【优博风采】北京工业大学优秀博士学位论文获得者:刘子初
【编者按】
为进一步培养我校研究生创新能力,提高研究生综合素质,促进学校研究生教育内涵发展,特推出“优博风采”专栏,邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等,旨在激励我校研究生秉持“不息为体,日新为道”校训精神,潜心研究、锐意创新。

本期专访人物:土木工程学科博士研究生 刘子初
所获奖励名称:2024年北京工业大学优秀博士学位论文
【大胆尝试,小心求证,不断精进】
回顾在北工大的六年科研生活,始终处于一个周期性发现问题、提出创新和解决问题的循环中。在这个循环中,需要保持长期的专注和认真,大量的阅读国内外文献是前提,勤于思考和深入思考,不断提出新的想法进行尝试。在科研瓶颈期,克服焦虑和消极情绪,持有坚持不懈和迎难而上的心态,每一份艰辛和付出都定将有所收获。最后,感谢我的导师赵耀华教授和全贞花教授过去六年对我的耐心指导和悉心培养,感谢课题组同学们对我的关心和帮助。
【博士论文介绍】
论文中文题目:多介质换热模块型直膨式冰蓄冷系统性能分析与优化研究
论文英文题目:PERFORMANCE ANALYSIS AND OPTIMIZATION RESEARCH OF MULTI-FLUID HEAT EXCHANGE MODULE TYPE DIRECT-EXPANSION ICE THERMAL STORAGE SYSTEM
作 者:刘子初
指导教师:赵耀华 教授
培养单位:建筑工程学院
学 科:土木工程
论文主要贡献及创新点
本论文提出一种以微热管阵列为核心传热元件的多介质换热模块型冰蓄冷装置,及由其组成的新型直膨式冰蓄冷系统,揭示新型冰蓄冷装置内部非同态多介质的流动与相变传热的变化规律,得到内外扰动因素作用下直膨式冰蓄冷系统能质转换机理,以及系统动态运行特性与优化设计方法,为直膨式冰蓄冷系统在民用建筑及数据基站等具有供冷需求的中小型建筑中的应用提供了基础理论与技术支撑。论文主要工作及创新性成果如下:
1.建立了一种新型的基于多介质换热模块型直膨式冰蓄冷系统,阐明了系统内部的多介质的流动与传热特性及相分布规律。揭示了内外扰动因素对制冷剂状态参数和系统运行特性的影响规律。
2.结合分布参数法与集总参数法建立了多介质换热模块型直膨式冰蓄冷系统的动态性能仿真模型,揭示了制冷剂在系统内部循环的迁移分布规律及系统各部件之间的能量转换与传递过程的耦合特性。
3.提出基于能量、经济性和环保性的综合评价体系,建立了多介质换热模块型直膨式冰蓄冷系统的全生命周期评价模型,采用带精英策略的非支配排序遗传算法,获得了系统组成部件的优化设计方法与最优运行方案。
【博士期间代表性科研成果】
作者攻 博期间取得与博士学位论文密切相关的代表性成果(不超过5项) |
序号 |
成果名称 |
成果来源 |
获得时间 |
1 |
Numerical research on the solidification heat transfer characteristics of ice thermal storage device based on a compact multichannel flat tube-closed rectangular fin heat exchanger |
Energy, IF=9 |
2021.10 |
2 |
Energy and exergy analysis of a novel direct-expansion ice thermal storage system based on three-fluid heat exchanger module |
Applied energy, IF=11.2 |
2022.11 |
3 |
Thermal performance analysis of ice thermal storage device based on micro heat pipe arrays: Role of bubble-driven flow |
Renewable Energy, IF=8.7 |
2023.08 |
4 |
Dynamic modelling and performance prediction of a novel direct-expansion ice thermal storage system based multichannel flat tube evaporator plus micro heat pipe arrays storage module |
Renewable Energy, IF=8.7 |
2023.08 |
5 |
Mass flow rate prediction of a direct-expansion ice thermal storage system using R134a based on dimensionless correlation and artificial neural network |
Energy, IF=9 |
2024.01 |
【与导师合影】
图文:刘子初
编辑:胡春瀛
审核:高春娣、杨震