Precyzyjna ocena dyfuzyjności w płaszczyźnie - model matematyczny dla materiałów ortotropowych

Najnowsza wersja naszego oprogramowania LFA Proteus®® zapewnia szybki i dokładny sposób określania dyfuzyjności cieplnej w płaszczyźnie, nawet dla materiałów ortotropowych.

Nasz specjalnie opracowany model dla materiałów ortotropowych umożliwia dokładną analizę transportu ciepła w płaszczyźnie, z uwzględnieniem właściwości kierunkowych materiału.

Wyzwanie: Przewodzenie ciepła zależne od kierunku

W przemyśle elektronicznym bardzo poszukiwane są materiały do rozpraszania ciepła. Folie grafitowe są często wykorzystywane do tego celu, ale stosuje się również inne materiały, które wykazują zachowanie ortotropowe. Oznacza to, że ich właściwości termiczne różnią się w zależności od kierunku. Zazwyczaj dyfuzyjność cieplna w płaszczyźnie jest znacznie wyższa niż dyfuzyjność w płaszczyźnie, co pozwala na szybkie rozpraszanie ciepła na boki.

Pakiety oprogramowania LFA zazwyczaj wykorzystują jednowymiarowy model oceny dla pomiarów w płaszczyźnie, który uwzględnia tylko dyfuzyjność w płaszczyźnie i pomija wpływ przepływu ciepła przez płaszczyznę. Jednakże, aby prawidłowo ocenić pomiary w płaszczyźnie, kluczowe jest uwzględnienie wpływu przewodności w płaszczyźnie. Zaniedbanie tego może prowadzić do znacznych odchyleń, szczególnie gdy właściwości w płaszczyźnie i w płaszczyźnie różnią się znacznie.

Nasze rozwiązanie

Przekrój poprzeczny uchwytu próbki w płaszczyźnie

Nasz model matematyczny, ortotropowy model w płaszczyźnie, ocenia dyfuzyjność w płaszczyźnie poprzez uwzględnienie znanej dyfuzyjności w płaszczyźnie.

Warunek wstępny: Dyfuzyjność w płaszczyźnie przelotowej musi zostać określona wcześniej (np. za pomocą standardowego pomiaru w płaszczyźnie przelotowej LFA).

Następnie model dopasowuje zmierzoną krzywą temperatury z eksperymentu w płaszczyźnie, aby zapewnić bardzo dokładny wynik dyfuzyjności w płaszczyźnie.

Model prawidłowo reprezentuje przepływ ciepła we wszystkich kierunkach, zapewniając fizycznie znaczące i powtarzalne wyniki, nawet w przypadku silnie anizotropowych materiałów.

AI Overview
An error occurred. Please try again.