دانلود مقاله ISI انگلیسی شماره 52549
ترجمه فارسی عنوان مقاله

پیش بینی اثر گذرای شیمی تجزیه در اثر حرارت سوخت در طول افت فشار از طریق مواد متخلخل با استفاده از شبکه های عصبی مصنوعی

عنوان انگلیسی
Prediction of transient chemistry effect during fuel pyrolysis on the pressure drop through porous material using artificial neural networks
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52549 2015 6 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 4586 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 8 روز بعد از پرداخت 55,032 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 110,064 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Analytical and Applied Pyrolysis, Volume 115, September 2015, Pages 143–148

ترجمه کلمات کلیدی
تولید کننده گاز - شبکه های عصبی مصنوعی - مدلسازی - نفوذ - زغال سنگ سوخته - محیط متخلخل
کلمات کلیدی انگلیسی
Pyrolysis; Artificial neural networks; Modelling; Permeation; Coke; Porous medium
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی اثر گذرای شیمی تجزیه در اثر حرارت سوخت در طول افت فشار از طریق مواد متخلخل با استفاده از شبکه های عصبی مصنوعی

چکیده انگلیسی

Hydrocarbon fuels appear as good candidates for cooling purpose within aerospace applications. Fuel flows through permeable structures. Thus, internal convection cooling is reinforced by chemical kinetics (endothermic effect of fuel pyrolysis). Perfectly tuned conditions may thus rapidly change due to unexpected coke formation that will clog the pores of the material and thus strongly affect the cooling efficiency. The pressure drop is one of the indicators to monitor the modification of the through-flow and thus of the cooling. Having a tool to predict these variations is of practical and theoretical interest for a better management of the complex chemical and physical phenomena. This paper presents a model based on artificial neural networks (ANN) for estimating the transient changes of the pressure drop of a reactive fluid (n-dodecane) under pyrolysis conditions passing through porous metallic material. The ANN is developed using experimental data obtained from an experimental bench, which enables the monitoring of fluid mass flow rate, pressure and temperature in stationary and transient conditions. For each case, the fluid pressure which crosses the metallic porous material is measured as a function of test time, inlet operating pressure, temperature and fuel mass flow rate. The optimal ANN architecture with error back propagation (BPNN) was determined by the cross validation method. The ANN architecture having 9 hidden neurons gives the best choice. Comparing the simulated values by ANN with the experimental data indicates that the ANN model give correct results. The performance of the ANN model is compared with the multiple linear regression model. This work is expected to be used for later prediction of pressure drop under a wide range of clogging conditions.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 4586 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 8 روز بعد از پرداخت 55,032 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 110,064 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.