非支配ソート遺伝的アルゴリズム(NSGA-II)を用いたプレートフィン熱交換器の多目的最適化

1. 概要:

  • 題名: Multi-Objective Optimization of Plate-Fin Heat Exchangers via Non-Dominated Sequencing Genetic Algorithm (NSGA-II)
  • 著者: Shengchen Li, Zixin Deng, Jian Liu, Defu Liu
  • 発行年: 2022年
  • 掲載誌/学会: Applied Sciences

2. 研究背景:

プレートフィン熱交換器は、そのコンパクトで軽量な構造、優れた熱伝達性能、低い製造コストから、自動車エンジンの熱放散に広く用いられています。鋸歯状ジグザグフィンは、熱交換面を向上させる一般的な手法です。従来の研究では、遺伝的アルゴリズム、シミュレーテッドアニーリングアルゴリズム、モデル探索アルゴリズムなどの新しいアルゴリズムが、熱交換器の最適化設計研究に適用されてきました。しかし、これらの最適化アルゴリズムは、工学的実務への適用例が少なく、工学的応用のための計算手順が不足しています。また、自動車エンジンの熱放散に広く用いられているプレートフィン熱交換器に関する研究も不足しています。従来の対数平均温度差(LMTD)法や有効度-伝熱単位数(η-NTU)法を用いた熱交換器の最適設計は、コストがかかり、時間がかかります。本研究は、計算流体力学(CFD)とコンピュータ技術の発展に基づき、CFDを用いた多目的最適化により、プレートフィン熱交換器の最適性能を得ることを目的としています。

3. 研究目的と研究課題:

  • 研究目的: 拡張範囲ハイブリッド自動車エンジンのプレートフィン熱交換器の最適性能を得るために、CFDとNSGA-IIアルゴリズムに基づいた多目的最適化を行います。
  • 主要な研究課題: 鋸歯状ジグザグフィンの角度、オイル流量、水流量を入力パラメータとし、熱伝達量、オイル圧力損失、オイル出口温度を目的関数とする熱交換器の最適解をどのように見つけることができるか？
  • 研究仮説: NSGA-IIアルゴリズムとTOPSIS法を組み合わせることで、プレートフィン熱交換器の性能を最適化できる。

4. 研究方法:

  • 研究設計: CFDシミュレーションとNSGA-IIアルゴリズムに基づいた多目的最適化研究設計。
  • データ収集方法: 商用CFDソフトウェアFluentを用いて、45件の数値シミュレーションテストケースを設計し、鋸歯状ジグザグフィンの角度、オイル流量、水流量を変動させながら、熱伝達量、オイル圧力損失、オイル出口温度を測定します。シミュレーションの計算負荷を軽減するために、多孔質媒体モデルを使用します。
  • 分析方法: SVR（サポートベクター回帰）を用いて、熱伝達量、オイル圧力損失、オイル出口温度に関する回帰モデルを構築し、NSGA-IIアルゴリズムを用いて多目的最適化を行います。TOPSIS（理想解への類似性による選好順位決定法）を用いて、Pareto最適解集合から最適解を決定します。
  • 研究対象と範囲: 拡張範囲ハイブリッド自動車エンジン用のプレートフィン熱交換器。変数として、フィン角度（30°～90°）、オイル流量（5～15 L/min）、水流量（5～15 L/min）を設定。

5. 主要な研究結果:

  • 主要な発見: NSGA-IIアルゴリズムとTOPSIS法を用いて、フィン角度63.01°、オイル流量9.7 L/min、水流量6.45 L/minで熱交換器の最適性能が達成されました。この時の熱伝達量は9.79 kW、オイル圧力損失は13.63 kPa、オイル出口温度は65.11℃でした。オイル圧力損失はオイル流量に大きく影響され、フィン角度の減少に伴い、オイル圧力損失は減少してから再び増加する傾向を示しました。熱伝達量は、フィン角度、オイル流量、水流量の全てに影響を受け、オイル流量が10 L/min以下の場合、オイル流量の変化が熱伝達量に大きな影響を与え、10 L/minを超える場合は、水流量の変化がより大きな影響を与えました。オイル出口温度はフィン角度と反比例の関係を示しました。
  • 統計的/質的分析結果: 45件のシミュレーション結果をSVRで分析し、熱伝達量、オイル圧力損失、オイル出口温度に関する回帰モデルを構築しました。NSGA-IIによって得られたPareto最適解集合は、2000個の解を含んでいました。TOPSISを用いて最適解を導き出しました。シミュレーション結果と最適化結果の誤差は、熱伝達量で0.31%、オイル圧力損失で2.64%、オイル出口温度で0.17%でした。
  • データ解釈: 多孔質媒体モデルを用いたCFDシミュレーションと、SVR、NSGA-II、TOPSISを用いた多目的最適化手法によって得られた結果は互いに整合性があり、提案された最適化手法の妥当性を確認しました。
  • 図表リストと説明: （図表の番号と簡潔な説明を記載）
Figure 1. The heat exchangers are modeled from bottom to top as layers 1 to 14, where the odd-numbered layers are water-side fins and the even-numbered layers are oil-side fins: (a) Heat exchangers model, (b) Simplified model of heat exchangers.
Figure 1. The heat exchangers are modeled from bottom to top as layers 1 to 14, where the odd-numbered layers are water-side fins and the even-numbered layers are oil-side fins: (a) Heat exchangers model, (b) Simplified model of heat exchangers.
Figure 9. Simulation results of optimal parameters.
Figure 9. Simulation results of optimal parameters.

6. 結論と考察:

本研究では、CFDとNSGA-IIアルゴリズムを用いて、拡張範囲ハイブリッド自動車エンジン用のプレートフィン熱交換器の多目的最適化を行いました。TOPSISを用いてPareto最適解集合の中から最適解を選択し、最適なフィン角度、オイル流量、水流量を導き出しました。シミュレーション結果と最適化結果の高い一致率は、提案手法の有効性を示しています。本研究は、熱交換器設計最適化のための実際的な指針を提供します。

7. 今後の研究提案:

  • 今後の研究では、実際に熱交換器を作成し、実験を行い、シミュレーション結果の精度を検証し、様々な運転条件下での最適化研究を行うことができます。
  • 異なるタイプのフィン構造や異なる流体に関する研究に拡張することができます。
  • より高度な最適化アルゴリズムや機械学習手法を導入し、最適化の効率性を高めることができます。
  • 熱交換器の耐久性と信頼性に関する評価を含む研究が必要となります。

8. 参考文献概要:

（論文にある参考文献リストをそのまま記述する必要があります。）

  1. Ning, J.; Wang, X.; Sun, Y.; Zheng, C.; Zhang, S.; Zhao, X.; Liu, C.; Yan, W. Experimental and numerical investigation of additively manufactured novel compact plate-fin heat exchanger. Int. J. Heat Mass Transf. 2022, 190, 122818. [Google Scholar] [CrossRef]
  2. Bhuiyan, A.A.; Islam, A.S. Thermal and hydraulic performance of finned-tube heat exchangers under different flow ranges: A review on modeling and experiment. Int. J. Heat Mass Transf. 2016, 101, 38–59. [Google Scholar] [CrossRef]
  3. Xu, P.; Wen, J.; Zhao, X.; Hao, H.; Wang, S.; Li, Y. Numerical investigation on serrated fin of sub-atmosphere plate-fin heat exchanger used in superfluid helium system. Cryogenics 2021, 119, 103351. [Google Scholar] [CrossRef]
  4. Zhang, Y.; Peng, J.; Yang, R.; Yuan, L.; Li, S. Weight and performance optimization of rectangular staggered fins heat exchangers for miniaturized hydraulic power units using genetic algorithm. Case Stud. Therm. Eng. 2021, 28, 101605. [Google Scholar] [CrossRef]
  5. Peng, F.; Cui, G. Efficient simultaneous synthesis for heat exchanger network with simulated annealing algorithm. Appl. Therm. Eng. 2015, 78, 136–149. [Google Scholar] [CrossRef]
  6. Ishaque, S.; Kim, M.-H. Refrigerant circuitry optimization of finned tube heat exchangers using a dual-mode intelligent search algorithm. Appl. Therm. Eng. 2022, 212, 118576. [Google Scholar] [CrossRef]
  7. Lee, K.; Kim, M.; Ha, M.Y.; Min, J.K. Investigation of heat-exchanger-sizing methods using genetic, pattern search, and simulated annealing algorithms and the effect of entropy generation. J. Mechan. Sci. Technol. 2018, 32, 915–928. [Google Scholar] [CrossRef]
  8. Bhutta, M.M.A.; Hayat, N.; Bashir, M.H.; Khan, A.R.; Ahmad, K.N.; Khan, S. CFD applications in various heat exchangers design: A review. Appl. Therm. Eng. 2012, 32, 1–12. [Google Scholar] [CrossRef]
  9. Kritikos, K.; Albanakis, C.; Missirlis, D.; Vlahostergios, Z.; Goulas, A.; Storm, P. Investigation of the thermal efficiency of a staggered elliptic-tube heat exchanger for aeroengine applications. Appl. Therm. Eng. 2010, 30, 134–142. [Google Scholar] [CrossRef] [Green Version]
  10. Tiwari, A.K.; Ghosh, P.; Sarkar, J.; Dahiya, H.; Parekh, J. Numerical investigation of heat transfer and fluid flow in plate heat exchanger using nanofluids. Int. J. Therm. Sci. 2014, 85, 93–103. [Google Scholar] [CrossRef]
  11. Wang, J.; Bian, H.; Cao, X.; Ding, M. Numerical performance analysis of a novel shell-and-tube oil cooler with wire-wound and crescent baffles. Appl. Therm. Eng. 2021, 184, 116298. [Google Scholar] [CrossRef]
  12. Li, W.; Paul, M.; Siviter, J.; Montecucco, A.; Knox, A.; Sweet, T.; Min, G.; Baig, H.; Mallick, T.; Han, G. Thermal performance of two heat exchangers for thermoelectric generators. Case Stud. Therm. Eng. 2016, 8, 164–175. [Google Scholar] [CrossRef]
  13. Li, J.; Peng, H.; Ling, X. Numerical study and experimental verification of transverse direction type serrated fins and field synergy principle analysis. Appl. Therm. Eng. 2013, 54, 328–335. [Google Scholar] [CrossRef]
  14. Kim, M.; Ha, M.Y.; Min, J.K. A numerical study on the aero-thermal performance of a slanted-pin-fin cooler under a high-speed-bypass condition. Int. J. Heat Mass Transf. 2018, 119, 791–812. [Google Scholar] [CrossRef]
  15. Patankar, S.; Spalding, D. Computer analysis of the three-dimensional flow and heat transfer in a steam generator. In Numerical Prediction of Flow, Heat Transfer, Turbulence and Combustion; Elsevier: Amsterdam, The Netherlands, 1983; pp. 293–298. [Google Scholar] [CrossRef]
  16. Zhang, Q.; Qin, S.; Ma, R. Simulation and experimental investigation of the wavy fin-and-tube intercooler. Case Stud. Therm. Eng. 2016, 8, 32–40. [Google Scholar] [CrossRef] [Green Version]
  17. Esfe, M.H.; Mahian, O.; Hajmohammad, M.H.; Wongwises, S. Design of a heat exchanger working with organic nanofluids using multi-objective particle swarm optimization algorithm and response surface method. Int. J. Heat Mass Transf. 2018, 119, 922–930. [Google Scholar] [CrossRef]
  18. Guo, K.; Zhang, N.; Smith, R. Design optimisation of multi-stream plate fin heat exchangers with multiple fin types. Appl. Therm. Eng. 2018, 131, 30–40. [Google Scholar] [CrossRef] [Green Version]
  19. Hadidi, A. A robust approach for optimal design of plate fin heat exchangers using biogeography based optimization (BBO) algorithm. Appl. Energy 2015, 150, 196–210. [Google Scholar] [CrossRef]
  20. Aminmahalati, A.; Fazlali, A.; Safikhani, H. Multi-objective optimization of CO boiler combustion chamber in the RFCC unit using NSGA II algorithm. Energy 2021, 221, 119859. [Google Scholar] [CrossRef]
  21. Li, J.; Zuo, W.; Jiaqiang, E.; Zhang, Y.; Li, Q.; Sun, K.; Zhou, K.; Zhang, G. Multi-objective optimization of mini U-channel cold plate with SiO2 nanofluid by RSM and NSGA-II. Energy 2022, 242, 123039. [Google Scholar] [CrossRef]
  22. Çelikbilek, Y.; Tüysüz, F. An in-depth review of theory of the TOPSIS method: An experimental analysis. J. Manage. Analyt. 2020, 7, 281–300. [Google Scholar] [CrossRef]
  23. Yusuf, A.; Bayhan, N.; Tiryaki, H.; Hamawandi, B.; Toprak, M.S.; Ballikaya, S. Multi-objective optimization of concentrated Photovoltaic-Thermoelectric hybrid system via non-dominated sorting genetic algorithm (NSGA II). Energy Convers. Manage. 2021, 236, 114065. [Google Scholar] [CrossRef]
  24. Muzychka, Y.S.; Yovanovich, M.M. Modeling the f and j Characteristics for Transverse Flow Through an Offset Strip Fin at Low Reynolds Number. Heat Transf. 1999, 1, 79–90. [Google Scholar] [CrossRef]
  25. Huang, Y.; Liu, Z.; Lu, G.; Yu, X. Multi-scale thermal analysis approach for the typical heat exchanger in automotive cooling systems. Int. Communicat. Heat Mass Transf. 2014, 59, 75–87. [Google Scholar] [CrossRef]
  26. Shivakumara, I.; Ravisha, M.; Ng, C.-O.; Varun, V. A thermal non-equilibrium model with Cattaneo effect for convection in a Brinkman porous layer. Int. J. Non-Linear Mechan. 2015, 71, 39–47. [Google Scholar] [CrossRef] [Green Version]
  27. Zhang, J.-F.; He, Y.-L.; Tao, W.-Q. 3D numerical simulation on shell-and-tube heat exchangers with middle-overlapped helical baffles and continuous baffles–Part I: Numerical model and results of whole heat exchanger with middle-overlapped helical baffles. Int. J. Heat Mass Transf. 2009, 52, 5371–5380. [Google Scholar] [CrossRef]
  28. Gu, Y.; Liu, X.; Liu, W.; Liu, Y.; Zhai, X.; Xuan, Y.; Peng, T.; Jiang, W. Research on heat transfer and pressure drop performance of plain plate fin-and-tube oil cooler. Chem. Eng. Process. Process Intensificat. 2020, 158, 108187. [Google Scholar] [CrossRef]
  29. Torii, K.; Kwak, K.; Nishino, K. Heat transfer enhancement accompanying pressure-loss reduction with winglet-type vortex generators for fin-tube heat exchangers. Int. J. Heat Mass Transf. 2002, 45, 3795–3801. [Google Scholar] [CrossRef]
  30. Xu, X.; Zhang, X.; Ke, P.; Wang, C.; Yang, H.; Yang, C. Study on the heat transfer characteristic of compact heat exchanger based on experimental data. Proced. Eng. 2015, 121, 293–299. [Google Scholar] [CrossRef]
  31. Ahmad, M.S.; Adnan, S.M.; Zaidi, S.; Bhargava, P. A novel support vector regression (SVR) model for the prediction of splice strength of the unconfined beam specimens. Construct. Build. Mater. 2020, 248, 118475. [Google Scholar] [CrossRef]
  32. Panahi, M.; Sadhasivam, N.; Pourghasemi, H.R.; Rezaie, F.; Lee, S. Spatial prediction of groundwater potential mapping based on convolutional neural network (CNN) and support vector regression (SVR). J. Hydrol. 2020, 588, 125033. [Google Scholar] [CrossRef]
  33. Brereton, R.G.; Lloyd, G.R. Support vector machines for classification and regression. Analyst 2010, 135, 230–267. [Google Scholar] [CrossRef] [PubMed]
  34. Pan, Y.; Jiang, J.; Wang, R.; Cao, H.; Cui, Y. A novel QSPR model for prediction of lower flammability limits of organic compounds based on support vector machine. J. Hazard. Mater. 2009, 168, 962–969. [Google Scholar] [CrossRef] [PubMed]
  35. Liu, Y.; Wang, L.; Gu, K. A support vector regression (SVR)-based method for dynamic load identification using heterogeneous responses under interval uncertainties. Appl. Soft Comput. 2021, 110, 107599. [Google Scholar] [CrossRef]
  36. Smola, A.J.; Schölkopf, B. A tutorial on support vector regression. Stat. Comput. 2004, 14, 199–222. [Google Scholar] [CrossRef] [Green Version]
  37. Wang, Z.; Sobey, A. A comparative review between Genetic Algorithm use in composite optimisation and the state-of-the-art in evolutionary computation. Compos. Struct. 2020, 233, 111739. [Google Scholar] [CrossRef]
  38. Gunantara, N. A review of multi-objective optimization: Methods and its applications. Cogent Eng. 2018, 5, 1502242. [Google Scholar] [CrossRef]
  39. Bre, F.; Fachinotti, V.D. A computational multi-objective optimization method to improve energy efficiency and thermal comfort in dwellings. Energy Build. 2017, 154, 283–294. [Google Scholar] [CrossRef] [Green Version]
  40. Evins, R.; Pointer, P.; Vaidyanathan, R.; Burgess, S. A case study exploring regulated energy use in domestic buildings using design-of-experiments and multi-objective optimisation. Build. Environ. 2012, 54, 126–136. [Google Scholar] [CrossRef]

著作権と参考文献:

この要約は、Shengchen Li、Zixin Deng、Jian Liu、Defu Liuによる論文「非支配ソート遺伝的アルゴリズム(NSGA-II)を用いたプレートフィン熱交換器の多目的最適化」に基づいて作成されました。

論文出典：[DOI URLを挿入]

この要約は上記の論文に基づいて要約されており、商用目的での無断使用は禁止されています。
Copyright © 2025 CASTMAN. All rights reserved.

Multi-Objective Optimization of Plate-Fin Heat Exchangers via Non-Dominated Sequencing Genetic Algorithm (NSGA-II)Download
Tags: Applications; ,CFD; ,cold plate; ,convolutional neural network; ,Efficiency; ,Review; ,자동차