Étude des caractéristiques du transfert de chaleur par ébullition en écoulement dans des microcanaux à gravité variable pilotée par les données

Ying Taotao ,  

Hu Xianzu ,  

Su Zhangfan ,  

Chen Qi ,  

Pan Ouyu ,  

Li Gen ,  

摘要

En réponse aux besoins d'un refroidissement efficace des équipements de transport ferroviaire et aérospatial en environnement de gravité variable, cet article réalise une étude expérimentale systématique et une modélisation pilotée par données des caractéristiques de transfert de chaleur par ébullition en écoulement d'un mélange eau-éthylène glycol dans des microcanaux. Une plateforme expérimentale à gravité variable basée sur un plateau tournant centrifuge a été mise en place, simulant un environnement gravitationnel de 1,00g à 3,16g, collectant des données sur le coefficient de transfert de chaleur et la densité de flux thermique critique à des débits massiques de 50 à 500 kg/(m2·s) et densités de flux thermique de 100 à 800 kW/m2. Les résultats expérimentaux montrent que l'accélération gravitationnelle renforce significativement le transfert de chaleur lors de l'ébullition : lorsque la gravité augmente de 1,0g à 3,16g, le coefficient de transfert thermique augmente de 60 % à 80 %, et la densité de flux thermique critique s'améliore de 20 % à 35 %. Dans la zone de faible humidité, la gravité améliore le transfert thermique en réduisant le diamètre de détachement des bulles et en augmentant la fréquence de détachement ; dans la zone de moyenne à haute humidité, elle amincit et répartit uniformément le film liquide, retardant efficacement le phénomène de dessèchement. De plus, la comparaison avec 10 corrélations classiques de transfert de chaleur montre que les modèles traditionnels ont des erreurs prédictives importantes en condition de gravité variable, le modèle Fang offrant la meilleure performance avec une erreur absolue moyenne de 9,6 %. Enfin, des modèles prédictifs du coefficient de transfert de chaleur ont été établis à l’aide de trois algorithmes d’apprentissage machine : forêts aléatoires, machines à vecteurs de support et gradient boosting extrême. Le modèle XGBoost présente une erreur absolue moyenne de seulement 3,1 % sur l'ensemble de la plage gravitationnelle, surpassant nettement les relations empiriques traditionnelles. Ces résultats fournissent une base théorique pour l’optimisation des systèmes de refroidissement des équipements embarqués ferroviaires et aérospatiaux.

关键词

environnement à gravité variable;microcanal;transfert de chaleur par ébullition;densité de flux thermique critique;apprentissage automatique

阅读全文