MétaCan
Menu
Retour à la cohorte
Enregistrement W2089355983 · doi:10.1080/01457632.2012.630266

Exergetic Optimization of Shell-and-Tube Heat Exchangers Using NSGA-II

2012· article· en· W2089355983 sur OpenAlexaff
Hassan Hajabdollahi, Pouria Ahmadi, İbrahim Dinçer

Notice bibliographique

RevueHeat Transfer Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergyExergy efficiencyBaffleHeat exchangerShell and tube heat exchangerPressure dropMaterials scienceProcess engineeringThermodynamicsMechanicsEnvironmental scienceMathematicsMechanical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this article, a multi-objective exergy-based optimization through a genetic algorithm method is conducted to study and improve the performance of shell-and-tube type heat recovery heat exchangers, by considering two key parameters, such as exergy efficiency and cost. The total cost includes the capital investment for equipment (heat exchanger surface area) and operating cost (energy expenditures related to pumping). The design parameters of this study are chosen as tube arrangement, tube diameters, tube pitch ratio, tube length, tube number, baffle spacing ratio, and baffle cut ratio. In addition, for optimal design of a shell-and-tube heat exchanger, the method and Bell–Delaware procedure are followed to estimate its pressure drop and heat transfer coefficient. A fast and elitist nondominated sorting genetic algorithm (NSGA-II) with continuous and discrete variables is applied to obtain maximum exergy efficiency with minimum exergy destruction and minimum total cost as two objective functions. The results of optimal designs are a set of multiple optimum solutions, called “Pareto optimal solutions.” The results clearly reveal the conflict between two objective functions and also any geometrical changes that increase the exergy efficiency (decrease the exergy destruction) lead to an increase in the total cost and vice versa. In addition, optimization of the heat exchanger based on exergy analysis revealed that irreversibility like pressure drop and high temperature differences between the hot and cold stream play a key role in exergy destruction. Therefore, increasing the component efficiency of a shell-and-tube heat exchanger increases the cost of heat exchanger. Finally, the sensitivity analysis of change in optimum exergy efficiency, exergy destruction, and total cost with change in decision variables of the shell-and-tube heat exchanger is also performed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,202
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207