

  • Prix public

    20 €

  • Prix membre*

    Gratuit

* meilleur tarif applicable selon le type d'adhésion (voir le détail des avantages des adhésions individuelles et collectives)

Détails

  • Titre original : Artificial neural network method to predict the boiling heat transfer coefficient of alternative refrigerants of R22 inside the multiport mini-channel tube.
  • Identifiant de la fiche : 30029520
  • Langues : Anglais
  • Sujet : Technologie
  • Source : 7th IIR International Conference on Sustainability and the Cold Chain Online. Proceedings: April 11-13 2022
  • Date d'édition : 11/04/2022
  • DOI : http://dx.doi.org/10.18462/iir.iccc2022.1170
  • Document disponible en consultation à la bibliothèque du siège de l'IIF uniquement.

Liens


Voir d'autres communications du même compte rendu (49)
Voir le compte rendu de la conférence

Indexation