A grafén szerkezete hatszögletes ráccsal ábrázolva, kiemelve a termikus határfelületi anyagok egyedülálló tulajdonságait.

06.04.2022 by Nishar Hameed, MPhil, PhD CChem, Azadeh Mirabedini, PhD

A lézeres villanás módszer használata a mesterséges grafén alapú termikus határfelületek anyagainak kifejlesztéséhez

Az egyedülálló fizikai és mechanikai tulajdonságokkal rendelkező grafén, az sp2-hibridizált szén kétdimenziós, méhsejt alakú kristályrácsa, intenzív tudományos és ipari érdeklődésre tart számot a könnyű, intelligens és robusztus hibrid anyagok fejlesztése terén. Ismerje meg a lézervillanás-módszer alkalmazását a mesterséges grafénalapú termikus határfelületi anyagok fejlesztéséhez, és olvassa el a tudományos cikket, amelyet régi ügyfelünk, az ausztráliai Swinburne University of Technology írt.

Szerzők: Intelligens Anyagok és Kompozitok Csoport, Természettudományi, Mérnöki és Technológiai Kar, Swinburne University of Technology, Ausztrália

Az egyedülálló fizikai és mechanikai tulajdonságokkal rendelkező grafén, az sp2-hibridizált szén kétdimenziós, méhsejt alakú kristályrácsa intenzív tudományos és ipari érdeklődésre tart számot a könnyű, intelligens és robusztus hibrid anyagok fejlesztése terén. Szuper szilárdsága és pehelykönnyűsége mellett a grafén kiváló hő- és elektromos vezetőképességgel rendelkezik, valamint átlátszó és rendkívül rugalmas. A grafén belső hővezető képessége a jelentések szerint 2000-4000 Wm-1K-1 tartományban van, főként az oldalméretektől, a kristály minőségétől és a hibakoncentrációtól függően, ami az egyik legmagasabb érték az ismert anyagok közül.[1,2] Lenyűgöző módon a grafén hővezető képessége is változtathatónak bizonyult, mivel az érték logaritmikusan növekszik az anyagon belüli grafén vezető utak méretének függvényében. Ez a ritka tulajdonsága kiterjesztette a polimer kompozitokban és bevonatokban való felhasználását, hogy "korlátlan" képességeket biztosítson számos hőkezelési célra. Tekintettel erre, grafén alapú polimer kompozitok felhasználásáról számoltak be számos alkalmazásban, beleértve a termikus határfelületi anyagokat és hőelnyelőket, hőeloszlatókat, termikus zsírokat, hűtőfolyadékokat stb.[3].

A legtöbb jelenlegi graféngyártási módszer még nem skálázható large mennyiségekre, ezért a kevés rétegű grafén (FLG) nanoanyagok használata a közelmúltban az egyik leghatékonyabb, legolcsóbb és skálázható megközelítéssé vált a gyakorlati hőtechnikai alkalmazások számára[4,5] Az FLG megőrzi kiváló hővezetési tulajdonságait, miközben nagyobb keresztmetszeti felületet kínál a hőáram számára, és elősegítheti a polimer mátrixon belül az FLG töltőanyagok összekapcsolt hálózatának kialakulását, javítva a kompozitok hőtechnikai teljesítményét[6]

A hővezetés molekuláris szinten történik, amikor a hőenergiát egy felület elnyeli, és a részecskék mikroszkopikus ütközéseit okozza, és az energiát átadja a szomszédos részecskéknek, és ez a folyamat mindaddig folytatódik, amíg a hő hozzáadása megtörténik. A hődiffúziós képesség a legfontosabb termofizikai anyagparaméter az anyag hőszállítási tulajdonságainak jellemzésére. A lézer-villanás technika egy roncsolásmentes, érintkezésmentes és pontos módszer, amely a legszélesebb körben elfogadott módszer az anyagok hőtechnikai teljesítményének meghatározására magas hőmérsékleten.

Hogyan jön össze a mérés és a modellezés

Az Industrial & Engineering Chemistry Research folyóiratban nemrég megjelent cikkünk a NETZSCH LFA 467 HyperFlash®® alkalmazását mutatja be a grafén nanoplateletek (GnP) és a grafén nanoplateletekkel módosított epoxi polimer nanokompozitok termikus diffúziós tulajdonságainak vizsgálatában. A GnP-k átlagos részecskeátmérője kb. 25 µm, és körülbelül 18-24 grafénréteget tartalmaznak. A készülék nagy, 2 MHz-es adatgyűjtési sebessége lehetővé teszi a nagy vezetőképességű és/vagy vékony anyagok megbízható és pontos mérését. Az öntött nanokompozitokat 10 mm oldalhosszúságú, négyzet alakú próbatestekre vágták. A hődiffúziós képességüket szobahőmérséklet és 150°C között mértük a fűtés és a hűtés során. Az effektív medium elméletet[7 ] felhasználva egy egyszerű analitikus modellt is kidolgoztak, amely magában foglalja mind a Kapitza-ellenállást (más néven határfelületi hőellenállás vagy termikus határfelületi ellenállás), mind a grafén-grafén érintkezési ellenállást a nanokompozitok effektív Hővezető képességA hővezető képesség (λ, mértékegysége W/(m-K)) az energia - hő formájában történő - szállítását írja le egy tömegtestben a hőmérséklet-gradiens hatására (lásd az 1. ábrát). A termodinamika második törvénye szerint a hő mindig az alacsonyabb hőmérséklet irányába áramlik.hővezető képességének kiszámításához.

Az egyes minták Hővezető képességA hővezető képesség (λ, mértékegysége W/(m-K)) az energia - hő formájában történő - szállítását írja le egy tömegtestben a hőmérséklet-gradiens hatására (lásd az 1. ábrát). A termodinamika második törvénye szerint a hő mindig az alacsonyabb hőmérséklet irányába áramlik.hővezető képességét ezután a SűrűségA tömegsűrűséget a tömeg és a térfogat arányaként határozzák meg. sűrűség, a Hővezető képességA hővezető képesség (λ, mértékegysége W/(m-K)) az energia - hő formájában történő - szállítását írja le egy tömegtestben a hőmérséklet-gradiens hatására (lásd az 1. ábrát). A termodinamika második törvénye szerint a hő mindig az alacsonyabb hőmérséklet irányába áramlik.hővezető képesség és az anyag fajhőjének szorzataként számították ki. Az 1. ábrán (a-b) az előkészített GnP-epoxi minták hővezetőképessége a hőmérséklet függvényében látható különböző GnP-tartalmú nanokompozitok (xGnP M-25 és M-5, a továbbiakban röviden GnP25 és GnP5) (0,5-5,0 tömegszázalék) esetében.

A GnP-epoxi nanokompozitok hővezető képességét és diffúziós képességét bemutató grafikon különböző hőmérsékleteken és terheléseken.
1. ábra: A tiszta epoxi és a GnP-epoxi nanokompozitok hővezető képessége különböző GnP-tartalmakkal

Miért számít a méret és a betöltés

A hővezetési értékek a GnP-töltet és a részecskeméret növekedésével javultak, ahol a nanokompozitok nem mutattak látható hőperkolációs küszöbértéket. Az új effektív hővezetési modellt ezután kísérleti eredményekkel validálták véletlenszerűen orientált kétfázisú, heterogén GnP-epoxi nanokompozitokra. Az 1. táblázat tartalmazza a létrehozott hővezetési modellekbe beillesztett bemeneti paramétereket, majd a kísérleti adatok és a létrehozott elméleti hővezetési modellek korrelációja következik, amelyet a 2. ábra (a-b) ábrázol GnP25 és GnP5 tartalmú GnP-epoxi nanokompozitok esetében.

A GnP25 és GnP5 nanokompozitok hővezető képességére vonatkozó elméleti modellek és kísérleti adatok korrelációs grafikonjai.
2. ábra: Az elméleti termikus modell és a kísérleti adatok korrelációs grafikonjai a) GnP25 és b) GnP5 nanokompozitok esetében

Mind a GnP25, mind a GnP5 részecskék esetében a Hővezető képességA hővezető képesség (λ, mértékegysége W/(m-K)) az energia - hő formájában történő - szállítását írja le egy tömegtestben a hőmérséklet-gradiens hatására (lásd az 1. ábrát). A termodinamika második törvénye szerint a hő mindig az alacsonyabb hőmérséklet irányába áramlik.hővezető képesség folyamatos növekedése figyelhető meg a töltőanyag-tartalom növelésével. Ezen túlmenően mindkét típusú kompozit esetében erős egyezést figyeltünk meg a hővezetési modell által megjósolt értékek és a kísérleti adatok között (lásd a 2. ábra (a-b)), a számított korrelációs együttható ~0,98 és ~0,99 a GnP5 és GnP25 tartalmú nanokompozitok esetében. Ez az eredmény azt bizonyítja, hogy a tanulmányban konstruált hővezetési modell jó előrejelzést adhat a GnP-epoxi nanokompozitok hővezetésére különböző GnP-terhelések esetén. A gyártási méretezhetőség hatékonyságának növelése és a jelenlegi anyagmodellek kiterjesztése segítené a grafén kompozit szerkezetek tervezését kiszámítható tulajdonságokkal és biztonságos tönkremeneteli módokkal, ami viszont megkönnyítené a méretezhető laminált szerkezetű kompozitok gyártását számos csúcskategóriás alkalmazáshoz, például a repülőgép- és autóiparban.

Ez a kutatás hozzájárult egy DMTC által irányított együttműködéshez, amely egy ausztráliai kutatási és ipari partnerekből álló hálózatot foglal magában. További részletek a cikkben találhatók: Link a https://pubs.acs.org/doi/abs/10.1021/acs.iecr.1c04621 címre.

Hivatkozások

[1] E. Pop, V. Varshney, A. K. a. K. Roy, MRS Bull.2012, 37, 1273.

[2] M. C. Mbambo, S. Khamlich, T. Khamliche, M. K. Moodley, K. Kaviyarasu, I. G. Madiba, M. J. Madito, M. Khenfouch, J. Kennedy, M. Henini, E. Manikandan, M. Maaza, Sci. Rep.2020, 10, 1.

[3] J. Chen, B. Liu, X. Gao, Results Phys.2020, 16, 102974.

[4] A. Mirabedini, A. Ang, M. Nikzad, B. Fox, K. T. Lau, N. Hameed, Adv. Sci.2020, 1903501, 33. Adv. Sci.2020, 1903501, 33.

[5] M. Reghat, A. Mirabedini, A. M. Tan, Y. Weizman, P. Middendorf, R. Bjekovic, L. Hyde, D. Antiohos, N. Hameed, F. K. Fuss, B. Fox, Compos. Sci. Technol.2021, 211, 108842.

[6] Z. Barani, F. Kargar, A. Mohammadzadeh, S. Naghibi, C. Lo, B. Rivera, A. A. Balandin, Adv. Electron. Mater.2020, 6, 1.

[7] L. Anderson, P. Govindaraj, A. Ang, A. Mirabedini, N. Hameed, Carbon Trends2021, 4, 100047.

[8] Y. Su, J. J. Li, G. J. Weng, Carbon N. Y.2018, 137, 222.

[9] M. Gresil, Z. Wang, Q. A. Poutrel, C. Soutis, Sci. Rep.2017, 7, 1.

AI Overview
An error occurred. Please try again.