Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/344113702
CITATIONS READS
0 3,334
4 authors:
All content following this page was uploaded by Andres Adrian Sánchez-Escalona on 04 September 2020.
- 1 -
Nu k1 Rek2 Pr k3 (1)
f
Re k4 Pr
Nu
8
(2)
1 k5
8
f
Pr k6 1
Donde: f – factor de fricción de Darcy-Weisbach.
A pesar de que la solución propuesta por Prandtl ofrece significativas mejoras
en comparación con la analogía de Reynolds, no concuerda con los datos
experimentales para Pr 1 o Sc 1 [6].
Con posterioridad von-Kármán (1939) amplió la analogía de Prandtl, dividiendo
el campo de flujo en tres subcapas: viscosa, de transición y turbulenta. Hizo
suposiciones similares a la de su predecesor sobre las magnitudes relativas de
las difusividades moleculares y turbulentas de calor, y de las variaciones de la
cantidad de movimiento en la subcapa viscosa y en la zona turbulenta,
incorporando además los efectos de la subcapa de transición, considerando
que las difusividades molecular y turbulenta de esta subcapa eran del mismo
orden de magnitud [11]. La correlación del número de Nusselt deducida de esta
analogía quedó representada, de forma genérica, mediante la expresión 3:
k1 Rek2 Pr
Nu (3)
5 Pr 1
1 k5 Re0,1 Pr 1 ln
6
- 2 -
El uso de un modelo basado en tres subcapas hizo la teoría de transferencia de
calor y de masa en flujo turbulento más cercana a las condiciones reales [12].
Sin embargo, Camaraza-Medina [5] explica que la analogía brinda buenos
resultados para Pr 30 , lo cual fue ratificado por Ghiaasiaan [6] al explicar que
las imprecisiones se incrementan progresivamente para valores de Pr y Sc
superiores a 40 . A pesar de sus limitaciones, los trabajos de Reynolds,
Colburn, Prandtl y von-Kármán son referencias obligatorias dentro de contexto
analizado.
En la mayoría de los métodos establecidos para caracterizar la transferencia de
calor por convección forzada en intercambiadores tubulares se tiene que
asumir de antemano la forma funcional de la correlación, sin analizar con rigor
la analogía que mejor describe los datos experimentales. La función
matemática que relaciona al número de Nusselt con los restantes parámetros
adimensionales generalmente se selecciona en base a su simplicidad, forma
compacta y uso común, pero no puede justificarse únicamente de acuerdo con
estos principios. Esta problemática demanda especial atención, ya que puede
limitar la confiabilidad de las estimaciones del coeficiente individual de
transferencia de calor [13, 14].
En consecuencia con lo anterior, el objetivo de la investigación fue proponer
una ecuación generalizada del número de Nusselt para integrar las analogías
entre la transferencia de calor y la cantidad de movimiento enunciadas por
Reynolds-Colburn, Prandtl y von-Kármán, que pueda utilizarse en aplicaciones
de convección forzada en el interior de tuberías, en régimen de flujo no laminar,
sin cambios de fase.
Como principales contribuciones del trabajo se declaran las siguientes:
Una expresión generalizada que caracteriza el número de Nusselt, con
capacidad de evolucionar hacia tres formas funcionales diferentes derivadas
de las analogías propuestas por Reynolds-Colburn, Prandtl y von-Kármán.
Una solución integradora, que vincula las principales analogías establecidas
entre la transferencia de calor y la cantidad de movimiento.
Un enfoque mejorado para determinar los coeficientes de película, basado
en Algoritmos Genéticos, que no necesita asumir de antemano la forma
funcional de la correlación.
- 3 -
2. MATERIALES Y MÉTODOS
b b
f
1 2 (1b1b2 ) (1b1 )
c1 Rec2 b1 b2 c3 Pr d1 m
8
Nu '
b1 (4)
5 Pr 1 w
0,5 b2
0,1(1b2 ) f
1 c4 Re Pr 1 1 b2 ln 6
d2
8
- 4 -
d1 1/ 3; 2 / 5 (4.c)
d2 2 / 3; 1 (4.d)
0 < c1 1 (4.e)
0 < c2 1 (4.f)
0 c3 1500 (4.g)
0 < c4 20 (4.h)
12
0,9
8 7
f 8 2, 457 ln 0, 27
37 530
(5)
d Re
Re Re
- 5 -
2.2. Metodología para ajustar la correlación
La estimación de parámetros para determinar la forma funcional y coeficientes
de la correlación propuesta para el número de Nusselt (ecuación 4) se realizó
mediante Algoritmos Genéticos, por las ventajas que ofrece esta técnica
estocástica de búsqueda y optimización, inspirada en los principios de
selección natural. La solución del problema se realiza imitando los mecanismos
de evolución de las especies mediante estrategias de optimización, a partir de
tres operaciones básicas: selección, cruzamiento y mutación. Como concepto,
un conjunto de individuos (población) cambia de generación en generación,
sufriendo un proceso de evolución y adaptándose cada vez mejor al entorno.
Su analogía matemática consiste en disponer de una función a maximizar o
minimizar y una zona de búsqueda del elemento deseado, de manera que a
cada punto del espacio de búsqueda le corresponde un valor de la función
objetivo y la meta es encontrar el punto que optimice dicha función [22, 23].
En esta investigación se utilizaron funciones desarrolladas en MATLAB®,
versión R2013a. Las opciones y parámetros relacionados con la configuración
del algoritmo se detallan a continuación (tabla 1).
- 6 -
n Nui Nu 'i ( X, Y)
arg min max (6)
X,Y
i 1 Nui
- 7 -
El factor de fricción depende únicamente del número de Reynolds,
asumiendo para tuberías industriales que la rugosidad relativa / d es
constante en un mismo caso de estudio [20];
El parámetro J puede estimarse en función de los valores de viscosidad.
- 8 -
expresión 10, obteniéndose una base de datos con 640 filas para evaluar
regímenes de flujo que comprenden desde la zona de transición hasta la de
turbulencia total.
Re 2,4 103 ; 5,0 103 ; 104 ; 5,0 104 ; 105 ; 5,0 105 ; 106 ; 5,0 106 (10)
más baja que la del bulbo, mientras que en el segundo caso se consideró una
temperatura más alta. Ambos escenarios se resumen mediante la expresión
11, que establece una diferenciación de la temperatura considerada para la
superficie de la pared en dependencia de la sustancia química analizada.
- 9 -
NuD B 0, 023 Re0,8 Pr m (12)
Correlación de Sieder & Tate [16], expresada mediante la ecuación 13, para
corrientes que experimentan diferencias notables de temperatura. Es válida
para 104 Re 5 106 , 0,7 Pr 16700 y L / d 60 .
0,14
NuS &T 0, 027 Re Pr
0,8 1/3
(13)
w
f
Re Pr
NuPr
8
(14)
f
1 5 Pr 1
8
f
Re Pr
m
NuPt 8
(15)
w
Pr 1
f
C 12, 7 2/3
900 0, 63
C 1, 07 (15.a)
Re 1 10 Pr
- 10 -
que sí tuvo en cuenta el régimen de flujo en fase de transición. La fórmula es
válida para 3 103 Re 5 106 , 0,5 Pr 2000 y 0,025 / w 12,5 .
f
( Re 1000) Pr m
8
NuGn (16)
Pr 1 w
f
1 12, 7 2/3
0, 0288 Re0,8 Pr
NuvK (17)
5 Pr 1
1 0,849 Re0,1 Pr 1 ln
6
3. RESULTADOS Y DISCUSIÓN
de iteraciones efectuadas.
- 11 -
Tabla 4. Estimación de parámetros empleando los datos “Sieder & Tate”.
Parámetros Corridas del Algoritmo Genético
1 2 3 4 5
Coeficientes b1 0 0 0 0 0
calculados b2 0 0 1 1 1
d1 1/3 1/3 1/3 1/3 1/3
d2 2/3 2/3 1 2/3 2/3
c1 0,027 0,027 0,027 0,027 0,027
c2 0,8 0,8 0,8 0,8 0,8
c3 502,5 334,5 1270,5 195,0 277,5
c4 8,74 1,26 1,20 16,24 11,9
Desempeño f obj 0,0014 0,0014 0,0014 0,0014 0,0014
del algoritmo i 72 96 109 92 79
Parada* 2 2 2 2 2
Sieder & Tate NuS &T 0, 027 Re0,8 Pr1/3 J Nu 'S &T 0,027 Re0,8 Pr1/3 J
- 12 -
3.2. Aproximación de correlaciones basadas en la analogía de Prandtl
La metodología se comprobó también mediante tres juegos de datos obtenidos
a partir de ecuaciones basadas en la analogía de Prandtl. A continuación se
muestran los resultados frente a los datos generados con las correlaciones de
Prandtl, Petukhov y Gnielinski (tablas 7 - 9).
- 13 -
Para estos tres casos se aproximó correctamente la forma funcional y se
calcularon coeficientes similares a los de las correlaciones de Prandtl,
Petukhov y Gnielinski. Por lo tanto, al sustituir los coeficientes determinados en
la expresión 4 se obtuvieron ecuaciones próximas a las empleadas para
generar los datos sintéticos (tabla 10). Nótese que cuando los parámetros
calculados difieren entre una y otra corrida del modelo, para formular la
correlación se tomaron los valores de la moda estadística.
f f
Re Pr Re Pr
8 8
Prandtl NuPr J Nu 'Pr J
f f
1 5 Pr 1 1 5 Pr 1
8 8
f f
Re Pr 0,991 ( Re 565,5) Pr
NuPt 8 J Nu 'Pt 8 J
Petukhov
Pr 1 Pr 1
f f
C 12, 7 2/3
1 12,3 2/3
8 8
f f
( Re 1000) Pr 0,999 ( Re 1000,5) Pr
8
8
Gnielinski NuGn J Nu 'Gn J
Pr 2/3 1 Pr 1
f f
1 12, 7 1 12, 7 2/3
8 8
Al comparar los valores calculados para el número de Nusselt ( Nu ' ) con los
datos teóricos ( Nu ) se observó un alto grado de asociación entre ambas
variables y bajos índices de error (tabla 11).
- 14 -
en el denominador de la correlación original. Como se observa en la ecuación
15.a, este parámetro no es constante, sino que depende de los números
adimensionales Reynolds y Prandtl. A pesar de esta particularidad se
alcanzaron bajos valores de error relativo (inferiores a 3,4 %), en primer lugar
porque C 1 para la mayoría de los valores Re y Pr que fueron evaluados, y
en segundo lugar debido a que la ecuación 4 compensa las desviaciones con
otros parámetros ajustables concebidos en su forma funcional ( c1 , c3 y c4 ),
- 15 -
Tabla 13. Aproximación de correlaciones basadas en la analogía von-Kármán.
Correlación inicial Correlaciones obtenidas
4. CONCLUSIONES
Se propuso una ecuación generalizada del número de Nusselt (ecuación 4) que
integra las analogías entre la transferencia de calor y la cantidad de movimiento
enunciadas por Reynolds-Colburn, Prandtl y von-Kármán, conveniente para
determinar los coeficientes individuales de transferencia de calor bajo
- 16 -
condiciones de convección forzada en el interior de tuberías, en régimen de
flujo no laminar, sin cambios de fase.
Para el ajuste de la correlación se utilizó una metodología basada en
Algoritmos Genéticos, comprobada mediante seis juegos de datos teóricos
enmarcados en los siguientes rangos de validez: 2, 4 103 Re 5,0 106 ,
0, 715 Pr 84 101 y 0, 255 / w 5,077 . En todos los casos se identificó
5. REFERENCIAS
[1] Nitsche, M. & Gbadamosi, R. O. 2016: Heat Exchanger Design Guide: A
Practical Guide for Planning, Selecting and Designing of Shell and Tube
Exchangers. Oxford, Reino Unido: Butterworth Heinemann / Elsevier.
270 p. ISBN 978-0-12-803764-5
[2] Ҫengel, Y. A. & Ghajar, A. J. 2015: Heat and Mass Transfer:
Fundamentals and Applications. 5 ed. Nueva York, Estados Unidos:
McGraw-Hill Education. 968 p. ISBN 978-0-07-339818-1.
[3] Bazán, F. S. V.; Bedin, L. & Bozzoli, F. 2019: New methods for numerical
estimation of convective heat transfer coefficient in circular ducts.
International Journal of Thermal Sciences, 139(-): 387-402.
[4] Markowski, M. & Trzcinski, P. 2019: On-line control of heat exchanger
network under fouling constraints. Energy, 185(-): 521-526.
[5] Camaraza-Medina, Y. 2017: Introducción a la Termotransferencia. La
Habana, Cuba: Editorial Universitaria. 1150 p. e-ISBN 978-959-16-3286-9.
[6] Ghiaasiaan, S. M. 2018: Convective Heat and Mass Transfer. 2 ed.
Florida, Estados Unidos: CRC Press. 616 p. ISBN: 978-0-8153-6141-1.
- 17 -
[7] Reynolds, O. 1874: On the extent and action of the heating surface for
steam boilers, Proc. Literary and Philosophical Society of Manchester,
14(-): 7-12.
[8] Chilton, T. H. & Colburn, A. P. 1934: Coefficients prediction from data on
heat transfer and fluid friction. Industrial & Engineering Chemistry, 26(-):
1183-1187.
[9] Taler, D. & Taler, J. 2017: Simple heat transfer correlations for turbulent
tube flow. E3S Web of Conferences, 13(-): 1-7.
[10] Prandtl, L. 1928: Motion of fluids with very little viscosity. Washington,
Estados Unidos: National Advisory Committee for Aeronautics, Technical
Memorandum No. 452. 16 p.
[11] von-Kármán, T. 1939: The analogy between fluid friction and heat transfer.
Tansactions of the ASME, 61(-): 705-710.
[12] Wang, Z.; Li, G.; Xu, J.; Wei, J.; Zeng, J; Lou, D. & Li, W. 2015: Analysis of
fouling characteristic in enhanced tubes using multiple heat and mass
transfer analogies. Chinese Journal of Chemical Engineering, 23(11):
1881-1887.
[13] Pacheco-Vega, A.; Sen, M. & Yang, K. T. 2003: Simultaneous
determination of in- and over-tube heat transfer correlations in heat
exchangers by global regression. International Journal of Heat and Mass
Transfer, 46(6): 1029-1040.
[14] Jafari-Nasr, M. R. & Khalaj, A.H. 2010: Heat transfer coefficient and
friction factor prediction of corrugated tubes combined with twisted tape
inserts using Artificial Neural Network. Heat Transfer Engineering,
31(1): 59-69.
[15] Mondal, S. & Field, R. 2018: Theoretical analysis of the viscosity
correction factor for heat transfer in pipe flow. Chemical Engineering
Science, 187(-): 27-32.
[16] Sieder, E. N. & Tate, G. E. 1936: Heat transfer and pressure drop of
liquids in tubes. Industrial and Engineering Chemistry, 28(12): 1429-1435.
[17] Petukhov, B. S. 1970: Heat transfer and friction in turbulent pipe flow with
variable physical properties. Advances in Heat Transfer, 6(-): 503-564.
[18] Torres-Tamayo, E.; Díaz, E. J.; Cedeño, M. P.; Vargas, C. L.; Peralta, S.
G. & Falconi, M. A. 2016: Overall heat transfer coefficients, pressure drop
- 18 -
and power demand in plate heat exchangers during the ammonia liquor
cooling process. International Journal of Mechanics, 10(-): 342-348.
[19] Srivastva, U.; Malhotra, R. K.; Ravi-Kumar, K. & Kaushik, S. C. 2019:
Comparative assessment of classical heat resistance and Wilson plot test
thecniques used for determining convective heat transfer coefficient of
thermo fluids. Thermal Science and Engineering Progress, 11(-): 111-124.
[20] Ҫengel, Y. A. & Cimbala, J. M. 2017: Fluid Mechanics: Fundamentals and
Applications. 4 ed. Nueva York, Estados Unidos: McGraw-Hill Education.
1024 p. ISBN: 978-1-259-69653-4.
[21] Şahin, U. 2018: A new non-iterative friction factor correlation for heat
transfer fluids in absorber tube of parabolic trough collector. Engineering
Science and Technology, 21(-): 89-98.
[22] Gosselin, L.; Tye-Gingras, M. & Mathieu-Potvin, F. 2009: Review of
utilization of genetic algorithms in heat transfer problems. International
Journal of Heat and Mass Transfer, 52(-): 2169-2188.
[23] Ullah, A.; Malik, S. A. & Alimgeer, K. S. 2018: Evolutionary algorithm
based heuristic scheme for nonlinear heat transfer equations. PLoS ONE,
13(1): 1-18.
[24] Bergman, T. L.; Lavine, A. S.; Incropera, F. P. & Dewitt, D. P. 2017:
Fundamentals of Heat and Mass Transfer. 8 ed. Massachusetts, Estados
Unidos: John Wiley & Sons. 1050 p. ISBN-13: 978-1-119-32042-5
[25] Dittus, F. W. & Boelter, L. M. K. 1930: Heat transfer in automobile
radiators of the tubular type. University of California (Berkeley)
Publications in Engineering, 2(13): 443-461.
[26] Prandtl, L. 1944: Führer durch die Strömungslehre. Braunschweig,
Alemania: Friedrich Vieweg und Sohn. 782 p. ISBN: 978-3834804303.
[27] Petukhov, B. S. & Kirillov, V. V. 1958: On heat exchange at turbulent flow
of liquids in pipes. Teploenergetika, 4(-): 63-68.
[28] Gnielinski, V. 1976: New equations for heat and mass transfer in turbulent
pipe and channel flow. International Chemical Engineering, 16(2):
359-368.
- 19 -
NOMENCLATURA
Letras griegas:
/ d : rugosidad relativa de la superficie interior del conducto tubular.
: viscosidad dinámica del fluido a la temperatura media, Pa·s.
w : viscosidad dinámica del fluido evaluada a la temperatura de la pared, Pa·s.
Matrices y vectores:
X : vector con los parámetros a estimar mediante el Algoritmo Genético.
Y : vector con los valores de las variables independientes.
Subíndices:
D B : referido a la correlación de Dittus-Boelter.
Gn : referido a la correlación de Gnielinski.
i : valor i-ésimo del vector correspondiente.
Pr : referido a la correlación de Prandtl.
Pt : referido a la correlación de Petukhov.
S & T : referido a la correlación de Sieder & Tate.
vK : referido a la correlación de von-Kármán.
- 20 -