జర్నల్ ఆఫ్ అప్లైడ్ మెకానికల్ ఇంజనీరింగ్

నైరూప్య

NSGA-II మరియు ANN ఉపయోగించి టూ-డైమెన్షనల్ హీట్ ట్రాన్స్‌ఫర్‌తో ఫిన్ యొక్క బహుళ-ఆబ్జెక్టివ్ ఆప్టిమైజేషన్

MM ఘనాది అరబ్, మొహసేన్ హజబ్దొల్లాహి మరియు హసన్ హజబ్దొల్లాహి

ఒక ఫిన్‌లోని రెండు-డైమెన్షనల్ ఉష్ణ బదిలీ ఆమోదయోగ్యమైన ఖచ్చితత్వంతో రూపొందించబడింది మరియు ఆప్టిమైజ్ చేయబడింది. ఫిన్ జ్యామితిని అంచనా వేయడానికి బెజియర్ కర్వ్ ఉపయోగించబడింది. ఫిన్ సామర్థ్యం మరియు ఉష్ణ బదిలీ రేటు కోసం వరుసగా -1.5% నుండి +1% మరియు ± 0.5% ఖచ్చితత్వంతో ఫిన్ ద్వారా ఉష్ణోగ్రత పంపిణీని అంచనా వేయడానికి కృత్రిమ న్యూరల్ నెట్‌వర్క్‌తో కూడిన పరిమిత వాల్యూమ్ పద్ధతి అభివృద్ధి చేయబడింది. బెజియర్ కర్వ్‌లోని నాలుగు నియంత్రణ పాయింట్ల స్థానాలు డిజైన్ వేరియబుల్స్‌గా పరిగణించబడ్డాయి. అప్పుడు, గరిష్ట ఫిన్ సామర్థ్యాన్ని మరియు ఉష్ణ బదిలీ రేటును రెండు ఆబ్జెక్టివ్ ఫంక్షన్‌లుగా కనుగొనడానికి వేగవంతమైన మరియు ఉన్నతమైన నాన్-డామినేటెడ్ సార్టింగ్ జెనెటిక్ అల్గోరిథం (NSGA-II) వర్తించబడింది. ఆప్టిమల్ డిజైన్‌ల ఫలితాలు 'పారెటో ఆప్టిమల్ సొల్యూషన్స్' అని పిలువబడే బహుళ వాంఛనీయ పరిష్కారాల సమితి. ఫిన్ సామర్థ్యం కోసం గరిష్టంగా 72 శాతం 739W దాని ఉష్ణ బదిలీ రేటుగా కనుగొనబడింది, అయితే ఉష్ణ బదిలీ యొక్క గరిష్ట రేటు 57 శాతం సామర్థ్యంతో 962.3 W.
అదనంగా, రెండు-డైమెన్షనల్ ఉష్ణ బదిలీ యొక్క వాంఛనీయ ఫలితాలు ఒక డైమెన్షనల్‌తో పోల్చబడ్డాయి మరియు ఫిన్ సామర్థ్యంలో సగటు 14.7 శాతం తగ్గుదల మరియు ఉష్ణ బదిలీ రేటు ఒక డైమెన్షన్ మోడలింగ్ యొక్క లోపాన్ని చూపుతుంది. రెండవ కేస్ స్టడీలో, పరేటో ఫ్రంట్ అనేది ఉష్ణ బదిలీ రేటు మరియు ఫిన్ ఉపరితల వైశాల్యం కోసం రెండు ఆబ్జెక్టివ్ ఫంక్షన్‌లుగా తీసుకోబడింది. ఆబ్జెక్టివ్ ఫంక్షన్‌గా ఫిన్ ఎఫిషియెన్సీ విషయంలో వాంఛనీయ ఫిన్ కాన్ఫిగరేషన్ ఫలితాలు ఆబ్జెక్టివ్ ఫంక్షన్‌గా ఫిన్ ఉపరితల వైశాల్యం ఫలితాలతో సమానంగా ఉన్నాయని గమనించబడింది.