Koelen van metalen buizen

Introductie¶

In het boek wordt in hoofdstuk 2 geschreven over warmtetransport. Dat kan op drie manieren plaatsvinden. Het is niet eenvoudig om deze drie verschillende vormen uit elkaar te houden. In het vak ‘Fysische Transportverschijnselen’, dat in het tweede jaar wordt gegeven, zal je zien dat de natuurkunde achter deze verschillende vormen van warmtetransport ook best ingewikkeld is.

In deze proef proberen we een inschatting te maken van de ordegrootte van de verschillende vormen van warmtetransport bij de koeling van een metalen buis aan lucht.

Theorie¶

Volgens Newton’s wet van afkoeling is de snelheid waarmee een voorwerp afkoelt evenredig met het verschil in de temperatuur van het voorwerp ( $T$ ) en de omgeving ( $T_0$ ). We kunnen dit schrijven als:

\dot{Q} = -hA(T(t) - T_0),

(1)

waarin

$\dot{Q}$ de warmtestroom in $\mathrm{W}$ ,
$A$ het oppervlak waardoor koeling optreedt in $\mathrm{m}^2$ ,
$h$ de warmteoverdrachtscoëfficiënt in $\mathrm{W/(m^2 K)}$ .

Dit levert de differentiaalvergelijking

C\dot{T} = -hA(T(t) - T_0),

(2)

met $C$ de warmtecapaciteit in $\mathrm{J/kg}$ . Herschrijven met $\tau = \frac{C}{hA}$ levert:

-\tau\dot{T} = T(t) - T_0,

(3)

met als oplossing:

T(t) - T_0 = (T(0) - T_0)\text{e}^{-t/\tau}.

(4)

We kunnen hieruit dus concluderen dat $\tau$ de karakteristieke tijdsduur is waarin de temperatuur van de buis een factor $\text{e}$ verlaagd ten opzichte van de omgevingstemperatuur.

We zijn hier voor het gemak uitgegaan van een $h$ die onafhankelijk is van de temperatuur. We weten echter dat warmtetransport door straling niet lineair gaat, maar als

\dot{Q}_s = \epsilon \sigma A (T^4 - T_0^4).

(7)

Voor kleine temperatuurverschillen ( $\Delta T = T - T_0$ ) is dit te vereenvoudigen tot

\dot{Q}_s = \epsilon \sigma A ((T_0+\Delta T)^4 - T_0^4) \approx \epsilon \sigma 4A T_0^3 \Delta T.

(8)

Zolang $\Delta T$ dus relatief klein is ten opzichte van $T_0$ , kunnen we $h$ dus inderdaad als een constante beschouwen.

Methode en materialen¶

Ontwerp¶

Materialen¶

standaard met twee thermisch geïsoleerde grijparmen
metalen buis me bijpassende dop
thermometer (infrarood of thermokoppel)
knijper voor bevestigen thermokoppel op buis
warm water tussen 60 en 80 graden Celsius
(evt) schuifmaat voor bepalen dimensies buis

Procedure¶

Stop de buis in warm water en laat deze gedurende een paar minuten zitten om thermisch evenwicht te bereiken. Beantwoord ondertussen de volgende vragen met behulp van de tabel:

Materiaal	$\rho$ in $\text{kg/m}^3$	$C$ in $\text{J} / \text{(kg K)}$
messing	8,73E3	3,8E2
aluminium	2,7E3	8,8E2
staal	7,9E3	4,7E2

Pak de buis op met thermisch isolerende handschoenen (of direct met de geïsoleerde grijparm) en plaats deze in de grijparm met isolatieschoentjes. Positioneer de thermometer voor optimale temperatuurlezing. Meet als functie van tijd hoe lichaam koelt. Wacht voldoende lang zodat je de karakteristieke tijd $\tau$ voor de afkoeling kan bepalen.

Doe dit voor twee of drie configuraties:

De buis met de as in verticale richting en afgesloten met dop.
De buis met de as in verticale richting zonder dop.
(alleen bij voldoende tijd) De buis met de as in horizontale richting en afgesloten met dop.

Data analyse¶

Bepaal de karakteristieke tijd $\tau$ waarin de temperatuur van buis afneemt. Deze kan verschillend zijn voor de drie bovenstaande configuraties.
Bereken hieruit de warmteoverdrachtscoëfficiënt.
Vergelijk je resultaten met je groepsgenoten die een vergelijkbare buis hebben gemeten (dit kan klassikaal).
Welk deel van de warmteoverdrachtscoëfficiënt verwacht je dat gegeven is door de geleiding, straling en convectie? Onderbouw je redenering.

Resultaten¶

# Hier de data en de analyse
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def exp_func(t, A, tau, T_omg):
    # A is verschiltemperatuur met omgeving aan start
    # tau is de karakteristieke tijd voor de koeling
    # T_omg is de omgevingstemperatuur
    return (A * np.exp(-t/tau) + T_omg)  

#messing buis 
buitenoppervlak = 0.01604 # in m^2
warmtecapaciteit = 82.4 # in J/K

#messing buis verticaal zonder dop
times_1 = np.arange(0,640,10) #in seconden
temps_1 = np.array([51.9,51.1,49.6,49.4,49.2,49.0,48.6,48.1,47.7,47.1,46.5,45.9,45.3,44.7,44.2,43.8,43.2,42.6,42.1,41.7,41.2,40.7,40.3,39.9,39.5,39.1,38.3,37.9,37.7,37.4,37.2,36.8,36.4,36.1,35.8,35.5,35.3,35.0,34.6,34.5,34.2,34.0,33.7,33.4,33.2,33.0,32.7,32.6,32.4,32.2,32.0,31.8,31.6,31.5,31.3,31.2,31.0,30.9,30.7,30.6,30.5,30.3,30.1,30.0])
temps_1 = temps_1+273 #in Kelvin

#messing buis verticaal met dop
times_2 = np.arange(0,800,10) #in seconden
temps_2 = np.array([53.0,52.8,51.2,50.7,50.0,49.5,48.8,48.2,47.7,47.0,46.5,45.9,45.3,44.8,44.4,43.9,43.5,43.0,42.7,42.3,41.9,41.5,41.1,40.8,40.4,40.0,39.7,39.4,39.1,38.9,38.7,38.4,38.0,37.8,37.5,37.2,37.0,36.8,36.6,36.4,36.1,35.9,35.7,35.4,35.2,35.1,34.9,34.8,34.7,34.5,34.3,34.2,34.1,33.9,33.7,33.6,33.4,33.4,33.3,33.2,32.9,32.8,32.6,32.6,32.4,32.4,32.2,32.1,32.1,32.0,31.9,31.8,31.7,31.5,31.5,31.4,31.3,31.2,31.1,31.1])
temps_2 = temps_2+273 #in Kelvin

# pas beginwaardes aan naar schatting
# Het aantal maxfev moet wellicht hoger voor goede convergentie van de waarde
popt_1, pocv_1 = curve_fit(exp_func, times_1, temps_1, p0=[27.5, 100, 24.4], maxfev=500000000)
popt_2, pocv_2 = curve_fit(exp_func, times_2, temps_2, p0=[28.1, 100, 24.9], maxfev=500000000)
A_exp1, tau_exp1, T_omg_exp1 = popt_1
A_exp2, tau_exp2, T_omg_exp2 = popt_2

y_fit_1 = exp_func(times_1, *popt_1)
y_fit_2 = exp_func(times_2, *popt_2)

#Grafiek van data en fit van beide metingen
plt.figure()
plt.xlabel('Time [s]')
plt.ylabel('Temperature [K]')

plt.plot(times_1, temps_1, 'bo', label='Verticaal zonder dop')
plt.plot(times_1, y_fit_1, 'b-', 
         label='$T = %0.2f e^{-t/%0.4f} + %0.2f$' % (A_exp1, tau_exp1, T_omg_exp1))
plt.plot(times_2, temps_2, '.k', label='Verticaal met dop')
plt.plot(times_2, y_fit_2, 'k-', 
         label='$T = %0.2f e^{-t/%0.4f} + %0.2f$' % (A_exp2, tau_exp2, T_omg_exp2))
plt.legend()
plt.show()

#Berekenen h voor beide metingen
h_exp1 = (warmtecapaciteit) / (tau_exp1 * buitenoppervlak)
h_exp2 = (warmtecapaciteit) / (tau_exp2 * buitenoppervlak)
print('De warmteoverdrachtscoëfficiënt van de messing buis zonder dop is:', round(h_exp1,1), 'W/m^2 K')
print('De warmteoverdrachtscoëfficiënt van de messing buis met dop is:', round(h_exp2,1), 'W/m^2 K')

De warmteoverdrachtscoëfficiënt van de messing buis zonder dop is: 12.7 W/m^2 K
De warmteoverdrachtscoëfficiënt van de messing buis met dop is: 15.9 W/m^2 K

Discussie en conclusie¶

Uit de twee curvefits blijkt dat de twee begintemperaturen van de metingen erg verschillen. Dit zou kunnen komen door externe omstandigheden, zoals luchtvochtigheid of meer en minder luchtstromen in de ruimte. De curvefit van de buis zonder dop geeft een grotere waarde voor $\tau$ dan de buis met dop. Dit is het tegenovergestelde van wat we zouden verwachten, omdat een buis zonder dop sneller afkoelt dan een buis met dop. De grafiek van de buis zonder dop daalt ook sneller dan de andere grafiek. De orde grootte van de gevonden waardes voor de warmteoverdrachtscoefficient van de messing buizen lijkt wel te kloppen. Met de wet van Stefan-Boltzmann kan de straling van de buis worden berekend. Dit zou ongeveer 2 W/(m²K) zijn. Dit is een erg klein deel van het totale warmteverlies, dus zou de buis volgens deze berekening meer warmte verliezen door geleiding en convectie dan door straling.