Effet des nanoparticules sur les transferts thermiques en milieux fluides

Abstract

Le transfert de chaleur constitue la base de nombreux processus industriels qui sont présents dans notre vie quotidienne. Face à ces enjeux énergétiques et environnementaux, il existe une réelle demande dans le monde industriel pour développer de nouvelles stratégies permettant d’améliorer le comportement thermique des fluides. Par conséquent, de nombreux chercheurs ont pensés aux nano-fluides parce qu’ils présentent des propriétés thermo-physiques plus intéressant comparés aux fluides de base. L’objectif principal de cette thèse est d’étudier le comportement thermique des nano fluides, utilisés comme fluides caloporteurs, afin de quantifier les principaux paramètres et phénomènes physiques influençant leurs propriétés thermo-physiques ainsi que, l’intensification des transferts thermiques induits par ces nano fluides. Les actions mises en œuvre pour conduire cette étude, sont l’utilisation et la comparaison de deux méthodes prédictives notamment, les Réseaux de Neurones Artificiels (ANN), et la Méthodologie de Réponse de Surface (RSM) pour modéliser les propriétés thermo-physique des nano-fluides. Puis, proposer la meilleure méthode de prédiction en comparant les données prédites avec les résultats expérimentaux de la littérature. Dans une deuxième partie, une méthode est proposée pour évaluer l'intérêt du développement d'un nouveau nano fluide hybride sur la base de ses propriétés thermo-physiques. Le concept d’optimisations multi-objectives (NSGA II) et la technique des réseaux neuronaux artificiels (ANN), sont utilisés pour la première fois dans cette étude afin de prédire et d'optimiser les propriétés thermo-physiques des nano-fluides FeC/eau, SiC/eau et Fe-Si/eau. Pour l’optimisation multi-objectif, nous avons utilisé un algorithme génétique où un front de Pareto est généré comprenant une série de solutions optimales. De ce fait, un processus décisionnel est nécessaire pour choisir la solution optimale finale parmi les solutions possibles. Pour cela, nous avons utilisé trois méthodes pour le processus de prise de décision dans notre étude (Fuzzy, TOPSIS et LINMAP). Ces méthodes de prise de décision ont été appliquées dans cette thèse afin de choisir la meilleure solution optimale pour sélectionner le meilleur nano-fluide dans des conditions opérationnelles optimales finales.