没有合适的资源?快使用搜索试试~ 我知道了~
紧凑型换热器性能测量方法比较及应用研究
可在www.sciencedirect.com上在线获取计算设计与工程学报4(2017)60www.elsevier.com/locate/jcde板翅式换热器性能测量的探索:ANN、ANFIS、GA和SAA.K. Guptaa,n,P.Kumara,R.K.Sahooa,A.K.Sahub,S.K.萨兰吉aa印度奥里萨邦Rourkela 769008国家理工学院机械工程系b J.K.I.E.机械工程系,Bilaspur 495001,恰蒂斯加尔邦,印度接收日期:2015年11月27日;接收日期:2016年7月6日;接受日期:2016年7月8日2016年7月14日在线发布摘要对采用错列翅片的逆流板翅式紧凑型换热器进行了不同质量流速下的实验研究训练、测试和验证数据集是通过进行实验来收集的。其次,将人工神经网络与遗传算法相结合,用于板翅式紧凑换热器的性能测试。本研究的主要目的是测量板翅式紧凑换热器的性能,并提供充分的解释。用人工神经网络对模拟数据进行了预测,并与实验数据进行了验证,误差在10-20%之间。然后,作者研究了两个著名的全局搜索技术,模拟退火和遗传算法。对遗传算法和模拟退火算法的结果进行了总结。这些参数对于良好的结果是非常重要的。随着一种新的数据驱动建模技术的出现,基于模糊神经网络的系统在理论和实际应用中得到了广泛的应用。神经模糊干扰系统(ANFIS)也已被审查承担有关的问题,板翅式换热器的性能测量在各种参数下。此外,ANFIS模型和人工神经网络(ANN)模型的并行已被创建,强调不同技术的准确性。用于评估模型性能的各种统计指标。基于比较,结果表明,技术ANFIS提高了估计的准确性,在小水池和热带ANN。&2016 计 算 设 计 与 工 程 学 会 。 出 版 社 : Elsevier 这 是 一 个 在 CC BY-NC- ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:板翅式换热器;性能;流量;方法1. 介绍热交换器的紧凑性是当今工业增长情景中的进步指标[1]。特别是随着发展低温领域的需求增加。通常,板翅式换热器适用于广泛行业的多种类型的换热器应用[2板翅式换热器通常用于逆流式换热器。 板翅式换热器具有薄波纹翅片或波纹热n通讯作者。电子邮件地址:ajaythermal@gmail.com(A.K.Gupta),pankajsingh14319@gmail.com(P. Kumar),rksahoo@nitrkl.ac.inR.K. Sahoo)、anoop17212@gmail.com(A.K.Sahu),sarangiskr@nitrkl.ac.in(S.K. Sarangi)。由计算设计与工程学会负责进行同行评审。转移板的表面。紧凑型换热器的表面密度非常高,这意味着每单位体积的表面积很大,它可以高达1800 m2/m3,板翅式换热器适用于低至21 C的近距离温度,通过改变截面可以使用两个或更多个流板翅式换热器是当今重要的,由于传热速率高,应用最广泛研究了平直翅片、错置翅片、波纹翅片、穿孔翅片等紧凑型换热器的压降随工作流体湍流度的增加而减小。《向前看1942》Norris & Spofford[6]提供了第一份实验报告,他们根据翅片的长度、厚度和节距得出了传热系数的影响,并降低了摩擦系数和Colburn模数。随着板翅式换热器的实际需求的增加,London和Shah[7]在1967年进行了实验研究,得出结论,http://dx.doi.org/10.1016/j.jcde.2016.07.0022288-4300/2016计算设计与工程学会。&出版社:Elsevier这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)6061(长度/dh)、翅片厚度和每英寸大量翅片提供更好的传热。1975年,Wieting[8]建立了早期实验热传递变量与流体流动摩擦变量之间的静态关系。偏置翅片的板翅式热交换器的数据,并通过使用这种静态关系(未经测试的偏置翅片几何形状可以在相关参数范围内实际准确地预测)。因此,人们可以在没有以前测试数据的最新胶印板翅式换热器数值模拟的实验验证,并提供了实验结果与计算结果的比较,从鳍厚度和自由流湍流的影响。1977年,Sparrow[9]进行了一系列实验,观察不同雷诺数下质量流速的传热。厚度比和间距比是其他因素,确定努塞尔数随着板厚度的变化而变化,并且在搜索后也发现不一定是等间距,长度给出了最佳结果。Cru和Sparrow[10]在1979年又分析了错列板通道的传热效率1985年,Joshi和Webb[11]提出了一个分析框架,通过实验和分析工作预测层流和湍流湍流的j和f因子1994年,Hu和Herold[12]提出了一种液体冷却剂,而不是在实验装置中使用以前的空气冷却模型来评估偏置翅片换热器的传热和压降。结果表明,液体冷却装置的普朗特数对努塞尔数有很大的影响,数值分析考察了表面温度分布。与2007年的CFD工作相关,Peng和Ling[13]计算了低雷诺数(介于10 -200之间)下带锯齿形翅片的铝-油-空气板翅式换热器(PFHE)的科尔本系数j和摩擦系数f。两种方法都是实验方法,采用恒定空气流速和六种不同的油流速,以及数值方法,采用3D几何分析。本文的目标之一也是提出一个ANFIS模型和人工神经网络(ANN)模型的程序,以及一些实验,以便预测PFHE中具有新配置的鳍的 性 能 2007 年 , Peng 和 Ling[14] 又 成 功 地 将 遗 传 算 法(GA)与人工神经网络的反向传播(BP)算法相结合,用于PFHE的优化设计,比传统的GA方法更有效和先进,并表明该方法也适用于各种PFHE。同年,Xie和Wang[15]应用遗传算法优化了平板三角翅片紧凑式换热器的设计,其中翅片标准和偏移条设计采用了Kays和London[1]。几乎通过他们的研究,各种其他翅片几何形状的百叶窗翅片,穿孔翅片等,在2009年,彭和凌[16]建立了一个人工神经网络,用于从五种不同类型的板翅换热器的实验数据预测j和f因子。2009年,Mishra et al.[17]使用遗传算法开发了跨流PFHE的优化,并显示了基于热力学第二定律的设计方法的重要性。得出的结论显示了附加约束对最优解和关于压降的功率要求Zhu和Li[18] 2009年在Wang和Liu之后对四种翅片中的流动和传热进行了三维数值模拟研究2008年,Tan等人对具有平翅片和锯齿翅片的板翅式换热器进行了数值研究。关于人工神经网络(ANN)领域的工作,2009年,Tan等人进行了数值研究。[19]开发了一种人工神经网络(ANN)。用于在实验中表示换热器在整个流速、入口温度、液体成分和堵塞比范围内的整体行为。这表明人工神经网络能够以高精度预测紧凑型翅片管换热器中液体和空气流之间的总传热率。2010年,Sanaye使用遗传算法对目标函数有效性和总成本进行多目标优化,并在变量和目标函数之间提出一种封闭形式的表达式,以估计年度总成本和有效性。近年来,Yusef和Darus[20]于2011年开展了与锯齿形板翅式换热器相关的工作,采用遗传算法和粒子群优化技术来优化板翅式换热器设计。2011年的另一篇论文[21]将神经网络模型(NNM)应用于CFD模拟收集的数据,以测量NNM的j和f因子的准确性结果表明,对于相同的CFD模拟数据,NNM的精度在1.3%~ 1%之间,高于其它模型(精度在3.8%~ 8.2%之间)。然而,对于精确的响应,神经网络必须提供定义良好的因子。同样在2011年,Kim etal.[21]提出了阻塞比大于20%的偏移带鳍的j f因子的新相关性,j相关性建议作为普朗特数的函数。与参考的非优化偏 移 条 带fin 相 比 , 优化 偏 移 条 带 fin 的 j和 f 因 子 增 强(24%)。为了理解PFHE中的均匀分布,Saad等人[2]在2011年研究了偏移带鳍中单相湍流的流体动力学,推导出从层流到湍流范围的摩擦系数(f)的新相关性。他们对新关联式的推导与CFD模拟的数值结果一致,从而能够实验观察到均匀分布,这对于在紧凑型换热器中获得高性能至关重要。在2011年Saad等人的另一篇论文中,他们进行了单相CFD模拟为的在偏移带翅片H.E中的压降特性的测定, 好 协议之间实验摩擦系数的数值预测。他们还表明,埃克塞特夫在CHE '取决于气体和液体的表面速度有关的分布器的设计。多目标制定的问题总是帮助工业部门解决他们的几个问题,在多目标问题的情况下,标准被认为是目标[22作者也提出了模糊逻辑应用在工业领域的作用[3]。62A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)60¼¼2012年,Yose Fiand Mohammadi采用了一种不同的技术,通过使用竞争算法(ICA)来优化板翅式换热器。七个优化变量的开发,以最小化总重量和总年成本。2013年,Buyruk等人研究了通过优化翅片角度、翅片间隔和高度来提高PFHE效率的方法,沿水平方向偏移翅片,这有可能直接应用于热交换器设计数据。在Peng等人2014年发表的另一篇论文中,他们在雷诺数为500- 5000的范围内,通过实验和数值计算研究了创新的偏移带翅片的流动和传热特性。结果表明,翅片长度的依赖性,鳍间距和鳍是弯曲距离对紧凑型热交换器(CHE)性能的影响,以及这些结果如何直接用于设计CHE的性能。.同样在同一年,Aliabadi等人进行了实验,比较了七种常见的热流体压降mm Hg冷热水入口温度这些通常是评估出口性能的实际性能参数。2. 实验研究、建模和学习过程一系列的实验是由Bertur[4]进行的。研究板翅式换热器所采用的实验装置是稳态实验。两侧温度和质量流速的测量提供了计算在315 K至365 K之间运行的升/分钟流速的热交换器有效性所需的信息,Shah[7]的有效性对性能参数进行了计算,如下所示PFHE的通道。结果表明,涡流发生器、波纹、偏置条、销钉、穿孔、百叶窗和平通道均能获得较好的换热效果。最大能力降低εCc<$T2-T1<$Ch<$T3-T4<$CminT3-T1CminT3-T1其中,ð1ÞPFHE的表面积与普通PFHE相比。随着上述收集的信息,我们强调了其他文献的ANFIS。PFHX模型的传热和压降的预测,使用自适应神经模糊推理系统和结果预测。平均努塞尔数和无量纲压力与Tahseen Ahmadin 2013年的工作吻合良好,另一个在ANFIS中与热功有关。Moon[22]除了人工智能之外,还实现了两种逻辑,例如基于ANFIS(基于自适应神经模糊推理系统的控制)和基于ANN(基于人工神经网络的控制),以确定建筑物有多少温度控制系统由于工业和研究工作中对板翅式换热器的需求不断增加,每个用户都对高效板翅式换热器感兴趣,这一目标可以通过不同的方法实现。热交换效率的增加或减少取决于出口冷、热流体温度,并取决于其他因素,即通过控制特定热交换器上的质量流速。然而,随着质量流速的增加,压降也增加,因此需要合理的折衷在本文中,第一个目的是提出一个结构化的神经网络模型,根据实验观察数据和模拟退火(SA)算法来搜索高质量的最佳工艺参数条件。模拟退火优化方案是解决多目标规划的示意实现最大效率的目标是(i)冷流体出口温度,(ii)热流体出口温度。实验过程中的可变参数为流速'热入口压力冷态流体压降mm Hg,T1冷流体入口温度T2冷流体出口温度T3热流体入口温度T4热流体出口温度根据之前的实验,我们收集了客观数据;如表1所示;在推荐工业应用之前,决定评估板翅式换热器的流动性能实验数据被用来确定参数之间的联系。实验在不同的质量流速(5.7g/s至2.5g/s)下进行。14.2 g/s)和315 ~ 365 K之间的不同热流体入口温度。研究性能参数的变化,并最终将数据分为两类进行训练和测试,用于建模和学习程序:其中,Q(升/分)是流速P1(kg/cm2)冷入口压力P2(kg/cm2)热入口Pcd(mm of Hg)冷工质压降Phd(mmof Hg)热工质压降T1(k)冷工质入口温度T2(k)冷态流体出口温度T3(k)保温流体入口温度T4(k)保温流体出口温度3. 神经网络模型开发的目的是工作目的神经网络。该网络是在第一个Levenberg-Marquardt传播训练算法应用之后的馈送结构,该算法由(Eq. (2))。网络采用神经网络技术,部分软件采用MATLAB建模.退订A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)6063ð Þ¼表1用于神经网络模型的换热器数据集。S.no.QP1P2PCD博士T1T2T3T4EFF1.3000.080.0696315.24360.22368.96321.10.8909162.4000.140.121512311.35359.94367.91316.950.900993.5000.20.172522311.93361.38368.883170.9109754.5500.240.23026312.82361.71369.45317.350.9200075.5880.280.243127313.41361.33368.96317.860.9198926.6500.320.264035314.16360.74368.72318.080.9281527.3000.090.061210313.94352.08358.83319.30.8805978.4000.140.11513313.6352.88358.86318.430.8932839.5000.20.162420312.7353.05358.69317.350.89889110.5500.240.193026315.08353.06358.86318.990.9106911.5880.280.233431316.55353.16358.83320.30.91130612.6500.340.283835315.75352.39358.32319.060.92224613.3000.080.0687313.32343.27348.86317.780.87450814.4000.130.111513314.13344.11348.98317.850.89325715.5000.20.162321316.18344.66348.88319.50.89847116.5500.240.193026316.1344.52348.71319.440.89757717.5880.280.243331316.62344.63348.88319.590.90793618.6500.340.283934316.6344.16348.8319.180.91987619.3000.080.0686313.92335.01339.31316.940.88105620.4000.140.111614315.77335.86339.26318.450.88590921.5000.20.162422312.51335.42338.9315.550.88480522.5500.240.193026316.46336.01338.83318.860.89271323.5880.280.233331312.99335.34338.8315.570.90003924.6500.340.283734315.72335.67339.16317.930.905717激活sigmoid传递函数,所有神经元:对数sinxx1-e-xð2Þ其中x是输入信号。学习集由24个板翅式换热器案例组成。冷、热工质出口温度的计算结果来自实验。可以考虑许多输入参数来衡量换热器的效率。为了克服这一问题,作者对有关换热器效率的计算问题进行了文献调研,选出了几个有效的输入参数:该网络有一个输入层,一个包含12个神经元的隐藏层,输出层产生结果。图中给出的简化网络的结构。1.一、将数据集划分为用于确定网络权重的学习集和用于独立测量泛化能力和网络性能的验证和测试数据集。回归分析给出了图1所示的网络性能信息。网络性能似乎很准确。这是一个问题,以优化参数的系统变化与学习和处理的数据是准备成型。基于经验数据的算法,主要Fig. 1.以简化网络结构为目的设计优化目标函数。设计了网络发展出最简单的形式。(图) 2 a和b)描述了ANN的准确性是有效的。这种板翅式换热器(PFHX)的ANN网络性能可以直接从输入信息中得到,可以看到。换句话说,给定板式热交换器结构中的质量流速,即入口和出口温度和温差以及肋的几何形状的冷侧和热侧。工程师或设计人员的实验数据有限,因此预测板翅式换热器的性能ANN方法是有用和方便的。这种传热和对流特性可以用数学公式来表示,这是一种非常复杂的现象,不需要了解人工神经网络方法。64A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)60图二、(a)学习过程中的网络错误-1(b)学习过程中的网络错误-24. ANFIS模型自适应神经模糊推理系统(ANFIS)是一种基于模糊干扰系统的人工神经网络(ANN)模糊产生式系统(FIS)的名称是用来为ANFIS提供一个成员的开始训练活动的。见表3。作为MATLAB软件收集的原始数据,以特定的结构和格式转换为数据文件。模型产生关于系统的准确信息(提到的神经模型输入和输出参数)对训练数据库的质量很重要。该数据对于手动预处理不是那么容易因此,一种无需人工干预的模糊聚类方法被用于该任务。对于板翅式换热器(PFHX),在相同的输入条件下,分别对冷、热工质的出口温度T2和T4建立了两个独立的模糊系统,如图1所示。 3(a-d).图3(a和d),两种控制器(ANN和ANFIS)都用于评估板翅式换热器的性能。ANFIS和ANN都描述了相应的结果。在图3(a)中,ANN显示输出随输入变量的变化而变化,而在图3(c)中,ANFIS显示输入和输出变量之间A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)6065图三. (a)人工神经网络显示输出随输入变量的变化而变化。(b)Surface viewer-1显示输出随输入变量的变化而变化。(c)ANFIS反映了输入和输出变量之间的关系(d)表面观察器-2显示输入和输出变量之间关系另一方面,通过图3b和d显示的表面观察器发现,建立了输入和输出变量之间的关系(输出随着输入变量的变化而变化)。图在图3(b)中,表面观察器-1显示输出随着输入变量的变化而变化,而在图3(d)中,表面观察器-2显示输入和输出变量之间的关系66A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)60图三. (续)5. 优化算法以神经网络算法为代表,将模拟退火算法应用于减少人工劳动。退火是解决有限和无约束问题的一种方法。过程模拟加热的物理过程,然后缓慢降低温度以减少缺陷,从而使系统的能量减少。每个模拟退火算法生成一个新的随机点的方式。当前与新位置的距离或范围基于与温度成比例的权重的概率分布的搜索。可用性已经接受了所有A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)6067在新的点位法中为目的,也是概率的确定,点位向上确定。由点到面的目的是假设供应量,避免陷入表3预测响应的错误。T2预测的%误差T4局部最小值,这是可能的位置,以解决世界探索更多退火制度的选择是为了系统地减少对数温度声明。随着温度的降低,算法将搜索范围缩小到至少在一起。总的来说,可以区分模拟退火算法的以下元素。可能的解决方案的代表– 解中随机值的生成器– 解决方案评估功能-目标功能,– 研究了目标函数最小值搜索过程中的冷却或退火起始温度及其降低规律。在退火算法工作时,需要采取一种方法来降低向参数更差状态转移的概率。这样的规则称为冷却时间表。对于冷却计划的定义,必须给出以下内容– 起始温度T0,– 最终温度或合金标准,– 马尔可夫链的长度(取决于变量的数量),– 温度的规律是下降的。安安菲斯安菲斯0.5 0.34 0.2 0.57-0.6 0.16 0.2 0.180.55-3.33 0.21-0.07-0.05-0.26 0.16 0.08-0.05 0.39 0.18 0.06表4优化结果与模拟退火的最佳拟合值。输出最好QP1P2PCD博士T1T3响应拟合函数值T2312.34418.19 0.096 0.273 36.779 6.026 315.37 335.85T4322.52300.49 0.340.2833.656 7.314 315.24 335.85表5遗传算法的最佳拟合值的优化结果。(i) 对于冷水出口温度:T2¼ 5: 29036- 0: 00302818Q1 13:9982P 1输出响应最佳拟合函数值QP 1P 2 Pcd PhdT 1T 3-16: 8278P2 - 0:0849 Pcdnut 0: 0800369 Phd电话:0777-8888888传真:0777-8888888(ii) 对于排出的热流体,允许温度:T4¼- 0: 1385070: 022083Q- 10: 2438P 1-14: 6291P2 - 0:150565 Pcdnut 0: 113141 Phd粤ICP备16016510号-1 电话:+86-365- 8888888传真:+86-365 -6. 结果和讨论研究结果总结如下:表1通过建模预测的数据接近实验值。表2所示的误差在可接受范围内表3显示了表2比较开发的模型与实验数据。序列号Q T1T 3实验预测值T2 311.88438.554 0.081 0.28 36.499 6.188 315.252T4 321.863000.340.28 376315.24 三百三十五点六七预测响应的错误。图3简要概括了验证和实验结果的总结视图,在构建过程模型之后,使用方便的模拟退火来获得优化结果。本研究的两个目标是最大化冷出口处的温度,和最小化热出口温度。表4表示模拟退火的最佳拟合值。类似地,表5表示遗传算法的最佳拟合值7. 结论进 行 的 研 究 工 作 的 目 的 是 揭 示 现 代 模 型 : ANN 和ANFIS,这是一个最好的现代模型来预测压实热的结果交换机输入参数。ANN和ANFIS modernANN ANFIST2T4T2T4T2T41588312.99338.80335.34315.57334.84315.373353152650316.6348.80344.16319.18344.76318.983443193650315.72339.16335.67317.93335.12317.723393184650314.16368.72360.74318.08360.79317.923613185 650315.75358.32352.39319.06352.44318.88352 319与传统的遗传算法和模拟退火算法相比,该模型是有效的。论文的第一部分提出了一种基于多输入输出ANN和ANFIS的预测模型,用于预测板翅式换热器实验研究中的性能参数,如(i)冷流体出口温度和(ii)热流体出口温度。该模型作为一种工具来计算性能68A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)60根据工艺参数的变化确定工艺参数。A.K. Gupta等人/Journal of Computational Design and Engineering 4(2017)6069另一部分使用简单的遗传算法和模拟退火给出了具有最佳拟合值的最优结果,如表4和表5所示。这是一个实验调查的各种参数影响这两种算法,并使它们适应我们的问题。引用[1] Kays WM,London AL.紧凑型热交换器,第2版,New York:McGraw-Hill; 1964.[2] 萨阿德·塞尔玛·本,克莱门特·帕特里斯,卡罗琳,富米格·让-弗朗索瓦,勒克莱尔·让-皮埃尔。错列翅片式换热器中单相压降和两相分布应用温度 Eng. 2012; 49:99-105.[3] Sahu AK Sahu NK Sahu AK基于混合模糊方法的多指标数控机床基准选择决策方法. Int.模糊系统应用2015; 4:32-50.[4] Kays WM.六种紧凑型高性能传热表面的基本传热和低摩擦特性。J.Eng. Power1960; 82(1)27-34.[5] 张文,张文,等.基于自适应神经模糊推理系统(ANFIS)的管内层流传热和压降的性能预测.北京:清华大学出版社,2001. 热量质量传递2014; 50:85-97.[6] NorrisRH,Spofford WA. 高性能翅片用于传热。 译Am.机械工程学会1942; 64:489-96.[7] Shah RK,London AL.偏置矩形板翅片表面-传热和对流摩擦特性。J Eng. Power 1968; 90:218-28.[8] 威廷河矩形偏置翅片换热器传热和阻力特性的经验关联式。J.热传递1975; 97:488-90.[9] SPARROW EM,LIU CH。在线、交错和连续板式换热器的传热、压降和性能关系。内部J.Heat质量传递19 7 9 ; 22:1013-25.[10] 切N,切EM。 一对共线间断平板与气流对齐时的传热与压降实验。 热量质量传递1977; 21:1069-80.[11] Joshi HM,Webb RL.在偏移带翅片热交换器中的传热和摩擦。 Int.J. 热量质量传递1987; 30(1)69-84.[12] 放大图片作者:Hu Sen.普朗特数对偏置翅片换热器性能的影响:实验结果。1995年《热质传递》;卷 38:1053-61。[13] 郝鹏,向玲,低雷诺数下锯齿形翅片流动与传热的数值模拟与实验验证。[14] 彭浩,凌翔。神经网络与遗传算法相结合的板翅式换热器优化设计方法。应用温度Eng. 2 0 0 8 ; 28:642-50.[15] 谢王用遗传算法优化紧凑型换热器。应用温度Eng. 2008; 28:895-906.[16] 彭浩,凌翔。有限实验数据下板翅式换热器热工特性的神经网络分析Appl. 温度Eng. 20 0 9 ; 29:2251-6.[17] MishraManish,Das PK,Sarangi Sunil. 基于第二定律的交叉流板翅式换热器遗传算法优化设计Appl. 温度Eng. 20 0 9 ; 29:2983-9.[18] 李银海朱彦忠。板翅式换热器四种基本翅片层流流动与传热的三维数值模拟。J.热传递2008年; 130.[19] 陈健,王伟,王伟.紧凑型换热器热性能的人工神经网络建模。应用温度Eng. 2 0 0 9 ; 29:3609-17.[20] 作者:Darus AN.板翅式换热器优化设计的帝国主义竞争算法。热与质量传递2012; 55:3178-85;Min-Soo Kim,Jonghyeok Lee,Se-JinYook,Kwan-Soo Lee,相关性和带偏置翅片的热交换器的优化,汉阳大学机械工程学院,17 Haengdang-dong,Seongdong-gu,Seoul133-791,Republic ofKorea。[21] 萨阿德·塞尔玛·本,克莱门特·帕特里斯,卡罗琳,富米格·让-弗朗索瓦,勒克莱尔·让-皮埃尔。两相偏置条翅式紧凑型换热器中相分布和压降的实验研究Int. J. Multiph. Flow2011; 37:576-84.[22] Sahu AK Sahu NK Sahu AK在IVGTFNS环境中应用改进的MULTI-MOORA评估CNC机床:实证研究。国际计算机Aided Eng. Technol.2016; 8(3)234-59.[23] Sahu AK,Sahu NK,Sahu A.综合MULTI MOORA-IGVN环境评价数控机床:实证研究。Int. J. Grey系统:理论应用2 0 1 4 ; 4(1)104-23.[24] Sahu NK,Sahu AK,Sahu AK.第三方物流服务供应商之评估与标杆管理-以风险为基础之探讨。Cogent Bus.管理员。2015; 2:1-21.[25] Sahu AK Sahu NK Sahu AK集成TOPSIS法在ASC指标中的应用:合作伙伴标杆管理的视角。基准:国际J。2016; 2:540-63.[26] Sahu AK Sahu NK Sahu AK GTFNS环境下敏捷合作伙伴企业的评价。技术支持系统2016; 8(3).
下载后可阅读完整内容,剩余1页未读,立即下载
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)