مدلسازی عددی کوره های پخت شیشه سکوریت و بهینه سازی آن براساس الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه اراک، اراک، ایران

2 استادیار، گروه مهندسی مکانیک، دانشگاه اراک، اراک، ایران

3 دانشیار، گروه مهندسی مکانیک، دانشگاه اراک، اراک، اراک، ایران

چکیده

در این مقاله یک کوره پخت شیشه سکوریت به صورت عددی برای بررسی عملکرد انرژی مورد تجزیه و تحلیل قرار می‌گیرد. به منظور تولید شیشه سکوریت با استحکام بالا، شیشه خام باید در داخل کوره تا دمای C°700 گرم شود. مدل‌سازی عددی با استفاده از دینامیک سیالات محاسباتی شبیه‌سازی شده و با بررسی مدل تابشDO  توزیع دما در کوره بدست آمده است. نتایج مدسازی عددی با داده‌های تجربی اعتبارسنجی شده­اند. این بهینه‌سازی چندمنظوره با هدف کاهش مصرف انرژی کوره و کاهش هزینه اولیه ساخت کوره در کنار تولید شیشه سکوریت با کیفیت بالا انجام می­شود. اثرات چندین متغیر طراحی براساس الگوریتم ژنتیک بررسی شده است. در بهینه­سازی اثر متغیرهای طراحی مثل فاصله بین مشعل­ها و قطعات شیشه در داخل کوره، همچنین فاصله بین مشعل ها با یکدیگر، طول کوره، عرض کوره، ارتفاع کوره، و ... مورد بررسی قرار گرفته ­است. نتایج نشان می دهد که کاهش طول کوره، ارتفاع کوره، فاصله مشعل ها تا  قطعات شیشه و ابعاد دریچه ورودی منجر به کاهش در هزینه های ساخت و همچنین کاهش مصرف سوخت در کنار تولید شیشه سکوریت با استاندارد مناسب می­شود. با وجود اینکه کاهش متغیر طراحی عرض کوره نیز منجر به بهبود توابع هدف در بهینه­سازی می­شود، ولی مقدار آن براساس نظر طراح متناسب با کاربرد کوره می­تواند افزایش بیابد.

کلیدواژه‌ها

موضوعات


[1]     Jinwoo O, Ukmin H, Jaehyung P, Hoseong L. Numerical investigation on energy performance of hot stamping furnace. Applied Thermal Engineering. 147.694-706, 2019.
[2]                 Wang Ch, Zhou Y, Liang Z, Yang F. Heat transfer simulation and thermal efficiency analysis of new vertical heating furnace. Case Studies in Thermal Engineering.13. 400-414, 2019.
[3]                  Hajaliakbari N, Hassanpour S, Analysis of thermal energy performance in continuous annealing furnace, Appl. Energy. 206. 829-842, 2017.
[4]                  Ramamurthy H, Ramadhyani S, Viskanta R. A thermal system model for a radiant tube continuous reheating furnace. J Mater Eng. Perform. 4. 519-531,1995.
[5]                   Niederer M, Strommer S, Steinboeck A, Kugi A. Nonlinear model predictive control of the strip temperature in an annealing furnace. J Proc Control. 48. 1-13, 2016.
[6]                  Chena,T, Chungb Y.,. Liuc J.Analysis on energy consumption and performance of reheating furnaces in a hot strip mill . Heat and Mass Transfer. 32. 695-706, 2005.
[7]                   Prieto M, Fernández F, Rendueles J. Development of stepwise thermal model for annealing line heating furnace. Ironmaking Steelmaking. 32. 165-170, 2005.
[8]               Suzuki M., Katsuki K., Imura J., optimization of slab permutation scheduling and heat controlling for a reheating furnace, J. Process Contr. 24(1). 225-238, 2014.  
[9]     Fei W, Wang Y-Q, Qin S-R. Modeling of strip heating process in vertical continuous annealing furnace. J Iron Steel Res Int. 19. 29-36, 2012.
[10]                 . Casal M., Porteiro J., Míguez J.L., Vázquez A., New methodology for three dimensional simulation of a walking beam type reheating furnace in steady state, Appl. Therm. Eng. 86. 69-80, 2015.
[11]  J.G. Kim, K.Y. Huh, I.T. Kim, Three-dimensional analysis of the walking beam type slab reheating furnace in hot strip mills, Numer. Heat Transf., Part A: Appl. 38. 589-609, 2000.
[12] Rene Prieler , Bernhard Mayr , Martin Demuth , Burkhardt Holleis , Christophn Hochenauer, Prediction of the heating characteristic of billets in a walking hearth type reheating furnace using CFD. International Journal of Heat and Mass Transfer 92. 675-688, 2016.
[13] Jaklic A., Kolenko T., Zupancic B., The influence of the space between the billets on the productivity of a continuous walking-beam furnace, Appl. Therm. Eng.  25. 783-795, 2005.
[14] V.K. Singh, P. Talukdar, Comparisons of different heat transfer models of a walking beam type reheat furnace, Int. Commun. Heat Mass Transfer  47. 20-26,2013.
[15] T. Morgado, P.J. Coelho, P. Talukdar, Assessment of uniform temperature assumption in zoning on the numerical simulation of a walking beam reheating furnace, Appl. Therm. Eng.  76. 496-508, 2015.
[16] Piotr Jóźwiak, Jarosław Hercog, Aleksandra Kiedrzyńska, Krzysztof Badyda. CFD analysis of natural gas substitution with syngas in the industrial furnaces. Energy. 179 .  593-602, 2019.  
[17] Emadi A., Saboonchi A., Taheri M., Hassanpour S., Heating characteristics of billet in a walking hearth type reheating furnace. Applied Thermal Engineering. 63. 396-405, 2014.
[18] Frank Pettersson , Henrik Saxén  & Kalyanmoy Deb . Genetic Algorithm-Based Multicriteria Optimization of  Ironmaking in the Blast Furnace. Materials and Manufacturing Processes, 24. 343-349, 2009.
[19] Kwasi Foli , Tatsuya Okabe , Markus Olhofer , Yaochu Jin , Bernhard Sendhoff. Optimization of micro heat exchanger: CFD, analytical approach and multi-objective evolutionary algorithms.  International Journal of Heat and Mass Transfer . 49. 1090-1099. (2006)
[20] Chunbao Liu , Weiyang Bu, Dong Xu. Multi-objective shape optimization of a plate-fin heat exchanger using CFD and multi-objective genetic algorithm. International Journal of Heat and Mass Transfer.  111. 65-82, 2017.
[21] Jiin-Yuh Jang, Jun-Bo Huang. Optimization of a slab heating pattern for minimum energy consumption in a walking-beam type reheating furnace. Applied Thermal Engineering .  85. 313-321, 2015.
[22] Renan Hilbert , Ga´bor Janiga, Romain Baron , Dominique The´venin. Multi-objective shape optimization of a heat exchanger using parallel genetic algorithms. International Journal of Heat and Mass Transfer.  49. 2567-2577, 2006.
[23] Marler R.T. and Arora J.S.. Survey of multi-objective optimization methods for engineering. Struct Multidisc Optim. 26. 369-395, 2004.
[24] Versteeg H.W.Malalasekera, An Introduction to Computational Fluid Dynamics - The Finite Volume Method, 1995.
[25] THEODORE L. BERGMAN,ADRIENNE S. LAVINE,FRANK P.INCROPERA,DAVID P. DEWITT. Fundamentals of Heat and Mass Transfer. SEVENTH EDITION, 2007.
[26] Marler R.T. and Arora J.S,. Survey of multi-objective optimization methods for engineering. Struct Multidisc Optim. 26. 369-395. (2004)
[27]                 Deb K., Multi-Objective Optimization using Evolutionary Algorithms, Wiley, London, 2001.