선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 히트싱크 뿐만 아니라 방열판의 최적 설계 연구[5]도 수행 되었다. 본 연구는 전산 유체 역학 프로그램인 Fluent 6.3.26를 이용하여 LED 조명에 사용되는 히트싱크 휜의 형상변화와 개수 변경을 통한 LED의 자연대류[6] 방열성능을 수치적으로 해석하고 최적설계에 관해 연구하였다.
제안 방법
- 네 가지 종류의 휜 형상과, 휜의 개수 변화를 통해 히트싱크 휜 내부의 온도장을 수치적으로 해석하였다. 그림 1은 LED용 실제 히트싱크의 사진이다.
- 본 연구는 LED용 히트싱크의 휜의 형태와 휜의 개수를 변경하면서 표면적의 변화에 따른 냉각효과를 유동 해석 프로그램 이용하여 해석 및 최적설계를 수행하였다.
- 형상의 종류는 수직(Vertical), 곡선(Round), S자(S-Curve), 삼각(Triangle)의 4가지 형태이고, 휜의 개수는 16개, 64개로 총 8가지 형태에 대한 냉각성능을 알아보았다. 설계 및 Grid 생성에는 Gambit 2.
이론/모형
- 히트싱크의 격자형성은 그림 6은 Hex-Submap 방식을 사용하였고, 각각 20125, 24525개의 Grid를 생성하였다. 그림 7은 Hex/Wedge-Cooper 방식을 사용하였고, 각각 20685, 159080개의 Grid를 생성하였다. 그림 8은 Hex/Wedge-Cooper 방식을 사용하였고, 각각 20045, 152680개의 Grid를 생성하였다.
- 그림 7은 Hex/Wedge-Cooper 방식을 사용하였고, 각각 20685, 159080개의 Grid를 생성하였다. 그림 8은 Hex/Wedge-Cooper 방식을 사용하였고, 각각 20045, 152680개의 Grid를 생성하였다. 그림 9의 첫 번째는 Hex/Wedge-Cooper 방식을 사용해 18845개의 Grid를 생성하였고, 두 번째는 Tet/Hybrid-T Grid방식을 사용해 136209개의 Grid를 생성하였다.
- 형상의 종류는 수직(Vertical), 곡선(Round), S자(S-Curve), 삼각(Triangle)의 4가지 형태이고, 휜의 개수는 16개, 64개로 총 8가지 형태에 대한 냉각성능을 알아보았다. 설계 및 Grid 생성에는 Gambit 2.4.6을 사용하였고, 해석에는 상용 해석 프로그램인 Fluent 6.3.26을 사용 하였다. 히트싱크의 휜 형태는 Vertical 형태 (그림 2), Round 형태 (그림 3), S-Curve 형태 (그림 4), Triangle 형태 (그림 5)로 다양하게 제시하였다.
- 설계조건은 정상 상태, 층류 모델, 질량 보존법칙, 에너지 보존법칙을 적용하였다. 자연대류조건, 공기의 온도는 300K, 히트싱크의 재료는 Aluminum으로 입력하였다.
- 6을 사용하였다. 히트싱크의 격자형성은 그림 6은 Hex-Submap 방식을 사용하였고, 각각 20125, 24525개의 Grid를 생성하였다. 그림 7은 Hex/Wedge-Cooper 방식을 사용하였고, 각각 20685, 159080개의 Grid를 생성하였다.
- 히트싱크의 수치해석을 위해 Gambit 2.4.6을 사용하였다. 히트싱크의 격자형성은 그림 6은 Hex-Submap 방식을 사용하였고, 각각 20125, 24525개의 Grid를 생성하였다.
성능/효과
- (1) 휜의 개수가 16개인 히트싱크에서는 Vertical 형태의 휜보다 S-Curve형태의 휜에서 대기와 접촉하는 표면적이 약 5.5%증가했고, 냉각성능이 약 14%정도 좋아지는 것을 확인 할 수 있었다. Round형의 휜에서도 Vertical형의 휜보다 약 9% 높은 냉각성능을 보여주었다.
- (2) 휜의 개수가 16개와 64개인 휜에서는 표면적이 약 2배 가까이 증가해 휜의 시작부에서 열전달계수가 약 2배에 가까운 것으로 나타났다. Vertical, Round, Triangle Type에서는 표면적의 증가로 휜으 개수가 16보다 64개에서 냉각 성능이 더 좋았지만 열전달계수는 64개의 휜에서 보다 16개의 휜에서 더 높았다.
- (3) 휜의 형상변경보다 휜의 개수변화가 표면적과 냉각성능을 더 키울 수 있다는 것을 알 수 있었다.
- (4) 예상대로 휜이 64개인 S-Curve Type의 히트싱크가 냉각성능이 가장 높은 것으로 나타났다.
- 그림 10은 Vertical Type, Round Type, S-Curve Type, Triangle Type의 온도 분포이다. 353.15K의 바닥면에서 Z방향으로 올라갈수록 온도가 떨어지는 것을 확인 할 수 있었다. Vertical 휜의 최대 온도차는 휜의 개수가 16개일 때 30℃, 64개일 때는 39℃이었다.
- 그림 14의 (a), (b), (c), (d)는 휜의 개수에 따른 Z위치의 열전달계수를 보여준다. Vertical Type, Round Type, Triangle Type에서는 휜의 개수가 16개보다 64개에서 표면적의 증가로 인해 냉각이 더 많이 되었지만 휜의 개수가 16개인 히트싱크의 열전달계수가 64개의 휜 보다 더 높은 것을 확인 할 수 있었다. 하지만 S-Curve Type에서는 휜의 개수가 16개보다 64개에서 열전달계수가 약 5.
- (2) 휜의 개수가 16개와 64개인 휜에서는 표면적이 약 2배 가까이 증가해 휜의 시작부에서 열전달계수가 약 2배에 가까운 것으로 나타났다. Vertical, Round, Triangle Type에서는 표면적의 증가로 휜으 개수가 16보다 64개에서 냉각 성능이 더 좋았지만 열전달계수는 64개의 휜에서 보다 16개의 휜에서 더 높았다. 하지만 S-Curve Type의 휜에서는 64개의 휜에서 16개의 휜보다 열전달계수가 약 5.
- (a), (b)에서 보듯이 S-Curve Type, Round Type, Triangle Type, Vertical Type의 순서로 온도가 많이 떨어지는 것을 확인할 수 있었다. 예상 했던 대로 대기와 접촉하는 표면적이 가장 큰 S-Curve Type에서 가장 큰 온도차를 보였다. 휜의 개수가 16개인 형상에서는 S-Curve Type이 기존의 Vertical Type보다 약 14% 더 큰 온도차를 보였다.
- 휜의 아래쪽일수록 대기와 온도차가 커 열전달계수가 낮고 위쪽을 올라갈수록 휜이 냉각되어 열전달계수가 증가하는 것을 볼 수 있었다. 표면적이 가장 넓은 S-Curve Type이 휜이 가장 급속히 냉각되기 때문에 시작 지점에서는 열전달계수가 가장 작지만, 가장 빨리 증가하는 것을 볼 수 있었다. 휜의 개수가 16개에서는 휜의 끝부분에서 S-Curve Type의 열전달계수가 Vertical Type보다 약 17% 높았고, Round Type보다 약 6.
- 표면적이 가장 넓은 S-Curve Type이 휜이 가장 급속히 냉각되기 때문에 시작 지점에서는 열전달계수가 가장 작지만, 가장 빨리 증가하는 것을 볼 수 있었다. 휜의 개수가 16개에서는 휜의 끝부분에서 S-Curve Type의 열전달계수가 Vertical Type보다 약 17% 높았고, Round Type보다 약 6.3%, Triangle Type보다 약 7.7% 높았다. 휜의 개수가 64개의 경우에도 휜의 끝부분에서 S-Curve Type의 열전달계수가 가장 높았고, Vertical Type보다 약 29%, Round Type보다 약 12%, Triangle Type보다 약 18% 높았다.
- 7% 높았다. 휜의 개수가 64개의 경우에도 휜의 끝부분에서 S-Curve Type의 열전달계수가 가장 높았고, Vertical Type보다 약 29%, Round Type보다 약 12%, Triangle Type보다 약 18% 높았다.
- 그림 13의 (a), (b)는 형상에 따른 Z위치에 대한 열전달계수를 보여준다. 휜의 아래쪽일수록 대기와 온도차가 커 열전달계수가 낮고 위쪽을 올라갈수록 휜이 냉각되어 열전달계수가 증가하는 것을 볼 수 있었다. 표면적이 가장 넓은 S-Curve Type이 휜이 가장 급속히 냉각되기 때문에 시작 지점에서는 열전달계수가 가장 작지만, 가장 빨리 증가하는 것을 볼 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.