Numerical and Experimental Study of Flow Characteristics and Cooling Performance of Micro Miniature Refrigerators
-
摘要: 芯片级节流制冷器(简称MMR)是一种采用微加工工艺制成的新型节流制冷器,其轴向尺寸大幅短于传统节流制冷器,能够显著降低与之适配的红外探测器体积。为研究MMR的工作特性,建立了适用于高压力工况下气体物性沿流动方向显著变化的微槽道流动计算模型,该模型与实验验证结果符合良好。进一步在流动模型的基础上增加了微槽道换热、制冷器槽道分布和外形尺寸计算。根据计算模型制造了MMR样机并对其进行了实验研究,样机流量实验数据与计算模型符合良好。该样机在10 MPa的氮气和氩气工况下分别达到了110 K、119 K的制冷温度,制冷量分别为231 mW、479 mW,降温时间分别为250 s、70 s优于国外MMR性能,并且能够满足红外探测器对于节流制冷器的制冷性能需求。Abstract: The micro miniature refrigerator (MMR) is a novel Joule-Thomson cryocooler manufactured using micromachining technology, and its axial length is significantly shorter than that of traditional Joule-Thomson cryocoolers used in infrared detectors. MMRs can significantly reduce the size of infrared detectors when they are successfully integrated. To study the working mechanism of MMRs, a microchannel flow calculation model is established considering the high working pressure and significant change in the gas properties along the microchannels, and the calculation model is verified experimentally. The heat transfer characteristics, microchannel distribution, and overall dimensions of the MMRs are further investigated. Furthermore, an MMR prototype is fabricated based on the calculation results and its cooling performance is studied experimentally. The experimental results correspond well to the predictions of the calculation model. The MMR prototype achieved cooling temperatures of 110 K and 119 K under 10 MPa N2 and Ar working conditions, the cooling power reaches 231 mW and 479 mW, and the cool-down times are 250 s and 70 s, respectively. Consequently, the cooling performance of the MMR prototype is superior to that of the foreign MMR and meets the cooling requirements of infrared detectors.
-
Keywords:
- micro miniature refrigerator /
- micro flow /
- calculation model /
- cooling performance
-
0. 引言
混凝土材料往往因为预埋钢筋的腐蚀、水的侵蚀、连续的冻融循环、荷载等多种因素共同作用,产生裂缝、孔洞和分层等缺陷[1]。这些内部缺陷随着时间的推移会逐渐积聚、扩展,严重威胁着结构的耐久性和安全性[2]。主动红外热像检测方法作为一种无损检测手段,由于具有检测面积大、非接触式和应用操作简单等优点在混凝土结构检测领域得到了广泛的关注,并逐渐被应用到了隧道、桥梁现场检测中。
主动红外热像检测技术是一种利用红外热像仪检测材料内部缺陷的无损检测方法,其检测的基本原理是:材料被热激励后其表面红外辐射量因内部缺陷的存在而表现出差异,红外热像仪通过记录该差异,以获得材料内部的缺陷信息[3]。红外图像的信息提取与分析是红外热像检测技术的核心内容。理论上,根据热图像缺陷区域和正常区域之间的红外辐射差异可获得缺陷的信息。但实际上,红外图像本质是根据缺陷与正常区域之间的温度和辐射率生成的灰度图,而且红外光辐射的能量远比可见光低,因此到达光学镜头的红外辐射能很小,导致了红外图像与可见光图像相比只有较低的对比度,分辨弱小目标和细节能力差[4];另外,红外光子的随机性、红外成像系统的固有特性以及热激励不均匀等给红外图像引入了许多噪声,在一定程度上改变了图像的原始信息,增加了图像分割及后续图像处理的难度[5-6]。传统的基于空域的红外图像处理方法主要分为两个大的步骤:首先,是对红外图像进行降噪和增强,常用的方法有高斯滤波、中值滤波、引导滤波、小波变换、Contourlet变换、三维块匹配算法等[7-10];其次,对红外图像进行边缘特征的提取,常用的方法有:基于边缘的检测算法、基于数学形态的检测算法和最近发展较快的基于网络模型的检测算等[11-12]。传统的基于单张空域的红外图像处理方法虽然在一定程度上可以消除噪声的影响、提高图像的对比度,但是仍存在一些问题。第一,采集的数据集包含大量的热图像,每一帧红外图像都对应着某一时刻,依靠视觉手动选择缺陷信息丰富的红外图像进行缺陷信息的提取的识别费时费力。第二,在图像降噪、增强和图像分割过程中设定阈值会引入主观成分,干扰红外图像的解释。第三,仅仅分析单张红外图像,忽略采集过程中的时序信息可能会导致忽略一些边缘的缺陷信息[13-14]。
针对上述问题,本文提出了一种基于时序信息的红外图像缺陷信息提取方法。首先,通过室内实验制作含缺陷分层的混凝土试块,其次利用主动红外热像检测技术进行红外数据的采集,提取每个像素点的温度特征曲线,然后采用基于时序信息的提取方法进行含分层缺陷混凝土的缺陷提取,并与传统的基于空域的处理方法进行对比分析。
1. 基本原理
1.1 主动红外热像检测技术原理和系统
主动红外热像检测技术中,当以一定的距离对混凝土材料表面持续加热时,物体会吸收入射波的能量并将其转化为热能,并以温度场的形式表现出来。如果试样存在缺陷(本研究采用的是隔热型缺陷,模拟混凝土内部的空气分层缺陷),到达缺陷的大部分能量将反射到试样表面,引起表面正常区域和有缺陷区域温度场的差异。
利用红外热像仪记录整个检测过程中物体表面温度场的空间和时间分布信息,通过对红外图像数据进行分析和处理进而可以提取材料近表层的分层缺陷信息。主动红外热像检测技术采集到的一系列红外图像组成了一个三维的图像数据集[15](尺寸:Nx×Ny×Nt,见图 1(a)),在空间维度上,每一帧对应着某一时刻红外热像仪所采集到的物体表面温度场信息,其像素个数为Nx×Ny;在时间维度上,每个像素点可以看作是一条随时间变化的温度特征曲线(Nt时间点组成),如图 1(b)所示,其中标签NT11 DEFECT表示缺陷区域的温度特征曲线,标签NT11 NORMAL表示正常区域的温度特征曲线。
1.2 基于时序信息的缺陷信息提取原理
主动红外热像技术采集到的三维红外图像数据,其正常区域和含缺陷的区域每个像素点的温度特征曲线在冷却阶段会存在差异,如图 1(b)所示,利用这个特点我们可以采用许多能够分辨这个特征曲线差异值的相关算法进行缺陷信息的提取,本文采用相对简单、容易实施的K-means方法来提取混凝土的缺陷信息。K-means聚类方法的原理是同一类内的实体是相似的,一个类是测试空间中点的集合,同一类内任意一个点到其类中心的距离小于其到其它类中心的距离,我们可以用此算法分辨正常区域和缺陷区域的温度特征曲线[16]。K-means方法的关键是核函数的选取,核函数决定了其分辨能力,本文采用常用的马氏距离进行度量。其具体算法原理如下[17]:
假设给定的数据集为Y={y1, y2, …, ym},其中yi=[X1, X2, …, Xn],将数据对象划分为k类C={c1, c2, …, ck},每个类有一个类中心U={u1, u2, …, uk}。选取欧式距离作为相似性和距离判断准则,计算ck类内各点到聚类中心uk的距离平方和,见公式(1):
$$ J\left( {{c_k}} \right) = \sum\limits_{{x_i} \in {C_k}} {{{\left\| {{x_i} - {u_k}} \right\|}^2}} $$ (1) 聚类的目标是使各类总的距离平方和最小,见公式(2):
$$ J(C) = \sum\limits_{k = 1}^K J \left( {{c_k}} \right) = \sum\limits_{k = 1}^K {\sum\limits_{{x_i} \in {C_k}} {{{\left\| {{x_i} - {u_k}} \right\|}^2}} } $$ (2) 根据最小二乘法和拉格朗日原理,聚类中心uk应该取为类别ck类各数据点的平均值。
K-means算法是一个反复迭代过程,目的是使聚类域中所有的点到聚类中心距离的平方和最小。
2. 实验与数据分析
2.1 实验过程
本次实验混凝土试件的设计强度为C50,尺寸为50 cm×50 cm×20 cm,在混凝土中嵌入4块尺寸为10 cm×10 cm的聚苯乙烯材料(隔热型材料),模拟混凝土中的分层缺陷,混凝土试块见图 2(a)。试验采用美国FLIR公司的A655SC非制冷型红外热像仪,其热灵敏度为30 mK,图像分辨率为640×480,标准测温范围为-40℃~150℃,波长范围为7.5~14 μm,见图 2(b)。主动热激励系统采用自制的配有自动控制加热时间的碳化硅远红外加热板,共2块,每块加热板的加热功率为500 W,见图 2(c)。整个实验过程中加热时间为5 min,冷却时间为10 min;加热完成后,立即用红外热像仪采集试样表面的冷却温度场,整个采集系统见图 3所示,本文选用的是持续加热法。
2.2 红外图像数据
实验采集到的红外图像序列如图 4所示,根据红外图像可以发现一共存在4块分层缺陷,各个缺陷之间存在温度场相互影响的干扰区,而且各个缺陷的轮廓比较模糊,存在被隐藏的缺陷信息。整个采集的红外图像数据的第一帧(0 s)最清晰,其正常区域和缺陷区域存在较大的温差;之后随着冷却的进行,正常区域和缺陷区域的温差逐渐减小,缺陷信息逐渐模糊,至最后一帧很难用肉眼分辨。
3. 红外图像处理和对比分析
3.1 红外图像缺陷提取
主动红外热像检测技术所采集的图像每一帧都含有大量的噪声,为了测试基于时序信息红外图像缺陷信息提取的可行性以及性能,本次在图像特征提取前不对图像进行预处理。首先,将红外图像数据按像素点逐个提取时间序列,组成聚类数据集;然后将时序数据序列输入到K-means程序中,进而得到每一帧各个像素点的聚类信息。为了提高运算效率,本次在图像序列处理中采样间隔为1,其序列长度减小为原来的一半。聚类完成后得到图像中每一个像素点所属的类别,进而完成对图像缺陷信息的提取。
图 5为经过聚类后的提取结果,通过观察发现4个缺陷信息都被提取出来,与原始红外图像相比(图 4),其缺陷信息有了明显的增强,缺陷信息完全肉眼可见,每个识别出的缺陷区域呈近似正方形,完整性相当好,接近于预埋缺陷的形状,而且缺陷提取后的图像序列的时序信息得以保留。
3.2 对比分析
为了测试基于时序信息红外图像分层缺陷的信息提取效果,本文采用基于空域的二维K-means图像缺陷信息提取算法与其进行对比。由于采集的红外图像数据集第一帧(0 s)缺陷信息最清晰,因此选用第一帧红外图像进行基于空域的分层缺陷信息提取。两种方法的分层缺陷信息提取结果见图 6,由图 6(b)所示,基于时序信息的分层缺陷提取方法4个分层缺陷都被完全提取出来,图 6(a)中模糊、隐藏的信息也被提取出来,缺陷细节分辨能力较好。由图 6(c)所示,基于空域信息的分层缺陷信息提取方法4个分层缺陷被识别为一个缺陷,缺陷细节分辨能力较差。通过分析可能是受缺陷之间温度场叠加的相互影响,缺陷之间区域(图 6(a)中虚线框内部所示的无缺陷区域)的温度信息和分层缺陷的温度场信息较为接近,而和图 6(a)的无缺陷边缘温度场信息差异较大,导致基于空域信息的提取方法效果较差;根据含缺陷混凝土试块的物理特性可知,存在分层缺陷和正常区域的温度特征曲线是存在差异的,基于时序信息的提取方法主要是根据每个像素点的温度特征曲线差异来提取特征,其提取缺陷的分辨能力和效果更好。
4. 结论
主动红外热像检测技术中,传统的红外图像处理方法在一定程度上可以消除噪声、提高图像的对比度,但是仍存在一些问题。针对上述问题,本文根据主动红外热成像的数据特点提出了一种基于时序信息的红外图像缺陷信息提取方法。结果表明,基于时序信息的缺陷提取方法是可行的,其可以提取到隐藏的缺陷信息,分层缺陷信息提取效果优于基于空域的K-means方法。
-
-
[1] 李家鹏. 带有预冷级的波纹管自调式快速节流制冷器的研究[D]. 北京: 中国兵器科学院, 2016. LI J P. Research on Bellows Self Adjusting Rapid Throttling Refrigerator with Pre cooling Stage[D]. Beijing: Chinese Academy of Ordnance Sciences, 2016.
[2] Little W A. Design and construction of microminiature cryogenic refrigerators, future trends in superconducting electronics[C]// Proc. of APS Conf., 1978, 44: 421-424.
[3] 陈国邦. 最新低温制冷技术[M]. 北京: 机械工业出版社, 2003. CHEN G B. Low Temperature Engineering Materials[M]. Beijing: China Machine Press, 2003.
[4] Larry D, Capara. Microelectronic System with Integral Cryocooler, and Its Fabrication and Use: US, 6621071 B2[P]. 2003-9-16.
[5] Dominique C, Cottereau. Joule-Thomson Cooler: US, 6202422 B1[P]. 2001-3-20.
[6] Ike C, Ambrose. Stacked Multistage Joule-Thomson Cryostat: US, 5590538[P]. 1997-1-7.
[7] Beskok A, Karniadakis G E, Trimmer W. Rarefaction and compressibility effects in gas microflows[J]. Fluid Engineering, 1996, 118: 448-455. DOI: 10.1115/1.2817779
[8] Berg H R, Seldam C A, Gulik P S. Compressible Laminar flow in a capillary[J]. Fluid Mechanics, 1993, 246: 1-20. DOI: 10.1017/S0022112093000011
[9] Harley J C, Huang Y F, Bau H H, et al. Gas Flow in Microchannels[J]. Journal of Fluid Mechanics, 1995, 284: 257-274. DOI: 10.1017/S0022112095000358
[10] Tae W K, Tae S P. Size effect on compressible flow and heat transfer in microtube with rarefaction and viscous dissipation[J]. Numerical Heat Transfer, 2019, 76(11): 1-18.
[11] Stephen E T, Lok C L, Mohammad F, et al. Experimental investigation of gas flow in microchannels[J]. Journal of Heat Transfer, 2004, 126: 753-763. DOI: 10.1115/1.1797036
[12] Arkilic E B, Breuer K S, Schmidt M A. Mass flow and tangential momentum accomodation in silicon micromachined channels[J]. Fluid Mech, 2001, 437: 29-43. DOI: 10.1017/S0022112001004128
[13] WU P Y, Little W A. Measurement of friction factors for the flow of gases in very fine channels used for microminiature Joule-Thomson refrigerators[J]. Cryogenics, 1983: 273-277(DOI: 10.1016/0011-2275(83)90150-9).
[14] Marco S M, Han L S. A note on limiting laminar Nusselt number in ducts with constant temperature gradient by analogy to thin-plate theory[J]. Journal of Fluids Engineering, 1955, 77(5): 625-630.
[15] 李晓永, 王玲, 洪晓麦, 等. 微型节流制冷器降温时间的优化研究[J]. 真空与低温, 2021, 27(1): 1-9. https://www.cnki.com.cn/Article/CJFDTOTAL-ZKDW202103011.htm LI X Y, WANG L, HONG X M, et al. The optimization on the cooldown time of a miniature JT cooler[J]. Vacuum and Cryogenics, 2021, 27(1): 1-9. https://www.cnki.com.cn/Article/CJFDTOTAL-ZKDW202103011.htm
[16] Hsieh C K, SU K C. Thermal radiative properties of glass from 0.32 to 206 μm[J]. Solar Energy, 1979, 22(1): 37-43. DOI: 10.1016/0038-092X(79)90057-4
[17] CAO H S, Vanapalli S, Holland H J, et al. Characterization of a thermoelectric/Joule-Thomson hybrid microcooler[J]. Cryogenics, 2016, 77: 36-42. DOI: 10.1016/j.cryogenics.2016.04.012
-
期刊类型引用(2)
1. 黄坤琳,吴国周,徐维新,李利东,王海梅,李航,李自翔,司荆柯,刘洪宾,吴成娜. 呼伦贝尔东部农田区动态融雪过程及其影响因子. 干旱区研究. 2024(09): 1514-1526 . 百度学术
2. 黄林,李晖,康璇. 基于Freeman全极化分解的干雪识别指数模型构建. 厦门理工学院学报. 2023(05): 40-48 . 百度学术
其他类型引用(2)