Optimizarea globală a conductivității termice utilizând algoritmi stochastici Probleme inverse în știință
Articole originale
- Articol complet
- Cifre și date
- Referințe
- Citații
- Valori
- Reimprimări și permisiuni
- Obțineți acces /doi/full/10.1080/17415970802214673?needAccess=true
În acest articol, performanța unui algoritm de migrare auto-organizat (SOMA), un nou algoritm de optimizare stocastică, a fost comparată cu un algoritm genetic cu reprezentare în virgulă mobilă (GAF) și evoluție diferențială (DE) pentru o aplicație de inginerie. Această aplicație este estimarea conductivității termice aparente a alimentelor la temperatura de congelare utilizând o metodă inversă. Presupunând două funcții în bucăți pentru conductivitatea termică aparentă în funcție de datele de temperatură, ecuația de difuzie a căldurii a fost rezolvată pentru a estima variabilele necunoscute ale problemei inverse. Conductivitatea termică este ajustată continuu prin trei abordări ale algoritmilor de optimizare stocastică, utilizate pentru a minimiza un criteriu de performanță bazat pe informații de eroare pentru problema inversă. Au fost obținute variabilele care asigură cea mai bună condiție fizică între curbele timp-temperatură experimentale și cele prevăzute în centrul alimentelor în condiții de îngheț. Mai mult, o analiză statistică a arătat acordul între curbele raportate și curbele estimate. În acest domeniu al aplicației, abordările SOMA și DE depășesc GAF.