Flow-priority optimization of additively manufactured variable-TPMS lattice heat exchanger based on macroscopic analysis

Questo studio propone un framework di modellazione e ottimizzazione macroscopica basato sulla teoria di Darcy–Forchheimer per progettare scambiatori di calore a reticolo TPMS variabile con larghezze dei canali non uniformi, la cui validazione sperimentale conferma un miglioramento delle prestazioni del 28,7% rispetto alle configurazioni a reticolo uniforme.

L'essenziale

Immagina di avere un'autostrada molto trafficata dove due tipi di traffico cercano di incrociarsi senza scontrarsi: un flusso di auto calde e un flusso di auto fredde. Il loro obiettivo è scambiare "calore" (come l'energia) mentre si incrociano. In uno scambiatore di calore tradizionale, questa autostrada è costruita con un modello uniforme e ripetitivo di pareti (come un classico nido d'ape o una griglia). Questo funziona abbastanza bene, ma non è perfetto. A volte le auto calde rimangono bloccate in un ingorgo, o le auto fredde prendono una scorciatoia che non permette loro di scambiare abbastanza calore.

Questo articolo parla di come riprogettare questa autostrada utilizzando una struttura speciale chiamata lattice TPMS (pensa a una struttura complessa, simile a una spugna, che si ripete in tre dimensioni). I ricercatori volevano sapere: E se non mantenessimo le pareti uniformi? E se potessimo allargare la corsia calda in alcuni punti e quella fredda in altri, proprio dove serve di più?

Ecco la suddivisione del loro percorso, utilizzando analogie semplici:

1. Il Problee: La trappola del "Taglia Unica"

Di solito, gli ingegneri costruiscono questi scambiatori di calore con una struttura a spugna uniforme. È come costruire una città dove ogni strada ha esattamente la stessa larghezza.

• Il problema: In una forma complessa (come una curva a U o una forma a L), una larghezza stradale uniforme non è sempre la migliore. A volte il traffico caldo ha bisogno di una strada più larga per muoversi velocemente, mentre il traffico freddo ha bisogno di un percorso più stretto e tortuoso per rallentare e scambiare meglio il calore. Un design uniforme costringe entrambi a seguire le stesse regole, il che non è efficiente.

2. La Soluzione: La "Spugna Intelligente"

I ricercatori hanno utilizzato la Manifattura Additiva (stampa 3D con metallo) per costruire uno scambiatore di calore dove la "spugna" non è uniforme. Volevano cambiare lo spessore delle pareti all'interno della spugna per controllare quanto spazio viene dato al fluido caldo rispetto a quello freddo.

• La sfida: Se provi a progettare questo guardando ogni singolo minuscolo poro della spugna (come guardare ogni singolo mattone in un muro), il computer impiega un tempo infinito per fare i calcoli. È come cercare di progettare una città contando ogni singolo sassolino sul marciapiede.
• Il trucco: Hanno creato un "Modello Macroscopico". Invece di guardare ogni piccolo poro, hanno trattato l'intera spugna come un "materiale magico" con proprietà medie. Hanno usato una teoria chiamata Darcy-Forchheimer (che è come un libro di regole su come l'acqua scorre attraverso una spugna bagnata) per prevedere come si sarebbe mosso il fluido senza dover vedere ogni singolo buco.

3. L'Ottimizzazione: Regolare la "Manopola"

Hanno trattato la posizione delle pareti della spugna come una "manopola" che potevano girare.

• La manopola: Immagina un quadrante con etichette da -1 a +1.
  • Gira a sinistra: La corsia calda si allarga e la corsia fredda viene stretta.
  • Gira a destra: La corsia fredda si allarga e la corsia calda viene stretta.
• L'obiettivo: Il computer ha eseguito migliaia di simulazioni, girando questa manopola in diversi punti dello scambiatore di calore, cercando di trovare il mix perfetto che rendesse lo scambio di calore il più veloce possibile.

4. Il Risultato: Una Danza Diagonale

Quando il computer ha trovato il design "perfetto", non sembrava più un'autostrada dritta.

• La scoperta: Il design ottimale faceva sì che i fluidi caldi e freddi si incrociassero diagonalmente, come due ballerini che si intrecciano, invece di scorrere semplicemente l'uno accanto all'altro in linea retta.
• Perché ha funzionato: Questo percorso diagonale ha costretto i fluidi a rimanere in contatto tra loro per una distanza maggiore. È stato come far guidare le auto in un lungo giro sinuoso invece che in linea retta, dando loro più tempo per scambiare calore.
• Il punteggio: Questo design "intelligente" ha migliorato le prestazioni dello scambio termico di circa il 24% rispetto al design standard e uniforme.

5. La Verifica della Realtà: Stampa 3D

I ricercatori non si sono fermati al computer. Hanno stampato il design usando polvere metallica e un laser (un processo chiamato Laser Powder Bed Fusion).

• Il test: Hanno fatto scorrere acqua calda e fredda attraverso i blocchi di metallo stampati.
• L'esito: Il test nel mondo reale ha corrisposto molto da vicino alle previsioni del computer. Il design "intelligente" ha davvero funzionato meglio di quello uniforme.
• Il limite: Il modello al computer era leggermente troppo ottimista su quanta pressione il fluido avrebbe perso (quanto sforzo avrebbe dovuto fare la pompa). Nel mondo reale, i canali minuscoli nel design "intelligente" erano così stretti che la stampante 3D ha creato piccole imperfezioni (come un bordo leggermente ruvido), il che ha fatto faticare un po' di più l'acqua rispetto a quanto pensasse il computer. Tuttavia, il beneficio del trasferimento di calore è stato comunque enorme.

Riassunto

Pensa a questo articolo come alla ricetta per un radiatore migliore. Inveve di usare una griglia di tubi standard e uniforme, i ricercatori hanno usato un computer per "piegare" le pareti interne di una spugna metallica stampata in 3D. Hanno scoperto che rendendo le corsie per l'acqua calda e fredda disomogenee e diagonali, potevano rendere lo scambio di calore molto più efficiente. Hanno dimostrato che questo funziona nella realtà, mostrando che la stampa 3D può creare strutture interne "intelligenti" che sono decisamente superiori ai design tradizionali e uniformi.

Sommario tecnico

Sintesi Tecnica: Ottimizzazione della Priorità di Flusso di uno Scambiatore di Calore a Reticolo TPMS Variabile Prodotto mediante Additive Manufacturing

Definizione del Problema
Sebbene le strutture a reticolo basate su Superfici Minime Triplamente Periodiche (TPMS) siano ampiamente riconosciute per il miglioramento del trasferimento di calore convettivo attraverso la distribuzione uniforme del flusso e la perturbazione dello strato limite, una configurazione di reticolo uniforme non è necessariamente ottimale per tutte le geometrie di scambiatori di calore. Nello specifico, in percorsi di flusso complessi dove i fluidi seguono traiettorie a forma di U o di L, un reticolo uniforme può causare una resistenza al flusso asimmetrica e modelli di flusso macroscopici subottimali. Studi precedenti hanno evidenziato la necessità di ottimizzare il percorso del flusso e il potenziale dei reticoli funzionalmente graduati, tuttavia l'ottimizzazione numerica rigorosa della priorità di flusso relativa tra i canali caldo e freddo nei TPMS è rimasta una sfida aperta. Inoltre, l'ottimizzazione topologica esplicita di intricate geometrie TPMS è computazionalmente proibitiva a causa dell'elevato costo nel risolvere le dettagliate micro-geometrie durante i processi di progettazione iterativi.

Metodologia
Questo studio propone un approccio di modellazione macroscopica per ottimizzare la priorità di flusso tra i fluidi caldo e freddo in uno scambiatore di calore a due fluidi dotato di un reticolo TPMS Primitive. La metodologia principale prevede:

1. Modellazione Macroscopica come Mezzo Poroso: Invece di risolvere la geometria dettagliata del TPMS, il reticolo viene trattato come un mezzo poroso. Il flusso è governato dalle equazioni di Brinkman–Forchheimer, e il trasferimento di calore è modellato utilizzando un approccio di advezione-diffusione con un coefficiente di scambio termico volumetrico ($h$). Questo coefficiente, insieme alla permeabilità ($\kappa$), al coefficiente di trascinamento ($\beta$) e alla conducibilità termica efficace ($\lambda$), funge da proprietà artificiale che caratterizza la capacità di scambio termico per unità di volume.
2. Derivazione dei Parametri Efficaci: Questi parametri macroscopici sono derivati tramite omogeneizzazione basata su Elementi di Volume Rappresentativo (RVE). Le proprietà efficaci vengono calcolate risolvendo le equazioni di Navier-Stokes e di energia microscopiche su una singola cella unitaria sotto specifiche condizioni al contorno.
3. Definizione della Variabile di Progetto: La soglia di isosuperficie ($C$) della funzione TPMS Primitive viene utilizzata come variabile di progetto. Variando $C$, la posizione delle pareti solide viene spostata, alterando efficacementmente le larghezze dei canali e la resistenza relativa al flusso tra i domini caldo e freddo. Una variabile di progetto normalizzata $d$ ($0 \le d \le 1$) controlla tale soglia.
4. Framework di Ottimizzazione: Viene impiegato un algoritmo di ottimizzazione (Metodo delle Asimptoti Mobili, MMA) per massimizzare la velocità di trasferimento del calore. La funzione obiettivo è definita dalla differenza di entalpia tra l'ingresso e l'uscita del fluido caldo. L'ottimizzazione è eseguita su uno scambiatore di calore planare con traiettorie in controcorrente a forma di U, soggetti a vincoli di caduta di pressione fissi (500 Pa) agli ingressi e alle uscite.
5. Validazione: La soluzione ottimale viene verificata tramite simulazioni di geometria dettagliata (utilizzando Star-CCM+) e validazione sperimentale. I campioni sono stati fabbricati mediante fusione laser su letto di polvere metallica (LPBF) con acciaio inossidabile 316L, seguiti da test di tenuta e valutazione delle prestazioni termiche in condizioni stazionarie.

Contributi Chiave

• Ottimizzazione Macroscopica della Priorità di Flusso: Lo studio introduce un framework per ottimizzare la dominanza relativa dei flussi caldo e freddo nei TPMS attraverso l'uso della soglia di isosuperficie come variabile di progetto spazialmente variabile. Ciò consente la creazione di distribuzioni di reticolo non uniformi che guidano i modelli di flusso macroscopici.
• Efficienza Computazionale: Utilizzando un'approssimazione macroscopica di flusso in mezzo poroso, lo studio ottiene una riduzione del 92,8% del tempo di calcolo rispetto all'analisi della geometria dettagliata, rendendo praticamente fattibile l'ottimizzazione iterativa di complesse strutture a reticolo.
• Verifica Sperimentale del Design Ottimizzato: La ricerca fornisce prove sperimentali che un reticolo non uniforme, macroscopicamente ottimizzato, supera un reticolo uniforme in una configurazione a controcorrente a forma di U, colmando il divario tra l'ottimizzazione teorica e la realtà dell'additive manufacturing metallica.

Risultati

• Miglioramento delle Prestazioni: Il reticolo ottimizzato ha dimostrato un chiaro miglioramento delle prestazioni rispetto a un reticolo uniforme. Le simulazioni a geometria dettagliata hanno mostrato un incremento medio del 24,2% nella velocità di trasferimento del calore, mentre i risultati sperimentali hanno confermato un miglioramento del 23,3%.
• Meccanismo di Flusso: La soluzione ottimale ha indotto una traiettoria di flusso diagonale, aumentando la lunghezza effettiva di interazione tra i fluidi caldo e freddo rispetto al flusso prevalentemente verticale dei reticoli uniformi. Ciò ha portato a una distribuzione della temperatura più uniforme attraverso lo scambiatore, riducendo gli squilibri termici vicino alle regioni di ingresso/uscita.
• Perdita di Carico: Sebbene il modello macroscopico tenda a sovrastimare le perdite di carico rispetto alle simulazioni dettagliate e agli esperimenti, le differenze di perdita di carico tra il reticolo uniforme e quello ottimale sono generalmente piccole. Tuttavia, i risultati sperimentali per il canale del fluido caldo del reticolo ottimizzato hanno mostrato una perdita di carico superiore a quella prevista, attribuibile a imperfezioni geometriche (restringimento della gola) durante il processo LPBF quando i diametri dei canali si avvicinano al limite di risoluzione produttiva (~0,5 mm).
• Accuratezza del Modello: Il modello macroscopico ha predetto accuratamente i trend generali della distribuzione di flusso e temperatura. Le discrepanze nella perdita di carico sono state attribuite all'assunzione di perfetta periodicità nella derivazione dell'RVE, che viene violata nella struttura non uniforme ottimizzata, e alle semplificazioni nella derivazione del coefficiente di scambio termico volumetrico (ad esempio, assumendo una temperatura del solido costante all'interno di una cella).

Significato e Rivendicazioni
L'articolo sostiene che l'ottimizzazione della priorità di flusso tramite la variazione spaziale della soglia di isosuperficie TPMS è una strategia valida per migliorare l'efficienza dello scambio termico in configurazioni di flusso complesse dove i reticoli uniformi sono subottimali. Lo studio dimostra che l'analisi macroscopica, nonostante le intrinseche approssimazioni, può guidare in modo affidabile la progettazione di scambiatori di calore ad alte prestazioni che siano producibili tramite AM metallica.

Gli autori riconoscono con modestia i limiti, notando che l'accuratezza predittiva del modello macroscopico dipende dalle condizioni di gradiente di pressione utilizzate per la derivazione dei parametri e può degradare a velocità di flusso più elevate o in regioni di estrema non uniformità geometrica. Evidenziano inoltre che le imperfezioni geometriche nelle gole strette possono influenzare significamente la perdita di carico, suggerendo che vincoli di progettazione sulla dimensione minima delle caratteristiche siano necessari per applicazioni pratiche. Il lavoro stabilisce una base per la ricerca futura sui meccanismi fisici di tali ottimizzazioni e sulla loro applicazione ad altri tipi di TPMS e configurazioni di flusso.