Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Hanief, Mohammad" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Enhancement of heat transfer in helical coil heat exchangers using nano-fluids
Autorzy:
Parveez, Malik
Hanief, Mohammad
Powiązania:
https://bibliotekanauki.pl/articles/2173429.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
nano-fluids
heat transfer
Nusselt number
Prandtl number
volume fraction
nanopłyny
przenoszenie ciepła
liczba Nusselta
liczba Prandtla
ułamek objętościowy
Opis:
Investigation for heat transfer behaviour of Al2O3 and CuO nano-fluid in helical coil heat exchangers was carried out in this study. The thermo-physical properties of the fluids have temperature dependent nature. The main emphasis was to depict the influence of nano-particle concentration by volume on the characteristics of temperature, rate of heat transfer and heat transfer coefficients (convective). In order to enhance efficiency, density and thermal conductivity are considered to be the most important variables. In comparison to water and for equal flow rate, the rate of heat transfer of nano-fluid increases conspicuously. Efficiency of the helical coil heat exchanger increased by 38.80%.
Źródło:
Chemical and Process Engineering; 2022, 43, 2; 279--283
0208-6425
2300-1925
Pojawia się w:
Chemical and Process Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling and prediction of thermal conductivity ratio of metal-oxide based nano-fluids using artificial neural network and power law
Autorzy:
Hanief, Mohammad
Irfan, Quresh
Parvez, Malik
Powiązania:
https://bibliotekanauki.pl/articles/2173427.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
nano-fluids
thermal conductivity ratio
artificial neural network
regression
ANOVA
nanociecze
współczynnik przewodności cieplnej
sztuczna sieć neuronowa
regresja
Opis:
In this study, the thermal conductivity ratio model for metallic oxide based nano-fluids is proposed. The model was developed by considering the thermal conductivity as a function of particle concentration (percentage volume), temperature, particle size and thermal conductivity of the base fluid and nano-particles. The experimental results for Al2O3, CuO, ZnO, and TiO2 particles dispersed in ethylene glycol, water and a combination of both were adopted from the literature. Artificial neural network (ANN) and power law models were developed and compared with the experimental data based on statistical methods. ANOVA was used to determine the relative importance of contributing factors, which revealed that the concentration of nano-particles in a fluid is the single most important contributing factor of the conductivity ratio.
Źródło:
Chemical and Process Engineering; 2022, 43, 2; 159--163
0208-6425
2300-1925
Pojawia się w:
Chemical and Process Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies