Farklı Helis Yapılarında Çapraz Akışlı Isı Değiştiricinin Box-Bhenken Deney Tasarımı Uygulanarak Yapay Sinir Ağları ve Yüzey Yanıt Yöntemiyle Isı Transferi ve Akış Performans Optimizasyonu

Abstract

Bu çalışma, çapraz akışlı bir ısı değiştiricide farklı helisel kanatçık yapılarına sahip levhaların termal-hidrolik performansını Box-Bhenken deney tasarımlıyla deneysel, sayısal ve yapay zekâ tabanlı yöntemlerle incelemektedir. Üç farklı helisel kanatçık tipi (tek, iki ve üç ağızlı), her biri için sağ ve sol helis yönlerinde CNC ile üretilmiş yapıların, sıralı ve kaydırılmış levha dizilimlerinde kullanılmasıyla 12 konfigürasyon oluşturulmuş; bu yapıların türbülatörlü ve türbülatörsüz halleriyle birlikte toplam 24 farklı konfigürasyon değerlendirilmiştir. Deneysel çalışmalar kapsamında toplam ısı transfer katsayısı (U), taşınım katsayısı (h), ΔT (hava), ΔT (ln), ΔP (hava), Nusselt Sayısı, Reynolds Sayısı, f faktör, colburn j faktör, Stanton Sayısı, Termal Performans Faktörü (TPF), entropi (S) ve ekserji (X) değişimleri elde edilmiştir. Çalışmada ayrıca Solidworks, Spaceclaim, ANSYS Fluent, Fluent Meshing ve Discovery yazılımları ile sayısal olarak karşılaştırılmıştır. Ayrıca MATLAB ortamında geliştirilen Yapay Sinir Ağı (YSA) ve Yanıt Yüzey Yöntemi (YYY) modelleri ile sistem performansı modellenmiş ve optimize edilmiştir. RSM ile geliştirilen regresyon modelleri, özellikle Reynolds sayısının tahmininde istisnai bir başarı göstermiştir (R² ≈ 1.00, p < 10⁻¹²). Diğer parametrelerde de yüksek doğruluk elde edilmiştir: Nusselt sayısı için R² ≈ 0.90, sürtünme faktörü için R² ≈ 0.97 ve Colburn j faktörü için R² ≈ 0.94 olup, türbülans etkisiyle oluşan hata oranları %8–12 arasında değişmiştir.This study investigates the thermal-hydraulic performance of a cross-flow heat exchanger equipped with various helical fin structures by means of experimental, numerical, and artificial intelligence-based approaches utilizing the Box-Behnken design methodology. Three types of helical fins (single-port, double-port, and triple-port), each manufactured via CNC machining in both clockwise and counter-clockwise helical orientations, were arranged in sequential and staggered plate configurations, resulting in 12 distinct designs. Considering both with and without turbulator conditions, a total of 24 different configurations were evaluated. Experimental analyses yielded results for the overall heat transfer coefficient (U), convective heat transfer coefficient (h), air-side temperature difference (ΔT), logarithmic mean temperature difference (ΔT_lm), pressure drop (ΔP), Nusselt number (Nu), Reynolds number (Re), friction factor (f), Colburn j-factor, Stanton number (St), thermal performance factor (TPF), entropy generation (S), and exergy variation (X). The system was also numerically analyzed using SolidWorks, SpaceClaim, ANSYS Fluent, Fluent Meshing, and ANSYS Discovery software to validate and compare the results. Furthermore, performance modeling and optimization were conducted through Artificial Neural Networks (ANN) and Response Surface Methodology (RSM) developed in MATLAB. The regression models developed using the Response Surface Methodology (RSM) demonstrated exceptional accuracy in predicting the Reynolds number (R² ≈ 1.00, p < 10⁻¹²). High predictive performance was also achieved for other parameters: Nusselt number (R² ≈ 0.90), friction factor (R² ≈ 0.97), and Colburn j-factor (R² ≈ 0.94), with turbulence-induced error rates ranging between 8% and 12%.