Användning av laserblixtmetod för utveckling av konstruerade grafenbaserade material för termiska gränssnitt

Författare: Azadeh Mirabedini, PhD och Nishar Hameed, MPhil, PhD CChem, Smart Materials and Composites Group, Faculty of Science, Engineering and Technology, Swinburne University of Technology, Australien

Grafen, det tvådimensionella bikakekristallgittret av ^{sp2-hybridiserat} kol, har en unik uppsättning fysiska och mekaniska egenskaper och är föremål för ett intensivt akademiskt och industriellt intresse när det gäller att utveckla lätta, intelligenta och robusta hybridmaterial. Förutom sin superstyrka och fjäderlätta vikt har grafen också en utmärkt värme- och Elektrisk konduktivitet (SBA)Elektrisk ledningsförmåga är en fysikalisk egenskap som anger ett materials förmåga att tillåta transport av en elektrisk laddning.elektrisk ledningsförmåga samt är transparent och mycket flexibelt. Den inneboende värmeledningsförmågan hos grafen rapporteras ligga i intervallet 2000-4000 ^Wm-1K-1, främst beroende på dess laterala dimensioner, kristallkvalitet och defektkoncentration, vilket är bland det högsta av alla kända material.^[1,2] Fascinerande nog har grafenets Termisk konduktivitetVärmekonduktivitet (λ med enheten W/(m-K)) beskriver transporten av energi - i form av värme - genom en masskropp som ett resultat av en temperaturgradient (se fig. 1). Enligt termodynamikens andra huvudsats strömmar värme alltid i riktning mot den lägre temperaturen.värmeledningsförmåga också visat sig vara föränderlig med ett värde som ökar logaritmiskt som en funktion av storleken på grafenets ledande banor i ett material. Denna sällsynta egenskap har lett till en ökad användning av grafen i polymerkompositer och beläggningar för att ge "obegränsad" kapacitet för en rad olika värmehanteringsändamål. Med tanke på detta har grafenbaserade polymerkompositer rapporterats för användning i en rad olika applikationer, inklusive material för termiska gränssnitt och kylflänsar, värmespridare, termiska fetter, kylvätskor och så vidare^[3].

De flesta nuvarande produktionsmetoder för grafen är ännu inte skalbara till large kvantiteter, och därför har användningen av nanomaterial med få lager grafen (FLG) nyligen blivit en av de mest effektiva, billiga och skalbara metoderna för praktiska termiska tillämpningar.^[4,5] FLG behåller utmärkta värmeledningsegenskaper samtidigt som det erbjuder en högre tvärsnittsarea för värmeflödet och kan underlätta bildandet av det sammankopplade nätverket av FLG-fyllmedel i polymermatrisen, vilket förbättrar kompositernas termiska prestanda.^[6]

Värmeledning sker på molekylär nivå när värmeenergi absorberas av en yta och orsakar mikroskopiska kollisioner mellan partiklar och överför energin till sina grannpartiklar, en process som pågår så länge värme tillförs. Termisk diffusivitetTermisk diffusivitet (a med enheten mm2/s) är en materialspecifik egenskap för att karakterisera instationär värmeledning. Detta värde beskriver hur snabbt ett material reagerar på en temperaturförändring.Termisk diffusivitet är den viktigaste termofysiska materialparametern för att karakterisera ett materials termiska transportegenskaper. Laser Flash-tekniken är en icke-destruktiv, kontaktlös och exakt metod som är den mest allmänt accepterade för att bestämma materialens termiska prestanda vid förhöjda temperaturer.

Hur mätning och modellering hänger ihop

Vår senaste artikel i tidskriften Industrial & Engineering Chemistry Research beskriver tillämpningen av NETZSCH LFA 467 HyperFlash^®® vid undersökningen av termiska diffusivitetsegenskaper hos nanokompositer av epoxipolymerer som modifierats med grafen-nanoplättar (GnP). GnP har en genomsnittlig partikeldiameter på ca 25 µm och innehåller ca 18-24 grafenlager. Den här enhetens höga datainsamlingshastighet på 2 MHz möjliggör tillförlitliga och exakta mätningar av högledande och/eller tunna material. Gjutna nanokompositer skars till kvadratiska prover med en sidolängd på 10 mm. Deras värmediffusivitet mättes mellan rumstemperatur och 150°C under uppvärmning och kylning. Med hjälp av den effektiva medium -teorin^[7] utvecklades också en enkel analytisk modell som inkluderar både Kapitza-motståndet (även känt som gränsytans termiska motstånd eller termiskt gränsresistans) och grafen-grafen-kontaktmotståndet för att beräkna nanokompositernas effektiva Termisk konduktivitetVärmekonduktivitet (λ med enheten W/(m-K)) beskriver transporten av energi - i form av värme - genom en masskropp som ett resultat av en temperaturgradient (se fig. 1). Enligt termodynamikens andra huvudsats strömmar värme alltid i riktning mot den lägre temperaturen.värmeledningsförmåga.

Värmeledningsförmågan för varje prov beräknades sedan som produkten av TäthetMassdensiteten definieras som förhållandet mellan massa och volym. densitet, värmediffusivitet och materialets specifika värme. Värmekonduktiviteten hos de förberedda GnP-epoxiproverna som en funktion av temperaturen visas i figur 1 (a-b) för nanokompositer som innehåller olika laddningar av GnP (xGnP M-25 och M-5 förkortas hädanefter GnP25 respektive GnP5) (0,5 - 5,0 vikt%).

Varför storlek och lastning är viktigt

Värmeledningsförmågan visade sig förbättras med en ökning av GnP-laddningen samt partikelstorleken, där nanokompositer inte gav en synlig termisk perkolationströskel. Den nya effektiva modellen för Termisk konduktivitetVärmekonduktivitet (λ med enheten W/(m-K)) beskriver transporten av energi - i form av värme - genom en masskropp som ett resultat av en temperaturgradient (se fig. 1). Enligt termodynamikens andra huvudsats strömmar värme alltid i riktning mot den lägre temperaturen.värmeledningsförmåga validerades sedan med experimentella resultat för slumpmässigt orienterade tvåfasiga heterogena GnP-epoxi-nanokompositer. Tabell 1 innehåller de ingångsparametrar som infördes i de skapade modellerna för Termisk konduktivitetVärmekonduktivitet (λ med enheten W/(m-K)) beskriver transporten av energi - i form av värme - genom en masskropp som ett resultat av en temperaturgradient (se fig. 1). Enligt termodynamikens andra huvudsats strömmar värme alltid i riktning mot den lägre temperaturen.värmeledningsförmåga, följt av en korrelation av experimentella data med skapade teoretiska värmemodeller som visas i figur 2 (a-b) för GnP-epoxi-nanokompositer som innehåller GnP25 respektive GnP5.

En stadig ökning av värmeledningsförmågan med en ökad fyllnadsmängd observeras för både GnP25- och GnP5-partiklarna. Dessutom observerades en stark överensstämmelse mellan de förutsagda värdena av värmeledningsförmågemodellen och experimentella data för båda typerna av kompositer (se figur 2 (a-b)), med beräknade korrelationskoefficienter på ~ 0,98 och ~ 0,99 för nanokompositer som innehåller GnP5 respektive GnP25. Detta resultat bevisar att den konstruerade värmeledningsmodellen i studien kan ge en bra förutsägelse av värmeledningsförmågan hos GnP-epoxi-nanokompositer vid olika GnP-laddningar. Att öka effektiviteten i tillverkningsskalbarheten och utvidga nuvarande materialmodeller skulle hjälpa till att utforma grafenkompositstrukturer med förutsägbara egenskaper och säkra felmoder, vilket i sin tur underlättar tillverkningen av skalbara laminatstrukturerade kompositer för en rad avancerade applikationer som flyg- och fordonsindustrin.

Denna forskning bidrog till ett DMTC-hanterat samarbete som involverar ett nätverk av forsknings- och industripartners över hela Australien. Mer information finns i artikeln: Länk till https://pubs.acs.org/doi/abs/10.1021/acs.iecr.1c04621

Referenser

[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.

[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.