726

Определение теплопроводности твёрдого тела (пластина).

Лабораторная работа

Физика

Определить коэффициент теплопроводности твёрдых тел методом сравнения с теплопроводностью эталонного материала. Физическая величина, характеризующая состояние термодинамического равновесия макроскопической системы. Коэффициент теплопроводности алюминия методом сравнения с теплопроводностью эталонного материала (латуни).

Русский

2013-01-06

133.5 KB

429 чел.

Министерство образования и науки Российской Федерации

Санкт-Петербургский государственный горный университет

ОТЧЁТ ПО ЛАБОРАТОРНОЙ РАБОТЕ №18

Определение теплопроводности твёрдого тела (пластина).

По дисциплине  __________________________________________________________

________________________________________________________________________

(наименование учебной дисциплины согласно учебному плану)

    

Автор: студент гр.   ________       ____________________  /________________/

                    (подпись)   (Ф.И.О.)

ОЦЕНКА: _____________

Дата: ___________________

ПРОВЕРИЛ

Преподаватель      ___________           ________________          /________________/

                   (должность)                                      (подпись)                                                 (Ф.И.О.)

Санкт-Петербург

2012 год

Цель работы: определить коэффициент теплопроводности твёрдых тел методом сравнения с теплопроводностью эталонного материала.

Краткие теоретические сведения: 

  1.  Явление, изучаемое в работе: теплопроводность.
  2.  Основные определения:

Количество теплоты — энергия, которую получает или теряет тело при теплопередаче.

Температура - физическая величина, характеризующая состояние термодинамического равновесия макроскопической системы и определяющая направление теплообмена между телами, [Т]=К.

Теплопередача — физический процесс передачи тепловой энергии от более горячего тела к более холодному либо непосредственно (при контакте), либо через разделяющую (тела или среды) перегородку из какого-либо материала.

Теплопроводность - это перенос теплоты структурными частицами вещества (молекулами, атомами, электронами) в процессе их теплового движения.

Энергия — скалярная физическая величина, являющаяся единой мерой различных форм движения материи и мерой перехода движения материи из одних форм в другие.

  1.  Используемые законы:

Закон Фурье:

В установившемся режиме поток энергии, передающийся посредством теплопроводности, пропорционален градиенту температуры:

 

jE = −λ*(dTdx),

где , jE - плотность теплового потока – величина, определяемая энергией, переносимой в форме теплоты в единицу времени через единичную площадку, перпендикулярную оси х,

λтеплопроводность (Вт/(м*К),

 dTdxградиент  температуры, равный скорости изменения температуры на единицу длины х в направлении нормали к этой площадке (К/м).

Знак минус показывает, что энергия переносится в направлении убывания температуры.

λ = 1/3*cVρ<υ><ℓ>,

где cV – удельная теплоёмкость газа при постоянном объёме (Дж/(кг*К)), ρ – плотность газа (Па),

<υ> - средняя скорость теплового движения молекул (м/с),

<ℓ> - средняя длина свободного пробега (м).

  1.  Теоретически ожидаемый результат:

χ= 80 Вт/(м*К)

Схема установки:

1 - нагреватель, 2,3 – пластины, 4 – холодильник, 5 – стенки, 6 – блок питания, 7 – пульт термостата, 8,9,10 – термопары, 11,12,13 – табло термопар, 14 – блок питания

Технические характеристики установки:

Эталонная пластина – латунь.

Исследуемая пластина – алюминий.

d1 эталонной пластины = 6 мм = 6 * 10-3 м

d2 исследуемой пластины = 10 мм =10-2 м

χ1 эталонного материала = 110 Вт/(м*К)

Расчётные формулы:

(1)

где χ1 – коэффициент теплопроводности эталонной пластины, d1 – толщина эталонной пластины, d2 – толщина исследуемой пластины, ΔТ1 – перепад температур на эталонной пластине,  ΔТ2 – перепад температур на исследуемой пластине.

        ΔТ1 = Т1 - Т2   (2)

где Т1 – температура на 1 термопаре, Т2 – температура на 2 термопаре.

        ΔТ2 = Т2 – Т3   (3)

где Т2 – температура на 2 термопаре, Т3 – температура на 3 термопаре.

Погрешности прямых измерений:

U прибора =1 B

Δ(ΔТ1) прибора = ±0,01К

Δ(ΔТ2) прибора = ±0,01К

ΔТ1 прибора = ±0,01ºС

ΔТ2 прибора = ±0,01ºС

ΔТ3 прибора = ±0,01ºС

Δd1 прибора = ±0,001 м

Δd2 прибора  = ±0,001 м

Расчёт абсолютной погрешности косвенных измерений:

-абсолютная погрешность коэффициента теплопроводности:

Результаты измерений:

Таблица 1

Физ. величина

U

Т1

Т2

Т3

ΔТ1

ΔТ2

χ2

Δχср

 Ед. изм.

№ измерения

В

ºС

ºС

ºС

К

К

Вт/(м*К)

Вт/(м*К)

1

25

20,04

20,02

20,00

0,02

0,02

183,3

155,18

2

50

20,14

20,08

20,00

0,06

0,08

137,5

3

100

20,56

20,31

20,00

0,25

0,31

147,85

4

200

22,25

21,23

20,00

1,02

1,23

152,03

Пример вычислений:

χ2 = (110*10-2*0,06)/(6*10-3*0,08) =137,5 Вт/м*К

Δχср = (183,3+ 137,5 + 147,85 + 152,03)/4 =155,18 Вт/м*К

Расчёт погрешностей косвенных измерений:

Δχ2 = 155,18* (0,001/0,01+0,02/20,04+1/110+0,001/0,006+0,02/20,02) = 0,43 Вт/м*К

Окончательный результат:

χ2= 137,5±0,43 Вт/м*К

Вывод: В ходе работы определен коэффициент теплопроводности алюминия методом сравнения с теплопроводностью эталонного материала (латуни) χ = 137,5±0,43 Вт/м*К. Табличное значение коэффициента теплопроводности латуни χ = 110 Вт/м*К. Полученное значение отличается от исходного примерно  на 25 %.


 

А также другие работы, которые могут Вас заинтересовать

49910. Методы определения неисправностей на аппаратуре СВ и РМ 739.72 KB
  Задано внешнее проявление неисправности: В кабине 49Л6 на экране ЭЛТ БИВ АРМ отображается только таблично знаковая информация. Краткое описание тракта прохождения сигнала Тракт прохождения сигнала при отображении информации в режиме ЛУПА x2 и ЛУПА x4 включает следующие устройства: БИВ БГЗ ЦВУ Опишем предназначение и состав устройств участвующих в тракте прохождения данных: Блок индикатора вспомогательный БИВ предназначен для отображения справочной вспомогательной информации а также вторичной радиолокационной информации в режиме...
49911. ОПРЕДЕЛЕНИЕ ТИПА МЫШЛЕНИЯ ЧЕЛОВЕКА 2.08 MB
  Можно сделать вывод что задача успешно решена то есть с помощью нейронной сети мы можем однозначно определить доминирующий тип мышления испытуемого а так же понять на сколько развиты другие типы мышления данного человека. Целью данной работы является попытка использования нейронных сетей в психологии а точнее для определения типа мышления человека. На основе полученных результатов можно будет сказать какие профессии предпочтительнее для данного человека с тем или иным типом мышления.
49912. Определение вероятности получить работу с помощью нейросетевых технологий 372 KB
  Методы искусственного интеллекта позволили создать эффективные компьютерные программы в самых разнообразных, ранее считавшихся недоступными для формализации и алгоритмизации, сферах человеческой деятельности, таких как медицина, биология, социология, культурология, политология, экономика, бизнес, криминалистика и т.п. идеи обучения...
49913. Создание нейронной сети в среде Нейросимулятор v 1.0 789 KB
  Нейронные сети на финансовом рынке Обзор основных нейропакетов. Архитектура сети. Обучение сети Тестирование. Но по сей день нейросети воспринимаются как перспективный но экзотический слабо изученный на российском рынке инструмент.
49914. Методы фокус-групп для сбора социологической информации 177 KB
  Место фокус-групп в системе социологических и маркетинговых методов Понятие метода фокус-групп Соотношение фокус-групп с групповыми методами и интервью Соотношение фокус-групп и наблюдения
49915. Овариоэктомия кошки 425 KB
  Оба длинных тонких рога матки cornu uteri имеют одинаковую толщину и трубчатую форму но не всегда одинаковую длину. Диаметр рога матки у небеременной кошки составляет 34 мм длина рогов матки колеблется между 90 и 100 мм. Каждый рог матки описывает выгнутую вентрально дугу; в каудальной части оба рога матки соединяются. Затем они сливаются полностью образуя тело матки corpus uteri.
49916. Разработка элементов систем искусственного интеллекта с использованием логической модели представления знаний 283.52 KB
  Используя предикаты parent(symbol,symbol), man(symbol), woman(symbol), married(symbol,symbol), записать факты, описывающие Вашу семью. Записать 8 правил вывода для любых родственных отношений в Вашей (или вымышленной)семье (например: мать, отец, сестра, брат, племянница, племянник, тетя, дядя, внучка, внук, бабушка, дедушка, двоюродная сестра, двоюродный брат и т.д.).
49917. Разработка элементов систем искусственного интеллекта с использованием логической модели представления знаний 320.9 KB
  По заданию было построено дерево родственных отношений, составлено 19 фактов и 13 правил, которые описывают родственные связи в моей семье. Используя язык логического программирования Prolog, написана программа, в которой отображаются все родственные отношения с помощью заданных правил и фактов. Использовались такие предикаты, как parent(string, string), man(string), woman(string), married(string ,string).