– Entransy dissipation rate becomes inapplicable for the transient heat conduction process.
– An extended entransy dissipation rate was introduced using convolution integral.
– Extremum of total extended entransy dissipation rate corresponds to the optimal results.

Heat transfer optimization principle is critically important for further explaining the underlying mechanisms and guiding practical designs of heat transfer processes. Recently, the entransy theory has been successfully used to optimize various steady-state heat transfer processes. Nevertheless, it is still an open question whether this theory can be utilized in transient cases. Here, we examined the applicability of the entransy analyses on the one-dimensional transient heat conduction process. It was found that the entransy dissipation rate can neither derive the transient governing equation nor correspond to the optimal result in the transient optimization problem.

Therefore, an extended entransy dissipation rate was defined as the convolution integral of heat flux and negative temperature gradient. The total extended entransy dissipation rate over the time and space domain can correspond to the optimal result of the transient optimization problem. Additionally, Fourier transform was used to convert the transient problem from the time domain into the frequency domain, and the total entransy dissipation rate in the frequency domain will give a convenient optimization criterion that the temperature gradient field should be spatially uniform to reach the shortest characteristic time. Also, the inverse Fourier transform of the entransy dissipation rate in the frequency will be the extended entransy dissipation rate in the time domain. Finally, these findings were used to optimize a practical transient heat conduction problem for a solid thermal energy storage unit.

نمونه ترجمه مقاله:دانلود ترجمه مقاله هدایت حرارتی گذرا

• مقدمه

انتقال حرارات مبادله انرژی حرارتی بین سیستم‌های فیزیکی به علت اختلاف دما با بسیاری از برنامه‌های کاربردی مهندسی مانند سرد سازی [1] و سیستم‌های ذخیره انرژی است [2]. فرایندهای انتقال حرارت باید برای استفاده کارآمد و پایدار انرژی بهینه شوند. معادلات حاکم برانتقال حرارت با بسیاری از روش‌های توسعه یافته برای بهبود تولید انرژی، مصرف و حفاظت بر اساس آنالیز انرژی به خوبی ایجاد شده است [3]. با این حال، بهینه سازی انتقال حرارت هنوز نیاز به تحقیقات بیشتر در عمق برای توضیح بیشتر مکانیسم‌های پایه و راهنمای طرح‌های عملی است.

بیجن[1] [4]، اصل کمینه سازی تولید آنتروپی را برای بهینه سازی انتقال حرارت پیشنهاد کرد، یعنی بهترین نرخ انتقال حرارت مربوط به حداقل نرخ تولید آنتروپی است. اگرچه نرخ تولید آنتروپی به طور گسترده در تحلیلهای بهینه سازی انتقال حرارت مورد استفاده قرار گرفته است [5–9]، چندین مثال متقابل برای اصل کمینه سازی تولید آنتروپی شناسایی شده‌اند [10-13]. این به این دلیل است که کل نرخ تولید آنتروپی را نمی‌توان برای ساختن اصل کمترین کنش یک فرآیند انتقال حرارت استفاده کرد [14]. کمینه سازی نرخ تولید آنتروپی کل نمی‌تواند رابطه ساختاری انتقال حرارت پایه، قانون فوریه [15-17] را بازیابی کند. رابطه ساختاری بین گرادیان دما و شار حرارتی مشتق شده از نرخ تولید آنتروپی، مستلزم آن است که هدایت حرارتی به طور معکوس متناسب با مربع درجه حرارت باشد؛با این حال، هیچ مواد شناخته شده‌ای وجود ندارد که هدایت حرارتی آن با این رابطه مطابقت داشته باشد، بنابراین هیچ مشکل انتقال حرارت واقعی وجود ندارد که در آن حالت پایدار بتواند با به حداقل رساندن نرخ تولید آنتروپی بهینه شود.

از آنجا که نظریه تولید آنتروپی برنامه‌های محدودی برای بهینه سازی انتقال حرارت دارد، ژو[2] و همکاران [18،19] تئوری اینترنسی را پیشنهاد دادند. ماکزیمم نرخ اتلاف اینترنسی معادله دیفرانسیل حاکم در حالت پایدار را از طریق تنوع فضایی آن بازیابی می‌کند [14،20]. بنابراین، این می‌تواند برای ساخت اصل کمترین کنش (اصل تنوع) در این مورد استفاده شود که به عنوان یک فرمول جایگزین ساده از معادلات دیفرانسیل ارائه شده است و می‌تواند برای توسعه روش‌های عددی کارآمد استفاده شود. مهم‌تر از همه، برای بهینه کردن یک مشکل برای محدودیت‌های داده شده، می‌توان از اصل کمترین کنش نیز استفاده کرد. همانطور که برای بهینه سازی انتقال حرارت در حالت پایدار، یک اصل ماکزیمم اتلاف اینترنسی می‌تواند به راحتی برای برخی از مسائل نسبتاً ساده مانند مسئله نقطه-حجم استفاده شود [20]، در حالی که برای برخی از مشکلات پیچیده مانند شبکه‌های مبدل حرارتی [21]، اتلاف اینترنسی می‌توان برای محدود کردن محدودیت‌ها استفاده شود و در نتیجه پروسه بهینه سازی را تسهیل کند.

[1] Bejan

[2] Guo