表面粗糙度与材料对去离子水过冷池沸腾传热影响的实验与预测研究

《Case Studies in Thermal Engineering》：An Experimental and Predictive Study on the Effects of Surface Roughness and Material on Subcooled Pool Boiling Heat Transfer of Deionized Water

　　

本研究对去离子水过冷池沸腾传热进行了系统实验研究与预测建模。研究人员聚焦于表面粗糙度与加热器材料对沸腾性能的协同效应。实验采用基于Gorenflo方法的装置，其圆柱形加热棒由铝和316不锈钢制成。为评估表面形貌的影响，研究人员通过P40、P60、P180、P400和P2000粒度的机械研磨制备了五种不同的表面光洁度。实验涵盖高达110.86 kW m^-2的热通量范围及50 °C至90 °C的液体主体温度。结果表明，增加表面粗糙度和液体主体温度均可显著增强沸腾传热系数（HTC）。定量来看，HTC值范围从抛光不锈钢表面（P2000）的约600 W m^-2K^-1到最粗糙铝表面（P40）的超过10,500 W m^-2K^-1。在相同操作条件下，铝的性能始终优于不锈钢，研究人员将此归因于其优越的热导率和热扩散率。此外，研究人员开发了基于Levenberg–Marquardt算法的人工神经网络（ANN）模型来预测HTC。该ANN模型利用由量纲分析导出的三个无量纲π-组，展现出卓越的预测精度，相关系数（R²）为0.9992，平均绝对百分比误差（MAPE）低于2%。这些发现为工业热交换应用中经济有效的表面制备方法的选择提供了宝贵见解。

**论文解读：《表面粗糙度与材料对去离子水过冷池沸腾传热影响的实验与预测研究》**

**1. 研究背景与问题**

相变传热，特别是池沸腾，是核反应堆冷却、化工过程和电子设备热管理等众多工业应用中热管理的基石。过冷池沸腾因其能在维持液体主体温度低于饱和点的同时实现高热通量，从而延迟临界热通量（CHF）的发生并提高系统安全性，具有重要的实际意义。近年来热管理技术的进步更凸显了开发能够描述多样化表面/流体相互作用的预测模型的必要性。

沸腾性能本质上受表面特性（主要是表面粗糙度和材料属性）影响。尽管过去十年涌现了大量关于复杂表面工程技术（如纳米/微米结构表面制备、化学气相沉积和等离子喷涂）的研究，这些方法虽能显著增加成核位点密度并增强传热系数（HTC），但存在制造成本高、需要专用设备以及微结构固有的脆弱性（易因结垢或机械应力而退化）等缺点，限制了其在工业中的广泛应用。

相比之下，简单的机械研磨在工业换热器中仍是一种非常实用、经济高效且可扩展的表面制备技术。然而，尽管其应用广泛，但关于常见工业金属（如铝和不锈钢）在受控机械打磨下，其过冷沸腾性能的系统性对比数据仍然匮乏。理解材料热物性（如热导率和热扩散率）与研磨产生的随机形貌如何共同影响气泡动力学，对于优化传热表面至关重要。此外，沸腾传热的高度非线性本质使得精确的经验关联式开发极具挑战，传统关联式往往难以推广到不同材料和过冷度。这促使人工智能（AI）技术，特别是人工神经网络（ANN），成为强大的预测建模工具。

因此，本研究旨在填补文献中的一个关键空白，通过对机械研磨的铝和316不锈钢表面进行系统性的实验和预测分析，量化五种不同粒度光洁度对HTC的影响，并开发一个基于无量纲组的稳健ANN模型，为所研究条件提供通用的预测框架。通过比较高热导率材料（铝）与耐腐蚀但低热导率材料（不锈钢），本研究为过冷沸腾应用中最佳材料与表面光洁度的组合选择提供了实用指南。

**2. 主要关键技术方法**

研究人员采用以下关键技术方法开展研究：
* **实验装置**：基于Gorenflo方法设计并搭建了过冷池沸腾试验台，包括沸腾容器、辅助加热器、包含圆柱形试样的测试加热器组件和数据采集系统。
* **表面制备**：通过机械研磨（使用P40、P60、P180、P400和P2000碳化硅防水砂纸）在铝和316不锈钢加热棒上制备五种不同粗糙度的表面。
* **数据采集与处理**：使用K型热电偶测量温度，数字万用表测量电压和电流，通过一维稳态热传导方程计算表面温度和热通量，并利用牛顿冷却定律计算传热系数（HTC）。
* **预测建模**：基于量纲分析导出三个无量纲π-组作为输入，采用Levenberg–Marquardt算法训练前馈多层感知器人工神经网络（ANN）模型，以预测HTC。

**3. 研究结果**

**4.1. 实验验证**
通过将基准实验数据与文献中Kutateladze、Rohsenow、Gorenflo等八种经典关联式的预测值进行比较，证实了实验装置的可靠性。其中，Stephan & Abdelsalam、Gorenflo、Hamzehkhani和Hashemzaei的关联式与实验数据吻合最佳，平均绝对百分比误差（MAPE）在4-7%范围内。

**4.2. 传热系数与热通量的参数分析**
* **4.2.1. 铝测试表面**：对于所有铝表面，传热系数（HTC）均随热通量增加而增加，随液体主体温度升高（即过冷度降低）而增加，并随表面粗糙度增加（从P2000至P40）而增加。在液体主体温度为90°C时，P40铝表面的HTC比P180表面高出约45%。
* **4.2.2. 不锈钢测试表面**：在316不锈钢表面观察到与铝表面相同的定性趋势：HTC随热通量、液体主体温度和表面粗糙度的增加而增加。最粗糙的P40表面表现出最高的HTC。

**4.3. 铝与不锈钢的对比分析**
在相同热通量、液体主体温度和表面光洁度下，铝表面始终提供比不锈钢更高的HTC。研究人员将此优越性能归因于铝远高于不锈钢的热导率（约205 W m^-1 K^-1 vs. 约16 W m^-1 K^-1）和热扩散率，使得铝能更有效地向气液界面供应热量，维持更活跃的成核过程。

**4.4. 沸腾曲线分析（热通量与壁面温度）**
* **4.4.1. 铝表面**：在给定壁面温度下，较粗糙的铝表面通常能维持更高的热通量，表明沸-腾性能得到改善，表现为气泡成核所需的壁面过热度降低。
* **4.4.2. 不锈钢表面**：在不锈钢表面观察到相同的定性行为，即壁面温度升高增加热通量，粗糙表面性能优于光滑表面。最高热通量通常在最高液体主体温度（90°C，即最低过冷度）下获得。

**4.5. 恒定热通量下表面粗糙度的直接影响**
在固定热通量下，对于两种材料，传热系数（HTC）均随表面粗糙度增加而增加。这种增强效应在高热通量下更为显著，表明额外成核位点的贡献随热负荷增加而变得更加重要。

**4.6. 人工神经网络（ANN）预测建模**
* **4.6.1. 模型开发**：研究人员开发了一个具有3个输入神经元、1个包含10个神经元的隐藏层和1个输出神经元的ANN模型。输入为三个无量纲π-组，输出为无量纲传热响应。模型采用Levenberg–Marquardt算法训练，数据集按70%训练、15%验证、15%测试划分。
* **4.6.2. 模型性能与验证**：ANN模型的预测值与实验数据吻合极佳，测试数据集的相关系数（R²）达到0.9992。预测误差普遍较低，大多在1-4%范围内，验证了模型在实验范围内的强大预测能力。

**4. 讨论与结论**

本研究系统研究了在铝和316不锈钢表面上，不同表面光洁度对去离子水过冷池沸腾的影响。主要结论如下：
* 在所研究的粗糙度范围内，增加表面粗糙度能持续增强两种材料的沸腾传热系数（HTC）。较粗糙的表面提供了更多有利的成核位点，强化了气泡形成与脱离，从而提升了传热性能。这种增强效应在高热通量下更为显著。
* 存在明显的材料效应。在相同操作条件和表面光洁度下，铝的HTC始终高于316不锈钢。这主要归因于铝更高的热导率和热扩散率，使其能更高效地向气液界面传热，并更稳定地激活成核位点。
* HTC随热通量和液体主体温度（即降低过冷度）的增加而增加。在本实验中，最佳沸腾性能在粗糙度最高的P40表面、最高液体主体温度（90°C）和最高热通量（约1.11×10⁵ W m^-2）条件下获得。
* 实验数据与经典沸腾关联式的比较验证了实验装置的可靠性。此外，基于无量纲输入组开发的ANN模型以高精度再现了实验趋势，可作为在类似条件下估算HTC的实用预测工具。

该研究发表在《Case Studies in Thermal Engineering》。