Machine learning-based regression and multi-objective optimization of thermo-hydraulic performance in a tubular heat exchanger with co-and counter-arranged V-winglet twisted tape inserts
本研究开发了一个数据驱动框架，该框架整合了机器学习模型、可解释人工智能以及多目标优化，旨在预测并优化配备顺旋与逆旋 V 型翼片双穿孔扭曲带增强件的管式换热器的热水力性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代世界中，能源需求正以空前的速度增长，这促使工程师们寻找更聪明的方法来将热量从一处转移到另一处。热交换器正是这一挑战的核心，它们是工业领域默默耕耘的“无名英雄”，负责在不让流体混合的情况下进行热能传递。为了提高这些设备的效率，科学家经常使用被动技术，即通过在管道内部添加物理结构来搅动流体。一种常见的方法是插入扭转带（twisted tape），这是一种沿着管长螺旋下降的金属条。当流体流经这种螺旋结构时，会被迫产生旋流，从而打破紧贴管壁的薄层停滞流体，让热量更快地散发出来。然而，这种旋流动作会产生摩擦，就像给流动踩了刹车一样，需要消耗更多的能量来泵送流体。工程师的目标始终是寻找完美的平衡点：在获得尽可能高的热传递效率的同时，使用最少的能量来克服这种摩擦。
来自德拉敦理工学院（Dehradun Institute of Technology）和桑卡尔昌德·帕特尔大学（Sankalchand Patel University）的一个研究小组，通过将物理实验与先进的计算机学习相结合，解决了这一平衡难题。他们专注于一种特定类型的插件，即带有 V 型翼片（V-winglets）的双层穿孔扭转带。想象一下一条扭成螺旋状的金属带，但它是双层的，并且上面打了一些小孔，让部分流体可以穿过，从而减少阻力。沿着这条带子的边缘，他们添加了像小翅膀一样凸出的 V 形小鳍片。这些“翅膀”以两种不同的方式排列：要么都朝同一个方向旋转，要么朝相反的方向旋转。研究人员想要观察这些特定形状在不同流速下的表现，以及如何通过优化来节省能源。
为了理解这些插件的行为，研究小组构建了一个长形的透明测试管，并让空气以各种速度通过，以模拟现实工业系统中的情况。他们在特定的湍流强度范围内测试空气流速，该范围在衡量流强度的标尺上大约为 10,400 到 22,800。他们还改变了扭转带的紧密程度，测试了每 2、4 或 6 个单位长度完成一次全圈的扭转比例。对于每一次测试，他们都测量了热量传递的效果、空气因摩擦而减速的程度，以及作为无序度体现的能量损耗（即熵）。随后，他们将所有数据输入到一个计算机系统中，利用多种机器学习模型来学习其中的模式。这些模型就像受过高度训练的学生，通过研究实验结果，来预测系统在从未见过的场景下的行为。
结果表明，插件的具体设计至关重要。这种带有 V 型翼片的双层扭转带，尤其是当两个螺旋向相反方向扭转时，产生了最佳的热传递效果。这种配置创造了强烈的旋流运动，使空气充分混合，比普通管材或简单的插件能更有效地将热量从管壁带走。然而，这种高性能是有代价的：摩擦力也随之增加，意味着空气面临更大的阻力。研究人员发现，通过调整扭转比例，可以影响这种权衡关系。较紧的扭转通常能改善热传递，但会增加摩擦；而较松的扭转虽然减少了摩擦，但热交换能力也较低。研究确定，带有 V 型翼片且呈反向旋流取向的版本实现了最高的整体效率，当流速增加时，其性能比其他设置提高了约 16%。
为了理清这些复杂的关系，研究人员使用了一种称为“可解释人工智能”（explainable artificial intelligence）的技术。该技术不仅仅是让计算机给出一个数字，而是要求模型解释哪些因素最为重要。分析证实，空气速度和扭转带的具体形状是驱动结果的主导力量。计算机模型，特别是被称为最小二乘支持向量机（Least Squares Support Vector Machine）和 XGBoost 的模型，表现出了惊人的准确性，对热传递和摩擦值的预测可靠性接近 99%。这意味着工程师现在可以使用这些数字模型来预测新型热交换器的表现，而无需制造并测试每一个物理原型，从而节省了大量的时间和资源。
最后，团队使用了一种先进的优化工具来寻找理想的操作条件。由于提高热传递往往会恶化摩擦情况，因此并不存在一个能同时实现最大化热传递和最小化摩擦的单一“完美”设置。相反，计算机生成了一系列最佳折中方案，称为“帕累托前沿”（Pareto front）。这些解决方案为工程师提供了一份选择菜单：一种方案可能优先考虑紧凑型系统的最大热传递，而另一种方案则可能优先考虑低能耗，适用于泵送成本较高的系统。研究结论指出，通过使用这些数据驱动的工具，设计出不仅能更有效地移动热量，而且在能源利用上更高效的热交换器是完全可能的，这应对了在人类消耗电量不断增加的世界中，对更好热管理能力的迫切需求。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。