¿fuente de referencia para la conductividad del cobre en comparación con la temperatura?

Datos de NIST (tabla 2)

A bajas temperaturas, la resistividad del cobre se aproxima a una resistividad "residual". Sin embargo, esto no es realmente una preocupación hasta por debajo de ~100K .

A temperaturas más altas, la resistividad se aproxima mejor con un aumento lineal en función de la temperatura (como ya ha encontrado). Trazé la resistencia frente a la temperatura, y no me preocuparía demasiado la no linealidad hasta el ~800K .

La Fórmula de Bloch-Grüneisen le da una función de resistividad frente a temperatura.

Debye temperature Θ es un parámetro de la función.
Su valor para el cobre puro es Θ _Cu = 343.5 K

Si no puede encontrar el valor de la temperatura de Debye Θ _aleación de su aleación en particular, puede hacer algunas mediciones sobre el rango de temperatura interesante y determinarlo por least-square fit .

Hay muchos recursos en las redes para obtener información sobre el cobre; incluso tienen su sitio web propio .

Puede comenzar con la calculadora en la parte inferior de esta página:
enlace

Para hacer un seguimiento de la respuesta de helloworld922, aquí hay un análisis cuantitativo de los datos de la Tabla 2 del NIST, tanto de 100-800 K como de 200-500K (= -73.15K a +226.85 K, un rango más cercano al rango de trabajo de los bobinados del motor) utilizando PyLab:

# copper conductivity fit from NIST:
# Journal of Physical and Chemical Reference Data
# Electrical Resistivity of Copper, Gold, Palladium, and Silver
# R. A. Matula
# JPCRD 8(4) pp. 1147-1298 (1979)
# http://www.nist.gov/data/PDFfiles/jpcrd155.pdf
# numerical data from table 2 

import numpy as np
import matplotlib.pyplot as plt

T0 = np.array([ 100, 125, 150, 175, 200, 225, 250, 273.15, 293, 300, 350, 400, 500, 600, 700, 800])
r0 = np.array([ 0.348, 0.522, 0.699, 0.874, 1.046, 1.217, 1.387, 1.543, 1.678, 1.725, 2.063, 2.402, 3.090, 3.792, 4.514, 5.262])
T = (T0, T0[4:-3])
r = (r0, r0[4:-3])
f = [np.polynomial.chebyshev.Chebyshev.fit(T[0],r[0],4), np.polynomial.chebyshev.Chebyshev.fit(T[1],r[1],4)]

for i in range(0,2):
    plt.figure(i+1)
    plt.plot(T[i],r[i]-f[i](T[i]))
    plt.plot(T[i],r[i]-f[i].truncate(2)(T[i]))

Lo que esto hace es aproximar los datos de resistividad frente a temperatura con polinomios de cuarto grado, y trazar gráficos de errores en la aproximación polinomial frente a temperatura, para el polinomio de cuarto grado y para un polinomio lineal.

Los coeficientes de Chebyshev * para un ajuste polinomial son:

100-800K: 2.77689151e + 00, 2.44286730e + 00, 3.00859915e-02, 1.44364826e-02, -2.64166679e-03

200-500K: 2.06557521e + 00, 1.02015113e + 00, 2.57505898e-03, 1.80482498e-03, -1.11397377e-04

Más de 100K - 800K:

Aquídefinitivamentediríaqueunaaproximaciónlinealestácercaperonoessuficienteparaaplicacionesdeprecisión.Elerrorenunaaproximaciónlinealestácercadel1%delvalorderesistividad(unpocomásaltopara<200K).Yousaríaunaaproximacióncuadráticaocúbica.(elcoeficientedecuartogradoeslosuficientementepequeñocomoparaquenovalgalapenalacomplejidadadicional)

Másde200K-500K:

Aquí la aproximación lineal funciona mucho mejor debido al rango reducido; El error máximo de una aproximación lineal es aproximadamente 0.15% del valor de resistividad. Probablemente viviría con una aproximación lineal.

* Coeficientes de Chebyshev: la aproximación de Chebyshev es una técnica para aproximar funciones con polinomios + evaluar cuantitativamente la precisión de esas aproximaciones. El tema es demasiado detallado para discutirlo mucho aquí. Si tiene una copia de Recetas numéricas, lea la aproximación de Chebyshev. También acabo de escribir una publicación de blog sobre la aproximación de Chebyshev que podría ayudar a explicar.

editar: La referencia de la Matula del JPCRD se refiere al cobre ultrapuro que excede los niveles de IACS. El cobre comercial "estándar" tiene una conductividad ligeramente más baja que la ultrapura (aproximadamente un 2,5% menos) y tiene un tempco más bajo de 0,00393. Consulte enlace