دانلود پایان نامه

برای پوشش نوشته میشود:
۴-۵
که در این رابطه توزیع پلانک است [۴۹].
۴-۶
خواص تشعشعی پوشش یعنی ،،وبا استفاده از روش ماتریسی معرفی شده در فصل ۳ محاسبه میشود. به این ترتیب تنها مجهول رابطه ۴-۵، Ts خواهد بود و با حل این معادله، Ts بدست میآید. حال با معلوم بودن تمام مقادیر میتوان، توان خنککاری (CP) را محاسبه کرد:
۴-۷
با این تعریف مقادیر منفی CP به معنای خنککاری و مقادیر مثبت به معنای گرمایش است.
در پروژهی حاضر، برای توزیع طیفی شار تشعشعی خورشید از مقادیر اندازه گیری شده در ASTM G173-03 استفاده شده[۵۱] (شکل ۴-۴) و برای توزیع طیفی تشعشع جو از یک توزیع پلانک در دمای ۲۸۵ K استفاده شده، که در بازه پنجرهی اتمسفری توزیع پلانک در ضریب ۰.۱ ضرب شده است (شکل ۴-۵). ضرایب شکست و استهلاک هر ماده، بر حسب طول موج از مرجع [۵۲] استخراج شده اند.
بیشترین توان خنککاری قابل دسترس، با توان خنککاری یک جسم سیاه در دمای محیط در طول شب، برابر است. در نتیجه با فرضیات انجام شده حداکثر CP در دسترس برابر با -۱۹۳ w/m2 خواهد بود.

شکل ‏۴-۴- شار طیفی خورشید

شکل ‏۴-۵- شار طیفی جو

به علاوه ضرایب Rsol , Tsol , Asol , R8-13 , T8-13 , A8-13 برای پوشش جابهجایی به عنوان ضرایب جذب، عبور و بازتاب متوسط در بازه تشعشع خورشید و پنجره اتمسفری مطابق روابط ۴-۸ تا ۴-۱۳ تعریف میشود:
۴-۸
۴-۹
۴-۱۰
۴-۱۱
۴-۱۲
۴-۱۳
به این ترتیب CP به عنوان تابع هدف جهت بهینهسازی در نظر گرفته شده است و هدف مینیمم کردن (منفی تر کردن) آن است.
۴-۲ آینههای حرارتی
در این بخش ضرایب Tvis، R0.7-2.4 و R4-85 به ترتیب به عنوان ضریب عبور در ناحیه نور مرئی، ضریب بازتاب در بازه ۷/۰ تا ۴/۲ میکرومتر و ضریب بازتاب در بازه ۴ تا ۸۵ میکرومتر تعریف میشود:
۴-۱۴
۴-۱۵
۴-۱۶
در یک آینه حرارتی ایدهآل باید این سه ضریب ماکزیمم باشند. به دلیل اینکه در بازه ۴/۲ تا ۴ میکرومتر شار تشعشعی قابل ملاحظهای در محیط وجود ندارد این بازه اهمیتی در محاسبات ندارد. به دلیل اینکه شار تشعشعی در بازه ۷/۰ تا ۴/۲ میکرومتر تنها مربوط به شار تشعشعی خورشید است (در محیط هیچ جسمی با دمای خورشید وجود ندارد) این بازه جدا شده است و بازهی ۴ تا ۸۵ میکرومتر مربوط به انتقال حرارت تشعشعی در دماهای معمول در سطح زمین است. تابع هدف به صورت زیر تعریف شده است:
۴-۱۷
در بهینهسازی هدف مینیمم کردن (منفی تر کردن) این مقدار است.
۴-۳ ضریب جذب ماکزیمم در محدوده تشعشع خورشید
در این بخش هدف ماکزیمم کردن Asol معرفی شده در رابطهی ۴-۸ است. بنابراین تابع هدف بهینه سازی به صورت زیر تعریف میشود:
۴-۱۸
در بهینهسازی هدف مینیمم کردن (منفی تر کردن) این مقدار است.
۴-۴ ضریب عبور ماکزیمم در محدودهتشعشع خورشید
در این بخش هدف ماکزیمم کردن Tsol معرفی شده در رابطه ۴-۹ است. بنابراین تابع هدف بهینه سازی به صورت زیر تعریف میشود:
۴-۱۹
در بهینهسازی هدف مینیمم کردن (منفی تر کردن) این مقدار است.
۴-۵ ضریب بازتاب ماکزیمم در محدوده تشعشع خورشید
در این بخش هدف ماکزیمم کردن Rsol معرفی شده در رابطه ۴-۱۰ است. بنابراین تابع هدف بهینه سازی به صورت زیر تعریف میشود:
۴-۲۰
در بهینهسازی هدف مینیمم کردن (منفی تر کردن) این مقدار است.
۴-۶ روش بهینهسازی
۴-۶-۱ الگوریتم ژنتیک[۵۳]
الگوریتم ژنتیک یک روش بسیار کارآمد برای بهینهسازی توابع چند متغیره است. این الگوریتم از اصل انتخاب طبیعی داروین الهام گرفته است، به این معنی که در اثر تولید مثل و جهش ژنتیکی بین اعضای یک جمعیت به مرور زمان ویژگیهای اعضا با توجه به شرایط محیط بهینه میشود. در این روش در ابتدا یک جمعیت اولیه (مجموعهای از نقاط) محدوده تعریف شده، به صورت تصادفی انتخاب میشود. نسلهای بعدی به کمک تولید مثل تصادفی بین اعضای جمعیت و همچنین با در نظر گرفتن جهش ژنتیکی بدست میآیند. تولید مثل به صورت یک عملیات ریاضی (به طور مثال میانگین بین مؤلفههای نقاط یا ترکیب ارقام باینری هر مؤلفه) تعریف میشود، که با یک احتمال پایین (جهش ژنتیکی) یک یا تعدادی از مؤلفهها میتوانند در محدودهی تعریف شده جهش کنند. میزان سازگاری هر عضو به کمک مقدار تابع هدف برای آن عضو محاسبه میشود. احتمال تولید مثل بین اعضا برمبنای مقدار تابع هدف برای هر عضو تعریف میشود. به این ترتیب پس از پشت سر گذاشتن چند نسل، مقدار مینیمم تابع هدف بدست میآید. شرط همگرایی این روش یا دستیابی به مقادیر مطلوب تابع هدف خواهد بود. همچنین در صورتیکه پس از سپری شدن تعداد معینی نسل، مقدار بهینه تابع هدف تغییر نکند، الگوریتم متوقف خواهد شد. فلوچارت مربوط به این الگوریتم در شکل ۴-۶ رسم شده است.

شکل ‏۴-۶ – فلوچارت الگوریتم ژنتیک

مزایای عمده این روش عبارتند از:
– به علت استفاده از یک جمعیت تصادفی اولیه به جای نقطه اولیه، احتمال توقف الگوریتم در نقاط اپتیمم محلی کمتر از روشهای دیگر است.
– مشتقات تابع هدف در این روش مورد استفاده قرار نمیگیرد.
معایب عمده این روش عبارتند از:
– به علت ماهیت تصادفی این روش، با هر بار اجرای الگوریتم ممکن است نتایج متفاوتی بدست آید.
– این روش بسیار کند است.
۴-۶-۲ روش عملیات حرارتی شبیهسازی شده [۵۳]
روش عملیات حرارتی شبیهسازی شده یک روش بسیار سریع و کارآمد برای بهینهسازی یک تابع چندمتغیره است. در این روش از کاهش انرژی داخلی در مرحلهی خنککاری در عملیات حرارتی الهام گرفته شده است. ابتدا نقطه اولیه مشخص شود. در ابتدا یک نقطه تصادفی، در همسایگی نقطه اولیه انتخاب میشود. با الهام از توزیع احتمال بولتزمان در ترمودینامیک آماری، نقطه جدید با احتمال انتخاب میشود. که (تغییر انرژی) اختلاف تابع هدف برای دو نقطه، (ثابت بولتزمان) یک عدد ثابت دلخواه و (دما) در ابتدای الگوریتم به صورت یک عدد بزرگ در نظر گرفته میشود که در ادامه به مرور کاهش خواهد یافت. درصورتیکه نقطه جدید انتخاب شود، در ادامه الگوریتم نقاط تصادفی بعدی حول همسایگی این نقطه انتخاب خواهد شد، ولی درصورتیکه نقطه جدید انتخاب نشود نقاط بعدی حول همسایگی نقطه قبلی انتخاب خواهد شد. چنانچه پس از تعداد معینی تکرار، نقطه جدیدی انتخاب نشود، با نسبت معینی کاهش خواهد یافت. شرط همگرایی الگوریتم کوچکتر شدن از مقدار معین تعیین شده در ابتدا است. همچنین در صورتیکه پس از تعداد معینی تکرار، مقدار بهینه تغییر نکند، الگوریتم متوقف خواهد شد. فلوچارت مربوطه در شکل ۴-۷ رسم شده است.
مزایای عمده این روش عبارتند از:
– این روش نسبت به الگوریتم ژنتیک بسیار سریعتر است.
– مشتقات تابع هدف در این روش مورد استفاده قرار نمیگیرد.
– با توجه به اینکه در این روش کل محدوده به صورت تصادفی مورد بررسی قرار میگیرد، نتایج در اکثر موارد مستقل از نقطه اولیه است.
معایب عمده این روش عبارتند از:
– به علت ماهیت تصادفی این روش، با هر بار اجرای الگوریتم ممکن است نتایج متفاوتی بدست آید.
– نیاز به نقطه اولیه.

شکل ‏۴-۷- فلوچارت روش عملیات حررتی شبیهسازی شده
در پروژه حاضر کلیه توابع هدف بهینهسازی به صورت تابعی از تعداد لایهها، کد مربوط به جنس هر لایه، ضخامت هر لایه و زاویه تابش در محیط نرم افزار MATLAB تعریف شده است و بهینهسازی به دو روش یاد شده، به کمک این نرم افزار انجام شده است. متغیرهای بهینهسازی در هر حالت ورودیهای تابع هدف تعریف شده خواهد بود.

۵- فصل پنجم
فصل چهارم: ارائه و تحلیل نتایج
در این فصل پس از اعتبارسنجی محاسبات، نتایج حاصل از بهینهسازی به همراه تحلیل نتایج آورده خواهد شد. جهت معرفی هر ساختار، جنس هر لایه به ترتیب از بالا (رو به آسمان) به پایین، از چپ به راست نوشته شده است. لایهها با علامت “/” از هم جدا میشوند و دو طرف لایه ضخیم از علامت “//” استفاده شده است. ضخامت هر لایه داخل پرانتز ذکر خواهد شد.
۵-۱ اعتبارسنجی محاسبات
خواص تشعشعی تعدادی از پوششهای تک لایه و پوششهای لایهنازک از موادی که در این پروژه مورد بررسی قرار گرفته اند، با مقادیر اندازهگیری شده در مراجع دیگر مقایسه شده و در شکلهای ۵-۱ تا ۵-۹ آورده شده است. تقریبا در تمامی موارد انطباق خوبی بین مقدار محاسبه شده و مقدار اندازهگیری شده دیده میشود.

شکل ‏۵-۱- ضریب عبور و بازتاب یک لایه Al2O3 به ضخامت ۳ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]

شکل ‏۵-۲- ضریب عبور و بازتاب یک لایه CaF2 به ضخامت ۵ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]

شکل ‏۵-۳- ضریب عبور یک لایه پلیاتیلن به ضخامت ۵۰ میکرومتر و یک لایه پلیاتیلن با پوشش ۱۲۰ نانومتر Te و مقایسه با مقادیر اندازهگیری شده در مرجع [۲۶]

شکل ‏۵-۴- ضریب عبور و بازتاب یک لایه KBr به ضخامت ۵ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]

شکل ‏۵-۵- ضریب عبور و بازتاب یک لایه LiF به ضخامت ۵ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]

شکل ‏۵-۶- ضریب عبور و بازتاب یک لایه NaF به ضخامت ۶/۱ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]

شکل ‏۵-۷- ضریب عبور یک لایه پلی اتیلن به ضخامت ۵۰ میکرومتر پوشش داده شده با لایه نازک PbSe به ضخامت ۲۱۰ نانومتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۲۸]

شکل ‏۵-۸- ضریب عبور یک لایه پلیاتیلن به ضخامت ۴۲۰ میکرومتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۲۳]

شکل ‏۵-۹- ضریب عبور و بازتاب یک لایه SrTiO3 به ضخامت ۱/۳ میلیمتر و مقایسه با مقادیر اندازهگیری شده در مرجع [۵۴]
۵-۲ خنککاری تشعشعی
۵-۲-۱ خنککاری در طول روز
برای خنککاری در طول روز باید ضرایب شکست و استهلاک مواد مورد بررسی هم در محدوده تشعشع خورشید و هم در بازه ۴-۸۵ ?m موجود باشد. به این دلیل ، مواد Ge ، Te ، PbTe ، PbSeو Cubic-ZnS در نظر گرفته شده اند.
بهینه سازی در ۱۱ مرحله انجام شده

دسته بندی : No category

دیدگاهتان را بنویسید