Experimentální platforma pro řízení magnetohydrodynamického chlazení

Abstract

Tato práce zkoumá využití bezkontaktní magnetohydrodynamické (MHD) aktivace pro řízení teploty, se zaměřením na zpětnovazební regulaci teploty a optimalizaci chlazení v uzavřeném kapalinovém systému. Práce rozšiřuje existující experimentální platformu o řízené topné/chladicí prvky a termovizní snímání. Byl vyvinut numerický simulační nástroj v prostředí OpenFOAM, kde byl solver buoyantPimpleFoam upraven o Lorentzovy síly modelované z předpočítaných bází elektrických a magnetických polí. Pro modelování termokapalinové dynamiky systému na základě simulačních dat byla použita identifikace systému založená na datech s využitím Koopmanovy operátorové teorie a rozšířené dekompozice dynamických módů s řízením (EDMDc) s využitím zpožděných vnoření. Následně byla navržena prediktivní regulace (MPC), která řeší bilineární charakter řízení MHD (napětí na elektrodách a proudy v cívkách) pomocí střídavého minimalizačního schématu. Simulační studie prokázaly schopnost regulátoru sledovat referenční tok tepla, nalézat energeticky efektivní řídicí signály a ovlivňovat teplotní pole v simulovaném prostředí. Výzkum tak poskytuje rámec pro vývoj a ověřování MHD systémů pro řízení teploty, zahrnující vývoj platformy, numerickou simulaci, modelování na základě dat a návrh řízení.This thesis investigates the use of contactless magnetohydrodynamic (MHD) actuation for thermal management, specifically focusing on achieving feedback temperature control and optimizing cooling performance in an enclosed fluid system. The work involved extending an existing experimental platform with controllable heating/cooling elements and thermal imaging. A numerical simulation environment was developed using OpenFOAM, adapting the buoyantPimpleFoam solver to include Lorentz forces modeled from pre-computed electric and magnetic field bases. Data-driven system identification, employing Koopman operator theory and Extended Dynamic Mode Decomposition with control (EDMDc) using delay embeddings, was used to model the system's thermal-fluid dynamics from simulation data. A Model Predictive Control (MPC) strategy was then designed to handle the bilinear nature of MHD control inputs (electrode voltages and coil currents) through an alternating minimization scheme. Simulation studies demonstrated the controller's ability to track reference heat flow values, find energy-efficient control signals, and influence temperature fields within the simulated environment. The research establishes a framework for developing and validating MHD-based thermal control systems, encompassing platform development, numerical simulation, data-driven modeling, and control design.