Statistical modeling of electrowetting-induced droplet coalescence for condensation applications
Statistical modeling of electrowetting-induced droplet coalescence for condensation applications
复制标题
用于冷凝应用的电润湿诱导液滴聚结的统计模型
DOI：
10.1016/j.colsurfa.2020.124874
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Bahadur, Vaibhav
中科院分区：
文献类型：
--
作者：
Wikramanayake, Enakshi;Bahadur, Vaibhav
水滴的聚结强烈影响疏水表面上的滴状冷凝。这项工作报告了一项基于实验数据的统计建模的研究，以预测在电润湿（EW）场的影响下的水滴的集合的聚结动力学。先前的相关研究主要使用高速可视化来表征聚结。然而，本研究使用统计建模来分析与EW诱导聚结相关的参数空间，并指出EW诱导聚结的物理建模具有挑战性。本研究的目的是量化的影响，施加的电压，频率的AC波形和EW设备的几何形状上的两个参数相关的液滴聚结（液滴半径增强和减少润湿面积）。多监督学习技术被用来确定主导变量和统计模型的影响，这些变量的聚结。统计模型的数据是通过图像分析从聚结实验中获得的，该统计模型为预测液滴聚结相关参数与施加电压和电极几何形状的关系提供了参考工具。重要的是，数据分析表明，液滴聚结是独立的AC频率，这一结论将是具有挑战性的，从传统的分析推断。还可以看出，EW场显著地缩小了液滴尺寸分布。总的来说，这项研究导致的影响EW诱导聚结的因素的详细了解，并提供了一个工具（与实验数据相匹配）来预测液滴尺寸分布的变化。这些发现是量化EW对冷凝速率和传热影响的关键。这项工作利用大量的实验数据来开发基于统计分析的预测模型。这种方法可以用于其他数据丰富但复杂的物理现象的预测建模。
Coalescence of water droplets strongly influences dropwise condensation on hydrophobic surfaces. This work reports a study on experimental data-based statistical modeling to predict the coalescence dynamics of an ensemble of water droplets under the influence of an electrowetting (EW) field. Previous related studies have primarily used high speed visualization to characterize coalescence. However, this study uses statistical modeling to analyze the parameter space associated with EW-induced coalescence, noting that physics-based modeling of EW-induced coalescence is challenging. The objective of this study is to quantify the influence of the applied voltage, frequency of the AC waveform and the geometry of the EW device on two parameters related to droplet coalescence (droplet radius enhancement and reduction in wetted area). Multiple supervised learning techniques are used to identify dominant variables and statistically model the influence of these variables on coalescence. Data for the statistical models is obtained via image analysis from coalescence experiments.The statistical models lead to a reference tool to predict droplet coalescence-related parameters versus the applied voltage and electrode geometry. Importantly, data analysis shows that droplet coalescence is independent of the AC frequency; this conclusion would be challenging to infer from conventional analysis. It is also seen that an EW field significantly narrows the droplet size distribution. Overall, this study leads to a detailed understanding of the factors that impact EW-induced coalescence and provides a tool (which matches experimental data) to predict the change in droplet size distribution. These findings are key to quantifying the influence of EW on condensation rates and heat transfer. This work leverages the large amount of data from experiments to develop statistical analysis-based predictive models. This approach can be utilized for predictive modeling of other data-rich but complex physical phenomena.
登录
查看更多内容
影响因子：
--
作者：
Miljkovic, Nenad;Enright, Ryan;Wang, Evelyn N.
通讯作者：
Wang, Evelyn N.
云滴聚结：统计基础和一维沉降模型1
DOI：
--
发表时间：
1967
期刊：
影响因子：
--
作者：
M. Warshaw
通讯作者：
M. Warshaw
使用核岭回归准确预测太阳能闪蒸海水淡化系统的预热温度
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
Maher Maalouf;D. Homouz;Mohammad Abutayeh
通讯作者：
Mohammad Abutayeh
DOI：
10.1016/j.future.2018.02.035
发表时间：
2020-09-01
影响因子：
7.5
作者：
Al-Obeidat, Feras;Spencer, Bruce;Alfandi, Omar
通讯作者：
Alfandi, Omar
DOI：
--
发表时间：
1967
期刊：
影响因子：
--
作者：
W. T. Scott
通讯作者：
W. T. Scott