PERFORMANCE OF NANOFLUIDS IN COMPACT HEAT EXCHANGERS

THERMOHYDRAULIC SIMULATION AND EXPERIMENTAL VALIDATION

Authors

DOI:

https://doi.org/10.69609/1516-2893.2026.v32.n2.a4114

Keywords:

Compact heat exchangers, Nanofluids, Computational simulation, Thermal management

Abstract

Efficient thermal management is crucial for the performance and sustainability of modern automotive systems. This article investigates the heat transfer efficiency in vehicle radiators operating with titanium dioxide (TiO₂) nanofluids. The main objective is to compare the thermal performance of conventional mixtures of demineralized water and ethylene glycol (EG) with TiO₂ nanofluids at low volumetric concentrations. The methodology consisted of developing a steady-state thermohydraulic simulation model, implemented in a Matlab/Simulink environment using the e-NTU method, validated by experimental tests on a test bench equipped with high-precision sensors and a data acquisition system. The results demonstrate that the addition of TiO₂ nanoparticles increases the effective thermal conductivity and convective
coefficients, resulting in an increase in the Heat Rejection Unit (UHR). It was observed that the thermal gain is enhanced under conditions of high external air flow. However, the analysis also revealed hydraulic penalties, with an increase in pressure drop proportional to the nanoparticle concentration. It is concluded that TiO₂ nanofluids are promising for optimizing the design of heat exchangers in combustion and electrified vehicles, provided that the project balances the thermal efficiency gain with the increase in pumping power.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Author Biographies

Fernando Silva de Araújo Porto, Universidade de Taubaté

Possui graduação em Engenharia Mecânica pela Universidade Estadual Paulista Júlio de Mesquita Filho (1988), mestrado em Engenharia Mecânica pela Universidade Estadual Paulista Júlio de Mesquita Filho (1996) e doutorado em Curso de Pós Graduação Em Engenharia de Materiais pela Escola de Engenharia de Lorena Eel Usp (2003). Engenheiro master de manutenção. Tem experiência na área de manutenção industrial e estatística aplicada à produção, atuando principalmente nos seguintes temas: confiabilidade, vida útil de componentes, manutenção mecânica. Duas vezes laureado com o Prêmio de Excelência da Indústria Minero-Metalúrgica Brasileira, em 2009 e 2012. Professor Colaborador na Universidade de Taubaté de 2015 a 2017. Professor Auxiliar I, desde junho de 2017, atuando desde 2015 nos cursos de Engenharia Aeronáutica, Mecânica, Mecatrônica e Produção Mecânica, entre outros. Atuando como Engenheiro Mecânico no Setor de Infraestrutura Física do Hospital Universitário da Universidade Federal de São Carlos. Contrato temporário, através de Processo Seletivo, Edital nº 677, de 20 de novembro de 2020 - HU-UFSCAR - EBSERH. Responsável pela manutenção mecânica do hospital, compreendendo os sistemas de elevadores, hidráulica, sistemas de aquecimento, climatização, exaustão, manutenção com serviços de serralheria, marcenaria e carpintaria, acompanhamento de obras.

Carlos Henrique De Paula Junior , Universidade de Taubaté

Engenheiro mecânico pela Universidade do Estado do Rio de Janeiro (UERJ) e técnico em mecânica pela Escola Técnica Arsenal de Marinha (ETAM). Mestrando em Engenharia Mecânica na Universidade de Taubaté (UNITAU), desenvolvendo a pesquisa Desempenho de nanofluidos em trocadores de calor compactos: integração de simulação computacional, validação experimental e otimização por redes neurais, com ênfase em modelagem termo-hidráulica (balanços de massa e energia, método #949;NTU), ensaios em bancada e técnicas de otimização baseadas em IA. Cursou parcialmente a especialização em veículos elétricos e autônomos na Universidade Federal de Santa Catarina (UFSC).Desde junho de 2024 atua como engenheiro de desenvolvimento do produto na Embraer (São José dos Campos, SP), com foco em modelagem e simulação de sistemas em ambientes virtuais (Virtual Systems Integration VSI), integração e testes HIL, e desenvolvimento/manutenção de modelos com parâmetros concentrados. Conduz análises e co-simulações em MATLAB/Simulink e Siemens Amesim, assegurando rastreabilidade, reprodutibilidade e governança de modelos, além de definir padrões, processos e boas práticas de modelagem e versionamento (SVN/Git). Anteriormente, na Volkswagen Caminhões e Ônibus (VWCO), atuou em simulação térmica e hidráulica para veículos elétricos, liderando projetos de climatização, arrefecimento de baterias de tração e powertrain, bem como atividades de calibração e ensaios em bancada e campo. Participou de iniciação científica na UERJ em projetos de pesquisa e extensão na área térmica.Possui quatro anos de experiência técnica na área naval e é autor de 9 publicações em congressos nacionais e internacionais, abrangendo transferência de calor, hidráulica, dinâmica veicular e automação. Interesses de pesquisa e atuação: gestão térmica, integração de sistemas, validação baseada em modelos (VV) e aplicações automotivas e aeroespaciais.

Luiz Carlos Cordeiro Junior, Universidade do Estado do Rio de Janeiro

Possui graduação em ENGENHARIA MECÂNCA pela Universidade de Taubaté (1993), mestrado em Engenharia Aeronáutica e Mecânica pelo Instituto Tecnológico de Aeronáutica (1997) e doutorado em Engenharia Mecânica pela Universidade Estadual Paulista Júlio de Mesquita Filho (2010). Atualmente é professor associado da Universidade do Estado do Rio de Janeiro, coordenador do Laboratório de Motores, Pneumática e Hidráulica.

Luís Fernando de Almeida, Universidade de Taubaté

Graduado em Processamento de Dados em 1988 e em Computação Científica em 1993, ambos pela UNITAU. Mestre em Engenharia Eletrônica e Computação em 2003 pelo ITA. Doutor em Engenharia Mecânica, com ênfase em Metodologias e Técnicas de Computação, em 2011 pela UNESP. Desenvolveu projetos de fomento pela Lei de Informática de 2007 até 2018 na área de Smart Cards, Biometria, Segurança da Informação e Inteligência Artificial. Participou em três edições do Teste de Segurança da Urna Eletrônica no TSE em Brasília (2012, 2016 e 2019), contribuindo para melhorias em seu sistema de segurança detectando a vulnerabilidade de áudio. Atua em pesquisas e em desenvolvimento de projetos na área de Inteligência Artificial, Aprendizado de Máquina, Reconhecimento de Padrão e Análise de Dados. Sócio proprietário da empresa "Intelligent Systems".

References

AHMED, S. A. et al. Improving car radiator performance by using TiO2-water nanofluid. Engineering Science and Technology, an International Journal, v. 21, n. 5, p. 996–1005, 2018.

AMAZON WEB SERVICES. Amazon Machine Learning Developer Guide. 2023. Disponível em: https://docs.aws.amazon.com/pt_br/machine-learning/latest/dg/machinelearning-dg.pdf. Acesso em: 17 maio 2025.

ANALYTICS YOGI. Hold-out Method for Training Machine Learning Models. 2023. Disponível em: https://vitalflux.com/hold-out-method-for-training-machine-learning-model/. Acesso em: 02 out. 2025.

BASHIRNEZHAD, K. et al. A review of nanofluids in automotive cooling systems. Renewable and Sustainable Energy Reviews, v. 63, p. 87-108, 2016.

BOHACZ, R. T. Engine Cooling Systems. [S. l.]: Penguin Group, 2007. 128 p.

BRINKMAN, H. C. The viscosity of concentrated suspensions and solutions. The Journal of Chemical Physics, v. 20, n. 4, p. 571-581, 1952.

BRUNETTI, F. Motores de Combustão Interna. São Paulo: Blucher, 2012. v. 1.

CARL, M. et al. The theoretical and experimental investigation of the heat transfer process of an automobile radiator. Beaumont: Lamar University, 2012.

ÇENGEL, Y. A.; GHAJAR, A. J. Transferência de calor e massa: uma abordagem prática. 4. ed. [S. l.]: McGraw-Hill, 2012.

CHANG, Y.-J.; WANG, C.-C. A generalized heat transfer correlation for louver fin geometry. International Journal of Heat and Mass Transfer, v. 40, n. 3, p. 533–544, 1997. Disponível em: http://www.sciencedirect.com. Acesso em: 20 out. 2009.

CHOI, S. U. S. Enhancing thermal conductivity of fluids with nanoparticles. Developments and Applications of Non-Newtonian Flows, FED-231/MD-66, p. 99–105, 1995.

CHOI, S. U. S.; EASTMAN, J. A. Enhancing thermal conductivity of fluids with nanoparticles. In: ASME INTERNATIONAL MECHANICAL ENGINEERING CONGRESS AND EXPOSITION, 1995, San Francisco, CA. Proceedings [...]. San Francisco: ASME, 1995.

CONOVER, W. J. Practical Nonparametric Statistics. 3. ed. [S. l.]: John Wiley & Sons, 1999.

COWELL, T. A.; HEIKAL, M. R.; ACHAICHIA, A. Flow and heat transfer in compact louvered fin surfaces. Experimental Thermal and Fluid Science, v. 10, n. 2, p. 192–199, 1995.

DAS, S. K. et al. Nanofluids: Science and Technology. New Jersey: John Wiley & Sons, 2008. 397 p.

DATABRICKS. O que são redes neurais bayesianas? 2024. Disponível em: https://www.databricks.com/br/glossary/bayesian-neural-network. Acesso em: 02 out. 2025.

DUANGTHONGSUK, W.; WONGWISES, S. An experimental study on the heat transfer performance and pressure drop of TiO2-water nanofluids flowing under a turbulent flow regime. International Journal of Heat and Mass Transfer, v. 53, n. 1-3, p. 334-344, 2010.

EASTMAN, J. A. et al. Anomalously increased effective thermal conductivities of ethylene glycol-based nanofluids containing copper nanoparticles. Applied Physics Letters, v. 78, n. 6, p. 718–720, 2001.

EFTEKHAR, M. et al. The impact of nano-fluid concentration used as an engine coolant on the warm-up timing. International Journal of Automotive Engineering, v. 3, n. 1, mar. 2013.

EINSTEIN, A. Investigations on the Theory of the Brownian Movement. New York: Dover Publications, 1956. 122 p.

ELECTRONICS COOLING. Comparing heat transfer rates of liquid coolants using the mouromtseff number. 2006. Disponível em: https://www.electronics-cooling.com. Acesso em: 12 ago. 2025.

FILHO, E. P. B.; NUNES, L. A. O.; OLIVEIRA, J. L. T. Experimental investigation of single-phase flow of nanofluids in tubes. In: CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS (ENCIT), 19., 2008, Caxias do Sul. Anais [...]. Caxias do Sul: ABCM, 2008. p. 1–8.

FISHER, R. A. Statistical methods for research workers. Edinburgh: Oliver and Boyd, 1925.

FOX, R. W.; MCDONALD, A. T. Introdução à Mecânica dos Fluidos. 8. ed. Rio de Janeiro: LTC, 2014.

FRAAS, A. P.; OZISIK, M. N. Heat Exchanger Design. [S. l.]: John Wiley & Sons, 1965.

GÉRON, A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. 2. ed. Sebastopol: O’Reilly Media, 2019.

GNIELINSKI, V. New equations for heat and mass transfer in turbulent pipe and channel flow. International Chemical Engineering, v. 16, n. 2, p. 359–368, 1976.

GRANQVIST, C. G.; BUHRMAN, R. A. Ultrafine metal particles. Journal of Applied Physics, v. 47, n. 5, p. 2200–2219, 1976.

HAMILTON, R. L.; CROSSER, O. K. Thermal conductivity of heterogeneous two-component systems. I&EC Fundamentals, v. 1, p. 187–191, 1962.

HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2. ed. [S. l.]: Springer, 2009.

HAUSEN, H. Darstellung der wärmeübertragung in rohren durch ein einfaches näherungsverfahren. Forschung auf dem Gebiet des Ingenieurwesens A, v. 9, p. 4-9, 1943.

HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: Bookman, 2001. 900 p.

HO, C. J.; CHEN, M. W.; LI, Z. W. Numerical simulation of natural convection of nanofluid in a square enclosure: Effects due to uncertainties of viscosity and thermal conductivity. International Journal of Heat and Mass Transfer, v. 51, n. 21-22, p. 5053-5067, 2011.

HODGES, B. Artificial intelligence for engineering design. In: WANG, L.; TAN, K. C.; ZHANG, Y. (ed.). Handbook of Artificial Intelligence in Engineering. Cambridge: Cambridge University Press, 2021. cap. 12, p. 287–315.

HODGES, J. Approaching Machine Learning Problems in Computational Fluid Dynamics and Computer Aided Engineering Applications: A Monograph for Beginners. [S. l.]: Independently published, 2024.

HOLMAN, J. P. Heat Transfer. 7. ed. New York: McGraw-Hill, 2000.

HT MATERIALS SCIENCE. Maxwell®: Heat Transfer Fluid Additive. 2025. Disponível em: https://htmaterialsscience.com/maxwell/. Acesso em: 12 ago. 2025.

HYDROMX. Maxwell: Advanced Heat Transfer Nanofluid Additive. 2023. Disponível em: https://www.hydromx.com/maxwell/. Acesso em: 12 ago. 2025.

INCROPERA, F. P.; DEWITT, D. P. Fundamentals of Heat and Mass Transfer. 5. ed. New York: John Wiley & Sons, 2002.

INSTITUTO DE PESQUISA ECONÔMICA APLICADA (IPEA). O que é desvio padrão? 2009. Disponível em: https://www.ipea.gov.br. Acesso em: 20 maio 2024.

JIN, Y.; XIE, Y.; DUAN, Z. Review of turbulent flow over rough surfaces: Fundamentals and advances. Advances in Aerodynamics, v. 3, n. 12, p. 1–25, 2021.

KAKAÇ, S.; LIU, H.; PRAMUANJAROENKIJ, A. Heat Exchangers: Selection, Rating, and Thermal Design. 3. ed. Boca Raton, FL: CRC Press, 2012.

KAYS, W. M.; LONDON, A. L. Compact Heat Exchangers. 3. ed. [S. l.]: McGraw-Hill, 1984.

KRÖGER, D. G. Radiator Characterization and Optimization. Detroit: SAE International, 1984. (SAE Technical Paper, 840348).

KULKARNI, D. P.; DAS, D. K.; CHUKWU, G. A. Temperature dependent rheological property of copper oxide nanoparticles suspension (nanofluid). Journal of Nanoscience and Nanotechnology, v. 6, n. 4, p. 1150–1154, 2006.

KUPPAN, T. Heat Exchanger Designer Handbook. 2. ed. Nova York: CRC Press, 2013.

LEITE, R. Introdução a validação-cruzada: K-Fold. 2020. Disponível em: https://rodrigols89.medium.com. Acesso em: 02 out. 2025.

LIMA, J. A.; OTTERMAN, G. R. Manual on selection and use of engine coolants and cooling system chemicals. 4. ed. [S. l.]: ASTM, 1989. 14 p.

LIU, D.; GARIMELLA, S. V. Investigation of liquid flow in microchannels. Journal of Thermophysics and Heat Transfer, v. 19, n. 3, p. 435–441, 2005.

MAHDI, J. M.; HOBBI, H.; MOHAMMED, H. A. A comprehensive review of the application of nanofluids in heat exchangers. Renewable and Sustainable Energy Reviews, v. 81, p. 224–240, 2018.

MATHWORKS. trainbr: Bayesian regularization backpropagation. 2024. Disponível em: https://www.mathworks.com. Acesso em: 02 out. 2025.

MATHWORKS. trainlm: Levenberg–Marquardt backpropagation. 2024. Disponível em: https://www.mathworks.com. Acesso em: 02 out. 2025.

MAXWELL, J. C. A Treatise on Electricity and Magnetism. 3. ed. New York: Dover, 1954.

MCKINNEY, W. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. 1. ed. Sebastopol, CA: O’Reilly Media, 2012.

MOHAMMED, H. A. et al. Nanofluids for automotive radiator applications: A review. Applied Thermal Engineering, v. 164, p. 114451, 2020.

MONTGOMERY, D. C.; RUNGER, G. C. Applied Statistics and Probability for Engineers. 5. ed. [S. l.]: John Wiley & Sons, 2012.

MOUROMTSEFF, I. E. Water and forced convection heat transfer. Journal of Heat Transfer, v. 64, p. 1–8, 1942.

MURSHED, S. M. S.; LEONG, K. C.; YANG, C. Thermophysical and electrokinetic properties of nanofluids: A critical review. Applied Thermal Engineering, v. 31, n. 17–18, p. 3825–3838, 2011.

NEPTUNE.AI. Cross-Validation in Machine Learning: How to Do It Right. 2023. Disponível em: https://neptune.ai. Acesso em: 02 out. 2025.

NEPTUNE.AI. Evaluation Metrics for Machine Learning Models: A Comprehensive Guide. 2023. Disponível em: https://neptune.ai. Acesso em: 02 out. 2025.

NKURIKIYIMFURA, I.; WANG, Y.; PAN, Z. Heat transfer enhancement by magnetic nanofluids: A review. Renewable and Sustainable Energy Reviews, v. 21, p. 548–561, 2013.

PAK, B. C.; CHO, Y. I. Hydrodynamic and heat transfer study of dispersed fluids with submicron metallic oxide particles. Experimental Heat Transfer, v. 11, n. 2, p. 151–170, 1998.

PEDREGOSA, F. et al. Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, v. 12, p. 2825–2830, 2011.

PRASHER, R.; BHATTACHARYA, P.; PHELAN, P. E. Thermal conductivity of nanoscale colloidal solutions (nanofluids). Physical Review Letters, v. 94, n. 2, 2005. Disponível em: http://prola.aps.org. Acesso em: 02 out. 2025.

RANA, S. et al. Lithium-ion battery thermal management system using MWCNT-based nanofluid flowing through parallel distributed channels: An experimental investigation. Journal of Energy Storage, v. 81, p. 110372, mar. 2024.

RASHID, F. L. et al. Application of nanofluids for performance improvement of plate heat exchangers: A comprehensive review. iScience, v. 28, p. 113532, 2025.

SAIDUR, R.; LEONG, K. Y.; MOHAMMAD, H. A. A review on applications and challenges of nanofluids. Renewable and Sustainable Energy Reviews, v. 15, p. 1646–1668, 2011.

SCHOBER, P.; BOER, C.; SCHWARTE, L. A. Correlation coefficients: appropriate use and interpretation. Anesthesia & Analgesia, v. 126, n. 5, p. 1763–1768, 2018.

SHAH, R. K.; SEKULIĆ, D. P. Fundamentals of Heat Exchanger Design. Hoboken: John Wiley & Sons, 2003.

SHARIFF, K. B.; ABDULLAHI, B.; ABUBAKAR, S. B. Modelling and simulation of car radiator: Effects of fins under the atmospheric condition of kano, nigeria. Journal of Advanced Research in Fluid Mechanics and Thermal Sciences, v. 48, n. 1, p. 1–16, 2018.

SUNDARARAJAN, T.; AMANO, R. S. A numerical study on the heat transfer performance of compact plate-fin heat exchangers. International Journal of Heat and Mass Transfer, v. 42, n. 9, p. 1739–1749, 1999.

TAYLOR, C. F. Perdas de calor. In: TAYLOR, C. F. Análise dos motores de combustão interna. São Paulo: Edgar Blücher, 1971. p. 267–310.

THE MATHWORKS, INC. Simulink: Simulation and Model-Based Design. 2023. Disponível em: https://www.mathworks.com/products/simulink.html. Acesso em: 10 abr. 2025.

TRISAKSRI, V.; WONGWISES, S. Critical review of heat transfer characteristics of nanofluids. Renewable and Sustainable Energy Reviews, v. 11, n. 3, p. 512–523, 2007.

VELAGAPUDI, V.; KONIJETI, R. K.; ADURU, C. S. K. Empirical correlations to predict thermophysical and heat transfer characteristics of nanofluids. Thermal Science, v. 12, p. 27–37, 2008. Disponível em: http://www.doiserbia.nbs.bg.ac.yu. Acesso em: 02 out. 2025.

WANG, X. Q.; MUJUMDAR, A. S. A review on nanofluids – part i: Theoretical and numerical investigations. Brazilian Journal of Chemical Engineering, v. 25, n. 4, p. 613–630, dez. 2008.

WEBB, R. L.; JUNG, S. H. Air-side performance of enhanced brazed aluminum heat exchangers. In: ASHRAE WINTER MEETING, 1992, Anaheim. Proceedings [...]. Anaheim: ASHRAE, 1992. p. 391–401.

WEN, D. et al. Review of nanofluids for heat transfer applications. Particuology, v. 7, n. 2, p. 141–150, 2009.

WHITE, F. M. Fluid Mechanics. 7. ed. New York: McGraw-Hill, 2011.

WICKHAM, H. Tidy data. Journal of Statistical Software, v. 59, n. 10, p. 1–23, 2014. Disponível em: https://www.jstatsoft.org/v59/i10.

WITHARANA, S. Boiling of Refrigerants on Enhanced Surfaces and Boiling of Nanofluids. 2003. 132 p. Licentiate Thesis (Licentiate Thesis in Energy Technology) — The Royal Institute of Technology, Stockholm, 2003.

XUAN, Y.; LI, Q. Investigation on convective heat transfer and flow features of nanofluids. Journal of Heat Transfer, v. 125, n. 1, p. 151–155, 2003.

XUAN, Y.; ROETZEL, W. Conceptions of heat transfer correlation of nanofluids. International Journal of Heat and Mass Transfer, v. 43, n. 19, p. 3701–3707, 2000.

YU, W.; XIE, H. A review on nanofluids: Preparation, stability mechanisms, and applications. Journal of Nanomaterials, v. 2012, p. 1–17, 2012.

Downloads

Published

2026-05-12

How to Cite

Silva de Araújo Porto, F., De Paula Junior , C. H., Cordeiro Junior, L. C., & de Almeida, L. F. (2026). PERFORMANCE OF NANOFLUIDS IN COMPACT HEAT EXCHANGERS: THERMOHYDRAULIC SIMULATION AND EXPERIMENTAL VALIDATION. Journal of Exact Sciences, 32(2). https://doi.org/10.69609/1516-2893.2026.v32.n2.a4114

Issue

Vol. 32 No. 2 (2026)

Section

Articles

License

Copyright (c) 2026 Fernando Silva de Araújo Porto, Carlos Henrique De Paula Junior , Luiz Carlos Cordeiro Junior, Luís Fernando de Almeida

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

A submissão de originais para este periódico implica na transferência, pelos autores, dos direitos de publicação impressa e digital. Os direitos autorais para os artigos publicados são do autor, com direitos do periódico sobre a primeira publicação. Os autores somente poderão utilizar os mesmos resultados em outras publicações indicando claramente este periódico como o meio da publicação original.