Cost and Entropy Generation Minimization of a Cross-Flow Plate Fin Heat Exchanger Using Multi-Objective Genetic Algorithm
Notice bibliographique
Résumé
In the present work, a thermal modeling is conducted for optimal design of compact heat exchangers in order to minimize cost and entropy generation. In this regard, an ε−NTU method is applied for estimation of the heat exchanger pressure drop, as well as effectiveness. Fin pitch, fin height, fin offset length, cold stream flow length, no-flow length, and hot stream flow length are considered as six decision variables. Fast and elitist nondominated sorting genetic algorithm (i.e., nondominated sorting genetic algorithm II) is applied to minimize the entropy generation units and the total annual cost (sum of initial investment and operating and maintenance costs) simultaneously. The results for Pareto-optimal front clearly reveal the conflict between two objective functions, the number of entropy generation units and the total annual cost. It reveals that any geometrical changes, which decrease the number of entropy generation units, lead to an increase in the total annual cost and vice versa. Moreover, for prediction of the optimal design of the plate fin heat exchanger, an equation for the number of entropy generation units versus the total annual cost is derived for the Pareto curve. In addition, optimization of heat exchangers based on considering exergy destruction revealed that irreversibilities, such as pressure drop and high temperature difference between cold and hot streams, play a key issue in exergy destruction. Thus, more efficient heat exchanger leads to have a heat exchanger with higher total cost rate. Finally, the sensitivity analysis of change in the optimum number of entropy generation units and the total annual cost with change in the decision variables of the plate fin heat exchanger is also performed, and the results are reported.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».