(Italiano) Assegno di ricerca annuale su progetto PRIN 2022 PNRR: VISIONS: eVolutIonary deSign of InnOvative heat traNsfer deviceSProgramma della ricerca:Oggi il design evolutivo trova la sua massima espressione nell'accoppiamento tra "Topology Optimization" (TO) e "Additive Manufacturing" (AM), che consente di realizzare sistemi ingegnerizzati a forma libera, come in natura, lasciando il massimo spazio all'ottimizzazione.
Di conseguenza, la TO offre enormi opportunità per ottimizzare la progettazione di dispositivi innovativi per la trasmissione del calore.
Questo è il focus della ricerca oggetto dell'assegno.
Il primo obiettivo è combinare l'analisi TO e la fluidodinamica computazionale (CFD) per la progettazione evolutiva di dissipatori/scambiatori di calore con sistemi alettati e/o schiume metalliche architettate, affrontando casi studio rappresentativi dalla letteratura scientifica.
Verranno poi individuate soluzioni ottimali "case-dependent" e le relative correlazioni, anche mediante tecniche di "machine learning".
Quindi, il framework di ottimizzazione (TO+CFD) sarà arricchito considerando ulteriori tecnologie innovative, ovvero "Phase Change Materials" (PCM) e nanofluidi, per migliorare le prestazioni in termini di "heat transfer" e "thermal energy storage".
Requisiti di amissione:Laurea Magistrale in Ingegneria Meccanica o Ingegneria Energetica o Fisica o Matematica.Conoscenze e competenze richieste:Trasmissione del calore;Tecniche di modellazione e simulazione numerica per analisi CFD – computational fluid dynamics;Tecniche di ottimizzazione numerica, e.g., topologica, applicate alla termofluidodinamica e alla trasmissione del calore.___________________________________________(English) Annual research grant on PRIN 2022 PNRR project: VISIONS: eVolutIonary deSign of InnOvative heat traNsfer deviceSResearch agenda:Today the evolutionary design finds its maximum expression in the coupling between Topology Optimization (TO) and Additive Manufacturing (AM), which allows the creation of free-form engineered systems, as in nature, leaving maximum room for optimization.As a result, TO offers huge opportunities to optimize the design of innovative heat transfer devices.
This is the focus of the research here proposed.The first objective is to combine TO analysis and computational fluid dynamics (CFD) for the evolutionary design of heat sinks/heat exchangers with finned systems and/or engineered metal foams, addressing representative case studies from the scientific literature.
Optimal case-dependent solutions and related correlations will be then identified, also by means of "machine learning" techniques.
Therefore, the optimization framework (TO+CFD) will be enriched by considering further innovative technologies, namely "Phase Change Materials" (PCM) and nanofluids, to improve performance in terms of heat transfer and thermal energy storage.
Admission requirements:Master degree in Mechanical Engineering or Energy Engineering or Physics or Mathematics;Knowledge and skills required:Heat transfer;Numerical modeling and simulation techniques for CFD analysis - computational fluid dynamics;Numerical optimization techniques, e.g., topological, applied to thermofluid dynamics and heat transfer.
#J-18808-Ljbffr