تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,035 |
تعداد مشاهده مقاله | 52,539,795 |
تعداد دریافت فایل اصل مقاله | 15,243,616 |
مدلسازی عددی کوره های پخت شیشه سکوریت و بهینه سازی آن براساس الگوریتم ژنتیک | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 50، دوره 51، شماره 4 - شماره پیاپی 97، بهمن 1400، صفحه 453-461 اصل مقاله (487.13 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jmeut.2022.12366 | ||
نویسندگان | ||
مهدیس دادستان1؛ سید علیرضا مصطفوی2؛ حامد صفی خانی* 3 | ||
1دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه اراک، اراک، ایران | ||
2استادیار، گروه مهندسی مکانیک، دانشگاه اراک، اراک، ایران | ||
3دانشیار، گروه مهندسی مکانیک، دانشگاه اراک، اراک، اراک، ایران | ||
چکیده | ||
در این مقاله یک کوره پخت شیشه سکوریت به صورت عددی برای بررسی عملکرد انرژی مورد تجزیه و تحلیل قرار میگیرد. به منظور تولید شیشه سکوریت با استحکام بالا، شیشه خام باید در داخل کوره تا دمای C°700 گرم شود. مدلسازی عددی با استفاده از دینامیک سیالات محاسباتی شبیهسازی شده و با بررسی مدل تابشDO توزیع دما در کوره بدست آمده است. نتایج مدسازی عددی با دادههای تجربی اعتبارسنجی شدهاند. این بهینهسازی چندمنظوره با هدف کاهش مصرف انرژی کوره و کاهش هزینه اولیه ساخت کوره در کنار تولید شیشه سکوریت با کیفیت بالا انجام میشود. اثرات چندین متغیر طراحی براساس الگوریتم ژنتیک بررسی شده است. در بهینهسازی اثر متغیرهای طراحی مثل فاصله بین مشعلها و قطعات شیشه در داخل کوره، همچنین فاصله بین مشعل ها با یکدیگر، طول کوره، عرض کوره، ارتفاع کوره، و ... مورد بررسی قرار گرفته است. نتایج نشان می دهد که کاهش طول کوره، ارتفاع کوره، فاصله مشعل ها تا قطعات شیشه و ابعاد دریچه ورودی منجر به کاهش در هزینه های ساخت و همچنین کاهش مصرف سوخت در کنار تولید شیشه سکوریت با استاندارد مناسب میشود. با وجود اینکه کاهش متغیر طراحی عرض کوره نیز منجر به بهبود توابع هدف در بهینهسازی میشود، ولی مقدار آن براساس نظر طراح متناسب با کاربرد کوره میتواند افزایش بیابد. | ||
کلیدواژهها | ||
مدلسازی عددی؛ بهینه سازی چند هدفی؛ الگوریتم ژنتیک؛ شیشه سکوریت؛ کوره | ||
مراجع | ||
[1] Jinwoo O, Ukmin H, Jaehyung P, Hoseong L. Numerical investigation on energy performance of hot stamping furnace. Applied Thermal Engineering. 147.694-706, 2019. [2] Wang Ch, Zhou Y, Liang Z, Yang F. Heat transfer simulation and thermal efficiency analysis of new vertical heating furnace. Case Studies in Thermal Engineering.13. 400-414, 2019. [3] Hajaliakbari N, Hassanpour S, Analysis of thermal energy performance in continuous annealing furnace, Appl. Energy. 206. 829-842, 2017. [4] Ramamurthy H, Ramadhyani S, Viskanta R. A thermal system model for a radiant tube continuous reheating furnace. J Mater Eng. Perform. 4. 519-531,1995. [5] Niederer M, Strommer S, Steinboeck A, Kugi A. Nonlinear model predictive control of the strip temperature in an annealing furnace. J Proc Control. 48. 1-13, 2016. [6] Chena,T, Chungb Y.,. Liuc J.Analysis on energy consumption and performance of reheating furnaces in a hot strip mill . Heat and Mass Transfer. 32. 695-706, 2005. [7] Prieto M, Fernández F, Rendueles J. Development of stepwise thermal model for annealing line heating furnace. Ironmaking Steelmaking. 32. 165-170, 2005. [8] Suzuki M., Katsuki K., Imura J., optimization of slab permutation scheduling and heat controlling for a reheating furnace, J. Process Contr. 24(1). 225-238, 2014. [9] Fei W, Wang Y-Q, Qin S-R. Modeling of strip heating process in vertical continuous annealing furnace. J Iron Steel Res Int. 19. 29-36, 2012. [10] . Casal M., Porteiro J., Míguez J.L., Vázquez A., New methodology for three dimensional simulation of a walking beam type reheating furnace in steady state, Appl. Therm. Eng. 86. 69-80, 2015. [11] J.G. Kim, K.Y. Huh, I.T. Kim, Three-dimensional analysis of the walking beam type slab reheating furnace in hot strip mills, Numer. Heat Transf., Part A: Appl. 38. 589-609, 2000. [12] Rene Prieler , Bernhard Mayr , Martin Demuth , Burkhardt Holleis , Christophn Hochenauer, Prediction of the heating characteristic of billets in a walking hearth type reheating furnace using CFD. International Journal of Heat and Mass Transfer 92. 675-688, 2016. [13] Jaklic A., Kolenko T., Zupancic B., The influence of the space between the billets on the productivity of a continuous walking-beam furnace, Appl. Therm. Eng. 25. 783-795, 2005. [14] V.K. Singh, P. Talukdar, Comparisons of different heat transfer models of a walking beam type reheat furnace, Int. Commun. Heat Mass Transfer 47. 20-26,2013. [15] T. Morgado, P.J. Coelho, P. Talukdar, Assessment of uniform temperature assumption in zoning on the numerical simulation of a walking beam reheating furnace, Appl. Therm. Eng. 76. 496-508, 2015. [16] Piotr Jóźwiak, Jarosław Hercog, Aleksandra Kiedrzyńska, Krzysztof Badyda. CFD analysis of natural gas substitution with syngas in the industrial furnaces. Energy. 179 . 593-602, 2019. [17] Emadi A., Saboonchi A., Taheri M., Hassanpour S., Heating characteristics of billet in a walking hearth type reheating furnace. Applied Thermal Engineering. 63. 396-405, 2014. [18] Frank Pettersson , Henrik Saxén & Kalyanmoy Deb . Genetic Algorithm-Based Multicriteria Optimization of Ironmaking in the Blast Furnace. Materials and Manufacturing Processes, 24. 343-349, 2009. [19] Kwasi Foli , Tatsuya Okabe , Markus Olhofer , Yaochu Jin , Bernhard Sendhoff. Optimization of micro heat exchanger: CFD, analytical approach and multi-objective evolutionary algorithms. International Journal of Heat and Mass Transfer . 49. 1090-1099. (2006) [20] Chunbao Liu , Weiyang Bu, Dong Xu. Multi-objective shape optimization of a plate-fin heat exchanger using CFD and multi-objective genetic algorithm. International Journal of Heat and Mass Transfer. 111. 65-82, 2017. [21] Jiin-Yuh Jang, Jun-Bo Huang. Optimization of a slab heating pattern for minimum energy consumption in a walking-beam type reheating furnace. Applied Thermal Engineering . 85. 313-321, 2015. [22] Renan Hilbert , Ga´bor Janiga, Romain Baron , Dominique The´venin. Multi-objective shape optimization of a heat exchanger using parallel genetic algorithms. International Journal of Heat and Mass Transfer. 49. 2567-2577, 2006. [23] Marler R.T. and Arora J.S.. Survey of multi-objective optimization methods for engineering. Struct Multidisc Optim. 26. 369-395, 2004. [24] Versteeg H.W.Malalasekera, An Introduction to Computational Fluid Dynamics - The Finite Volume Method, 1995. [25] THEODORE L. BERGMAN,ADRIENNE S. LAVINE,FRANK P.INCROPERA,DAVID P. DEWITT. Fundamentals of Heat and Mass Transfer. SEVENTH EDITION, 2007. [26] Marler R.T. and Arora J.S,. Survey of multi-objective optimization methods for engineering. Struct Multidisc Optim. 26. 369-395. (2004) [27] Deb K., Multi-Objective Optimization using Evolutionary Algorithms, Wiley, London, 2001. | ||
آمار تعداد مشاهده مقاله: 541 تعداد دریافت فایل اصل مقاله: 323 |