尽管较大的工业热交换器仍采用传统的制造技术，但大多数时候，对热交换器的需求朝向尺寸越来越小，结构越来越紧凑的趋势发展。
金属3D打印-增材制造助力实现越来越小巧的热交换器，在更紧凑的设计中找到了越来越多的应用，例如电子设备、可再生能源应用、制冷循环、燃料电池，ICE电动汽车。本期，3D科学谷与谷友一起来领略通往这些更高效、更集成的热交换器3D打印的设计之路。
l 欢迎在文后留言申请长期转载授权 l
设计的多维发力点
3D打印-增材制造技术提供的主要好处是增加了设计自由度，这允许更有效的传热，同时减少所需零件的数量。这带来更少的空间占用和更少的材料，从而使设备的重量更轻，且同时可以管理更高的热负荷和功率密度。
图片来源：3D科学谷发布的上篇-《3D打印与换热器及散热器应用2.0》
CAD建模-更智能
有多种方法可以利用增材制造优势获得更高效的热交换器。到目前为止，最常见的是通过使用点阵晶格结构，针状鳍片和微通道来增加可用于热交换的表面。在这方面，3D科学谷在下篇-《3D打印与换热器及散热器应用2.0》白皮书里揭示了关于这些不同形状填充的热交换器设计思路。
胞元填充方面，可以尝试nTopology的nTop平台，在这里通过创成式算法来完成复杂的设计。根据3D科学谷的市场观察，nTop平台的一大优势是可以实现看智能化的点阵结构自动圆角。当通过点阵技术减轻零件重量时，从DfAM（增材思维）角度看，在点阵晶格和外蒙皮之间建立牢固的连接非常重要（以防止分层）。传统的3D建模过程首先需要选择所有交叉点，然后才能尝试在所有位置创建回合。
软件工程师知道这会带来非常痛苦的工作量，更不用说当新的圆角值根本无法重建时，重建错误的加剧会带来沮丧的情绪。通过启用nTop平台的高级计算方法，可以通过输入圆角值（包括较大的圆角值），消除了对模型故障的担心。
点阵结构填充轻量化设计所需要实现的零件复杂性已经超过了传统的CAD软件的原有功能。对设计进行修改的时候，例如仅在节点，横梁和连接体之间应用圆角或倒圆角所涉及的工作量在使用传统软件工具的时候往往变得“浩瀚无边”。这种低附加值的工作会延缓工程流程，抑制真正的创新，并扼杀组织保持竞争优势的能力。
圆角应用的答案在于自动化，nTop平台提供了自动圆角化的解决方案。由于nTop 平台中3D模型背后的底层数据结构，传统上被视为有风险或脆弱的操作在nTop平台中可以轻松得以实现。
来源：additivalab
除了点阵的应用，针状鳍片的设计几乎总是有益的：虽然圆形和椭圆形鳍片带来的改进或许很小，但金刚石、翼型和矩形鳍片带来的改进很明显。
所有这些特征允许更高的热传递，不过如果不适当地设计，由于与流体流动相反的阻力增加，尤其是点阵晶格结构会损害系统的整体效率。
CAE仿真-驱动设计
仿真驱动设计在热交换器的设计方面体现得尤为明显，利用众所周知的流体动力学公式，对于每个模型都可以追踪总热交换和热交换系数。再次注意到，随着网状结构的密度增加，压力损失和热交换增加。而且，在制冷剂侧，管道厚度的增加对应于通道部分的减小，并因此导致相当大的压降。
图片来源：3D科学谷发布的上篇-《3D打印与换热器及散热器应用2.0》
提高热交换器效率的另一种方法是增加内部通道中的湍流。在轴向流中产生涡流，有可能创建一个次级正交速度场，从而减小边界层的厚度并促进热交换。这种涡流可以通过扭管或涡流发生器产生。
通过提高粗糙表面方法可以获得传热增强，不过在某些案例中虽然这种方式可以获得高达70％的传热系数改进，但这种方法大大提高了摩擦系数，从而又导致了更高的压降。这样的效果对于具有较小水力直径的微通道变得更加敏感。
来源：additivalab
通过Ansys Fluent来计算各种结构CFD模型中的压力损失和热交换情况。在相同的重量下，某些几何形状在热流体动力学性能方面优于其他几何形状。通常，空气侧压力损失的增加与模型内材料的密度成正比，3D科学谷了解到事实上，通常具有更致密的网状结构的几何形状阻碍了空气的通过，产生了局部重要的压力跳跃，增加了总体损失。
通过Ansys的CFD-Post可以定性评估散热器各个点的压力和温度条件，以便能够解释热交换器各个区域中的热流体动态交换行为模型。
通过选区激光熔化技术（SLM / DMLS），可以与热交换器的主体以结构一体化的方式制造出来，而无需组装，并且几乎不需要额外的费用，从而确保将传热系数提高诸如40％或者更高的水平。
开启材料人工智能开发之路
此外，除了几何形状方面的设计考虑，根据3D科学谷的观察，通过3D打印实现更具热传导效率的材料方面的设计是另外一条曲径通幽之路。在这方面，3D科学谷在此前发表的《案例了解3D打印中人工智能如何设计钛合金以提升热传导性能》一文中分享了Intellegens的机器学习工具AIchemite™如何为波音亞仕得加速器提供最高的热传导性能产品且不降低机械性能要求。其中，Alchemite™人工智能引擎几乎是在最大化热传导性能和抗拉强度的两个方向上寻找到了最佳材料组合。
通过Alchemite™人工智能引擎可以将通常需要2年的材料开发设计过程缩短为3个月。通过调整金属元素的组合，来开发适合性能要求的热交换器。通过Alchemite™人工智能引擎可以将开发过程可视化，持续性的获得开发进展。
3D科学谷Review
除了从设计端发力，另外一个重要的考虑因素是认证。
工业革命以来，热交换器在工程系统中具有长期的应用，这意味着传统工艺制造的热交换器的性能和可靠性的置信度很高，而增材制造热交换器所采用的是新兴的制造工艺和创新性的设计方式，这样的新兴工艺需要更多的资格鉴定数据来支持和加速产品的认证过程。
图片来源：3D科学谷发布的上篇-《3D打印与换热器及散热器应用2.0》
增材制造仍然是热交换器生产的新兴技术，资格鉴定和认证对于促进3D打印热交换器的应用至关重要。
根据3D科学谷的市场观察，西门子研究院还推出了基于模型的快速认证技术（ICME），这是一种数据驱动的快速认证技术（机器学习）。如何通过数据、仿真以及人工智能的结合实现数据驱动的认证以打开产业化大门，根据3D科学谷的市场观察，这是值得高度关注的领域。
在3D科学谷看来，工欲善其事必先利其器，在所有创造价值的源头，在所有可能颠覆的源头，不管是CAD,CAE还是人工智能开发新材料组合，算法无疑是最重要的部分之一。
而总体来说，设计出轻量化、高效的热交换器需要对增材制造设计（DfAM）建立基本了解，只有充分的了解设计的理念和制造的约束，才能确保零件的可制造性。
白皮书下载，加入3D科学谷QQ群：106477771
网站投稿请发送至2509957133@qq.com
欢迎转载，转载请注明来源3D科学谷，并链接到3D科学谷网站原文。
