폴리머 펜타 하이브리드 나노유체 압착 유동 예측

본 연구는 두 평행판 사이에 갇힌 폴리머 펜타 하이브리드 나노유체의 비정상 압착 유동 및 열전달 거동을 분석합니다. 비압축성, 층류 유동을 가정하고 점성 소산 및 나노입자 효과를 통합한 시간 의존적 수학적 모델을 개발했습니다. 이 모델은 연료전지, 레독스 흐름 전지, 전해조, 슈퍼커패시터와 같은 밀폐된 전기화학 에너지 시스템에 적용 가능합니다. 나노유체의 거동 예측을 위해 머신러닝 기반의 인공신경망(ANN) 모델을 통합했습니다. 은닉층에 시그모이드 활성화 함수, 출력층에 선형 뉴런을 사용하는 2계층 피드포워드 신경망을 Levenberg-Marquardt 역전파 알고리즘으로 훈련했습니다. 이 모델은 훈련, 검증 및 테스트 데이터셋 전반에 걸쳐 평균 제곱 오차(MSE)의 빠른 수렴과 낮은 오차 값을 보이며 높은 성능을 입증했습니다. 주요 결과에 따르면, 압착 매개변수와 나노입자 부피 분율이 증가하면 온도 프로파일이 감소하는 반면, 에커트 수 증가는 온도 프로파일을 증가시킵니다. 기하학적 비율 매개변수 증가는 미미한 온도 상승을 유발하며, 나노입자의 형상 계수는 온도 프로파일을 감소시킵니다. 특히, 형상 계수가 구형에서 박판형으로 변할 때, S < 0 및 S > 0 조건에서 초기 온도 프로파일이 각각 18.09% 및 7.39% 감소했습니다. ANN 모델의 평균 MSE 값은 10^-10 수준이었고, 기울기 값은 약 10^-8로 매우 높은 예측 정확도를 보였습니다. 이 연구는 동적 작동 조건에서 좁은 평행판 채널 내 전해질 수송 및 열 조절이 발생하는 전기화학 에너지 시스템의 설계 및 최적화에 기여할 수 있습니다.