نام پژوهشگر: آمنه آهنگرپور

ساخت و اندازه گیری خواص حرارتی نانوسیالات حاوی نانولوله های کربنی و بررسی امکان مدل سازی آن ها
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم 1393
  آمنه آهنگرپور   منصور فربد

در این تحقیق، نانوسیال های حاوی نانولوله های کربنی با طول های مختلف و غلطت های 1/0، 25/0 و 5/0 درصد حجمی و دماهای متفاوت در سیال های پایه ی آب یون زدایی شده، اتیلن گلیکول، ??? آب یون زدایی شده + ??? اتیلن گلیکول و روغن موتور (بهران تکتاز با گرید sae 20w50) تهیه و رسانندگی حرارتی آن ها اندازه گیری شد. به منظور تغییر طول نانولوله-های کربنی و افزایش پخش شدگی آن ها در سیال های مختلف، نانولوله ها عامل دار شدند. از مخلوط اسیدهای سولفوریک و نیتریک با نسبت سه به یک برای عامل دارسازی آن ها استفاده گردید و مدت زمان ماندگاری نانولوله های کربنی در مخلوط اسیدها (زمان رفلاکس) به عنوان یکی از عوامل متغیر مورد بررسی قرار گرفت. با وارد کردن نانولوله های کربنی در مخلوط اسیدها، نانولوله ها از محل نواقص سطحی خود شکسته شده و در این محل ها، گروه های عاملی مانند -cooh،-oh و غیره متصل می شوند، بنابراین انتظار داریم با تغییر زمان رفلاکس، نانولوله های کربنی با طول های مختلف داشته باشیم. بر اساس اندازه گیری های انجام شده با استفاده از تصاویر sem و نرم افزار اندازه گیری، طول نانولوله های کربنی برای زمان های رفلاکس یک، دو و چهار ساعت به ترتیب ???، ??? و ??? نانومتر بدست آمدند. به منظور تخمین میزان پایداری نانوسیال-های بر پایه ی آب یون زدایی شده و اتیلن گلیکول ، به جای روش های تصویری کیفی از روش کمی طیف سنجی جذبی uv-vis و آنالیز پتانسیل زتا استفاده گردید. نتایج نشان دادند که نانوسیال های حاوی نانولوله های کربنی چهار ساعت رفلاکس در سیال پایه ی آب یون زدایی شده دارای پایداری بهتری نسبت به سایر نمونه ها هستند. به طوری که پس از گذشت حدود سه ماه از تهیه ی نانوسیال، کاهش چندانی در شدت قله ی جذبی است. نتایج اندازه گیری های رسانندگی uv-vis آن مشاهده نشده حرارتی نشان دادند برای تمامی سیال های پایه ی مورد بررسی، پخش کردن نانولوله های کربنی در سیال های پایه موجب افزایش رسانندگی حرارتی شده است. به علاوه، رسانندگی حرارتی نانوسیال های حاوی نانولوله های کربنی عامل دار شده نسبت به نانوسیال های حاوی نانولوله های اولیه بالاتر می باشد. همچنین ملاحظه گردید که با افزایش زمان رفلاکس، رسانندگی حرارتی نانوسیال های بر پایه ی اتیلن گلیکول (حدود ?? درصد افزایش در نانولوله های عامل دار پس از ??? روز از تهیه ی نانوسیال ها) و روغن موتور بهران تکتاز (حدود 5/9 درصد افزایش برای نانوسیال های حاوی نانولوله های کربنی چهار ساعت رفلاکس با غلظت 5/0 درصد حجمی)، افزایش یافته است ولی برای نانوسیال های بر پایه ی آب یون زدایی شده بیش ترین مقدار رسانندگی حرارتی در نانوسیال های حاوی نانولوله های یک ساعت رفلاکس (حدود ?? درصد) مشاهده گردید. از سوی دیگر، با افزایش غلظت نانولوله های کربنی، برای هر سه نوع سیال پایه، افزایش در رسانندگی حرارتی مشاهده گردید، اما افزایش مشاهده شده برای سیال پایه ی روغن موتور قابل ملاحظه تر بود. اثر افزایش دمای نانوسیال ها بر رسانش حرارتی آن ها در دماهای 20، 30، 40 و 50 درجه ی سانتی گراد مورد تحقیق واقع شد. نتایج نشان دادند که با افزایش دما، رسانندگی حرارتی در نانوسیال های بر پایه ی آب یون زدایی شده افزایش یافته است در حالی که افزایش رسانندگی حرارتی با دما برای نانوسیال های بر پایه ی اتیلن گلیکول و روغن موتور بسیار کم تر می باشد. علاوه بر این، اثر تزیین نانولوله های کربنی با نانوذرات نقره با درصدهای وزنی یک، دو و چهار درصد بر رسانندگی حرارتی نانوسیال ها مورد بررسی قرار گرفت. نتایج نشان دادند که در مجموع، تزیین نانولوله های کربنی با نانوذرات نقره منجر به افزایش رسانندگی حرارتی نانوسیال ها می شود. بیش ترین درصد افزایش نسبت به آب یون زدایی شده حدود ?? درصد بدست آمد و در نانوسیال های حاوی نانولوله های کربنی با چهار درصد نانوذرات نقره مشاهده گردید. در این تحقیق، از روش شبکه های عصبی مصنوعی که روشی مبتنی بر داده های تجربی است، استفاده شد. با این روش در حقیقت می توان با استفاده از اطلاعات مربوط به آزمایش های تجربی انجام شده، آزمایشگاهی مجازی طراحی و نتایج را در شرایط مختلف پیش بینی نمود. روش شبکه های عصبی مصنوعی برای نانوسیال های بر پایه ی آب یون زدایی شده و روغن موتور مورد بررسی قرار گرفت. نتایج نشان دادند که برای هر دو سیال پایه، شبکه توانسته است به منظور پیش بینی نتایج، به خوبی آموزش ببیند اما به دلیل روند منظم تری که داده های مربوط به نانوسیال های بر پایه ی روغن موتور داشتند، در این مورد شبکه آموزش بهتری را داشته و با درصد خطایی کم تر از 4 درصد نتایج را پیش بینی نموده است.