Analisi numerica di micro-giunzioni e influenza dei diversi parametri operativi sulla formazione di micro-drop

Singh, Baljinder (2023) Analisi numerica di micro-giunzioni e influenza dei diversi parametri operativi sulla formazione di micro-drop. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria energetica [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (5MB) | Contatta l'autore

Abstract

La microfluidica è lo studio di flussi monofasici e bifasici in canali di piccole dimensioni, generalmente di diametro dell’ordine di 100 μm. Lavorare su scala micrometrica permette di minimizzare i consumi di materiali, di sostanze e di energia. Grazie alla interdisciplinarità della microfluidica, essa presenta diversi campi di applicazione (esempio: di ricerca, medico, industriale). In questo elaborato si studierà come al cambiare della geometria delle micro-giunzioni di tipo flow focusing, della velocità e della viscosità dell’acqua demineralizzata varino le dimensioni dei droplets. Nella prima parte di questo elaborato verrà presentata una descrizione teorica degli elementi caratterizzanti della microfluidica come: la definizione delle equazioni di bilancio locale, i regimi di flusso, le applicazioni della microfluidica, le tecniche di realizzazione dei microcanali, e i processi di formazione dei droplets. Successivamente, dopo aver presentato una descrizione della CFD, varrà descritto il processo di costruzione della micro-giunzione, l’impostazione delle condizioni iniziali e al contorno, gli algoritmi, il Solver utilizzato da OpenFoam e le tecniche di estrazione dei risultati e loro visualizzazione. Dai risultati che si ottengono si osserverà che le dimensioni delle micro-gocce cambiano in un determinato modo in base ai parametri di input. Successivamente è stato sviluppato un codice in machine learning che permette di predirre con sufficiente precisione la dimensione delle micro-gocce con parametri di input diversi da quelli iniziali.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Singh, Baljinder
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Microfluidica,micro-giunzione flow focusing,micro-drop,fluidi immiscibili,CFD,OpenFOam
Data di discussione della Tesi
24 Marzo 2023
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^