基于氧化石墨烯的[EMIM]Cl离子纳米流体在管内的传热及摩擦因子分析：高普朗特数下的实验与人工神经网络预测

本研究针对传统单相流体传热效率低的问题，通过制备1-乙基-3-甲基咪唑氯盐([EMIM]Cl)基氧化石墨烯(GO)离子纳米流体，系统探究了其热物理性质、传热系数及摩擦因子。实验表明，0.5 wt% GO离子纳米流体在60°C时导热系数提升26.39%，努塞尔数(Nu)和传热系数(hnf )最高分别提升32.27%和59.01%，同时摩擦因子(f)仅增加14.04%。采用人工神经网络-比例共轭梯度(ANN-SCG)模型实现了高精度预测(R2 0.98)，为高普朗特数工况下的传热优化提供了新策略。

　　

在能源效率备受关注的今天，传统热管理系统中单相流体(如水、乙二醇)的传热性能已接近瓶颈。纳米流体的出现为解决这一难题带来了曙光，其中碳基纳米材料因其卓越的导热性能备受青睐。氧化石墨烯(GO)作为二维材料，不仅具有5000 W/m·K的超高热导率，其表面官能团还赋予其优异的分散稳定性。与此同时，离子液体(IL)因其独特的离子结构和宽液态温度范围，在热管理领域展现出巨大潜力。然而，关于离子液体与GO复合形成的"离子纳米流体"(ionanofluids)的传热特性，尤其是高普朗特数(Pr>200)条件下的系统研究仍属空白。

为填补这一研究空白，研究人员开展了[EMIM]Cl/GO离子纳米流体的制备与性能研究。通过Hummers法制备厚度约10.5 nm的GO纳米片，将其分散于[EMIM]Cl中形成0.05-0.5 wt%的离子纳米流体。采用KD-2 Pro热导仪、振动粘度计等设备测定30-60°C范围内的热物性参数，并在内径6 mm的铜管中开展层流(Re<2300)传热实验。结合实验数据构建了ANN-SCG预测模型，并开发了新的Nu和f关联式。

关键技术方法包括：(1)Hummers法合成GO纳米片；(2)多浓度离子纳米流体制备；(3)热物性参数系统测量；(4)定制化传热实验装置；(5)ANN-SCG建模与验证。研究团队特别关注了高Pr数(210-1116)条件下的传热特性，这在实际工业应用中具有重要意义。

3.1 热物性分析
实验数据显示，0.5 wt% GO使[EMIM]Cl在60°C时热导率(k_inf
)提升26.39%，30°C时粘度(μ_inf
)增加30.44%。密度(ρ_inf
)和比热(C_p,inf
)变化相对较小，表明GO主要影响输运性质而非热容特性。通过建立k_inf
/k_il
=1.303(T_min
/T_max
)^0.06226
ψ^0.05974
等关联式，实现了热物性的精准预测。

4.2 传热系数分析
在Re=297.4时，0.5 wt%样品的h_nf
达574.93 W/m²
·K，较基液提升59.01%。值得注意的是，h_nf
增幅随Re提高而增大，这与GO增强的微对流和边界层扰动密切相关。与[EMIM][EtSO₄
]/Al₂
O₃
体系相比，GO基流体在更低浓度(0.5% vs 2.5%)下实现了相当的传热强化效果。

4.3 努塞尔数分析
新开发的Nu=0.0867Re^0.4042
Pr^0.4074
(1+ψ)^0.4533
关联式与实验数据吻合良好(R²
=0.99794)。在Re=297.4时，0.5 wt%样品的Nu达15.68，提升32.27%。该关联式填补了高Pr数(210-1116)区间的预测空白，为工业设计提供了可靠工具。

4.4 ANN-SCG预测
模型对Nu、h_nf
和f的预测R²
分别达0.99794、0.99159和0.99144，验证阶段MSE低至0.0261。误差分析显示，h_nf
预测的最大偏差仅1.268 W/m²
·K，证实了ANN在高维非线性问题中的优越性。

这项发表于《Journal of Ionic Liquids》的研究具有多重意义：首先，揭示了GO在离子液体中的独特强化机制，为开发新一代纳米流体提供了方向；其次，建立的高精度预测模型大幅降低了实验成本；最后，开发的关联式可直接应用于纤维素加工等工业场景。特别值得注意的是，研究团队在保持传热性能显著提升(>30%)的同时，将摩擦因子增幅控制在14%以内，这种"高效低阻"特性在实际应用中极具价值。未来研究可进一步探索GO表面修饰对界面热阻的影响，以及更高浓度下的长期稳定性问题。