纳米流体脉动热管的传热性能研究

论文摘要

脉动热管能传递的热流密度较大,纳米流体有着较高的导热系数,纳米流体脉动热管的研究是传热技术领域的一个新的研究方向。本文在国家自然科学基金*的资助下,研究了纳米流体脉动热管的工质流动及传热性能,包括五个方面:一、配制了不同种类和体积分数的纳米流体。TiO2/H2O纳米流体在脉动热管中静止时,纳米颗粒会积聚在液塞底部或者附着在管壁上,在液塞内部会形成许多大小不同的汽泡。采用超声波振荡和调节pH值的方法可使纳米颗粒获得良好的悬浮效果。二、建立了瞬态热线法的液体导热系数测量装置,并对纳米流体的导热系数进行了标定。当体积浓度为0.1%,0.5%和1%时,所配制的TiO2/H2O纳米流体在20℃时的导热系数比基流体蒸馏水分别提高了1.8%,5.9%和7.0%。三、设计加工了可视化的玻璃脉动热管,研究了纳米流体脉动热管的内部流动情况和传热性能。脉动热管受热后,在加热段内壁会出现纳米颗粒附着现象。脉动热管工质的运动可以激励和增强纳米流体的悬浮性;随着工作温度的升高,纳米流体的悬浮性减弱。当加热功率提高时,工质的运动速度加快,在纳米流体脉动热管的液塞内会出现混乱的汽泡。与基流体工质相比,纳米流体脉动热管的启动时间变短,热阻大幅度减小,温度波动幅度小、周期短。对于加热功率100W,工作温度为110℃时,蒸馏水、体积浓度为1%的TiO2/H2O纳米流体,以及CuO/H2O纳米流体脉动热管的传热热阻分别为0.23K/W,0.11K/W和0.13K/W;与基流体工质相比,相同工作温度下纳米流体脉动热管的热阻会减小50%左右。四、设计加工了铜脉动热管,对其性能进行了实验研究。脉动热管在90°时,底加热工况时的传热性能最好。对于加热功率150W,工作温度为109℃时,蒸馏水和体积浓度0.5%的TiO2/H2O纳米流体脉动热管,传热热阻分别为0.035K/W和0.030K/W。与基流体工质相比,纳米流体脉动热管的传热性能对倾角的敏感度减小;在中低加热功率时,传热热阻小的特点较为明显。五、建立了基于人工神经网络的纳米流体脉动热管的性能分析模型,并用模型分析纳米流体浓度和加热功率对脉动热管性能的影响。结果表明,基流体中只需添加少量的纳米颗粒（体积分数0.1%～0.3%）,即可达到改善脉动热管传热性能的目的,纳米颗粒体积分数过大反而会增加脉动热管的传热热阻。这一结果与实验结果较为吻合。本文的创新性表现在:（1）配制了不同浓度的TiO2/H2O纳米流体,研究了其在脉动热管中悬浮特性;（2）对纳米流体脉动热管进行了可视化实验研究,观察到了纳米流体在脉动热管管内的流动状态变化,分析了加热功率、倾角、管径、纳米流体浓度、悬浮性等因素对脉动热管性能的影响,与基流体脉动热管进行了对比;（3）对TiO2/H2O纳米流体铜制脉动热管进行了传热性能实验研究,结果表明性能优于基流体;（4）建立了基于人工神经网络理论的脉动热管性能分析模型,分析了纳米流体浓度及加热功率对脉动热管性能的影响,并推荐了性能较好时的浓度。研究结果可为脉动热管的优化设计提供参考。

论文目录

• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 第1章 绪论
• 1.1 电子器件的温控方式
• 1.2 脉动热管
• 1.2.1 脉动热管的特点
• 1.2.2 脉动热管的应用
• 1.2.3 脉动热管的研究现状
• 1.3 纳米流体
• 1.3.1 纳米流体的实验研究现状
• 1.3.2 纳米流体导热理论的研究现状
• 1.4 纳米流体脉动热管
• 1.5 文献综述小结
• 1.6 本文的目的及研究内容
• 第2章 纳米流体导热系数的测量
• 2.1 瞬态热线法
• 2.1.1 瞬态热线法的测量原理
• 2.1.2 瞬态热线法测量系统
• 2.1.3 误差分析
• 2.2 液体导热系数测量实验台
• 2.2.1 实验装置
• 2.2.2 仪器校准
• 2.3 纳米流体的配制及导热系数测量
• 2.4 本章小结
• 第3章 纳米流体脉动热管的可视化实验研究
• 3.1 可视化脉动热管实验件
• 3.2 脉动热管可视化实验台
• 3.3 实验现象描述
• 3.4 实验结果及讨论
• 3.4.1 倾角的影响
• 3.4.2 管径对脉动热管传热性能的影响
• 3.4.3 工质对脉动热管性能的影响
• 3.4.4 纳米流体浓度及悬浮性对脉动热管性能的影响
• 3.4.5 加热功率对脉动热管的性能的影响
• 3.5 本章小结
• 第4章 铜制纳米流体脉动热管的性能实验研究
• 4.1 脉动热管实验件
• 4.2 实验装置及实验内容
• 4.3 实验结果及讨论
• 4.3.1 加热功率及工作倾角对脉动热管的性能的影响
• 4.3.2 纳米流体脉动热管性能与蒸馏水脉动热管性能的比较
• 4.4 本章小结
• 第5章 基于人工神经网络的脉动热管传热性能分析模型
• 5.1 人工神经网络模型的建立
• 5.1.1 输入、输出参数的确定
• 5.1.2 神经网络模型设计
• 5.1.3 神经网络模型的准确性验证
• 5.2 模型预测分析
• 5.3 本章小结
• 第6章 结论与建议
• 6.1 结论
• 6.2 对今后工作的建议
• 参考文献
• 在读期间发表的论文目录
• 致谢