人工神经网络在圆管临界热流密度数据处理中的研究

利用人工神经网络理论对均匀加热垂直上升圆管内的临界热流密度(CHF)进行了预测。分别采用进口条件、出口条件以及局部条件假设，利用收集到的6941个CHF实验数据中的一半作为神经网络训练的样本，采用训练成功的网络预测CHF值可得到比常规方法更好的效果，其均方差分别为6．6％、10．39％和21．39％。     

临界热流密度的人工神经网络预测法

本文成功地训练了3种用于预测临界热流密度(CHF)的人工神经网络,其输入参数分别是系统压力、质量流速、平衡含汽量;其输出参数是CHF.通过人工神经网络,分析了压力、流量、热平衡含汽量和进口过冷度对CHF的影响,且成功地将人工神经网络应用于CHF的预测中,预测结果与实验值符合很好.分析结果表明:人工神经网络训练的3种类型中,类型Ⅱ的预测精度最高,可达±10%.     

基于两相CFD的非均匀加热圆管CHF预测方法研究

为建立非均匀加热工况临界热流密度（CHF）预测方法，以对换热系统的安全分析提供新的辅助手段，本研究采用欧拉两流体模型和壁面沸腾模型，对非均匀加热圆管的CHF进行预测。通过数值计算得到不同热流密度下近壁面空泡份额和壁面温度的分布，将壁面温度出现二次峰值和此时近壁面空泡份额的峰值位置分别作为CHF发生的依据和CHF发生的点，并用此方法对2种不同功率分布圆管的CHF进行研究。研究结果表明，预测得到临界时的平均热流密度及临界发生的位置都与实验结果符合较好。因此，本研究建立的数值预测方法能够用于非均匀加热圆管CHF的预测。      

单棒垂直方形通道临界热流密度实验研究

采用R134a作为流体工质,对单棒垂直方形通道临界热流密度（CHF）进行了实验研究。流道横截面为19 mm×19 mm的方形通道,内置外径为9.5 mm的单根加热棒,用来模拟压水堆中典型栅元通道。实验工况通过流体模化方法覆盖了压水堆典型运行工况。实验结果表明,R134a在方形通道内的CHF参数趋势与圆管中水的CHF参数趋势相同,R134a可以替代水作为模化工质;通过对圆管Bowring关系式和Katto & Ohno关系式进行冷壁因子修正,可用于预测带有冷壁的方形通道的CHF;Katto的流体模化方法适用于带有冷壁的方形通道。      

竖直加热圆管内过冷沸腾及CHF数值模拟

基于欧拉两流体模型和非平衡过冷沸腾模型,完成过冷沸腾数值模型的构建,并通过与Bartolomei单管过冷沸腾实验进行对比,验证模型的正确性。利用该模型计算得到圆管的沸腾曲线,将进入"临界区"后的第一个点作为偏离泡核沸腾(DNB)判定的标准,对高压、高流量下圆管内的DNB型临界热流密度(CHF)进行数值模拟,CHF数据取自最新(2006年)的查询表;计算中考虑质量流量、平衡含汽率和压力对CHF的影响,最终预测值与实际值符合良好,误差在15%以内。预测CHF出现的位置也与实际相符,表明本文提出的方法能够很好地模拟高压、高流量下圆管内的DNB型CHF。     

液膜蒸干模型在液态金属CHF预测中的应用

为对圆管中环状流烧干型沸腾临界进行预测,建立了考虑液滴沉积夹带作用的液膜蒸干模型。沉积率、夹带率等相关关系式采用水等常规流体的已有关系式。在一定参数范围内,将模型预测结果与实验数据和经验关系式进行了比较。结果表明：基于常规流体的液膜蒸干模型大体可应用于液态金属,但在临界热流密度（CHF）较大时可能造成较大偏差;钠、钾两种液态金属在CHF较低时预测准确度区别不大,但在CHF较高时区别较为明显。为更加准确预测液态金属CHF,应开发专门的沉积率、夹带率等相关关系式。     

泡核沸腾两相CFD模拟的参数敏感性分析与模型验证

预测偏离泡核沸腾(DNB)型的临界热流密度(CHF)是压水堆热工水力分析的重要内容。基于计算流体力学(CFD)方法预测CHF需要准确预测空泡份额在截面上(尤其是壁面附近)的分布。本文使用商用CFD程序STAR-CCM+对泡核沸腾状态下DEBORA竖直上升流均匀加热圆管实验进行模拟。经过敏感性分析,找出对空泡份额、气体速度、液体温度和气泡直径四个物理量的径向分布以及轴向壁面温度分布有显著影响的模型参数。基于一组实验数据,通过调整关键模型参数重新标定了相间作用模型,并将标定过的计算模型应用到其他工况验证其适用性,得到了较好的结果。本研究为后续将两相CFD计算应用于DNB型CHF的预测打下了基础。     

基于高斯过程回归的临界热流密度预测

准确地预测临界热流密度（CHF）对于反应堆的安全和运行十分重要。针对现有人工神经网络（ANNs）预测方法所存在的缺点，提出一种基于高斯过程回归（GPR）的CHF预测方法。首先对获取的当地条件下CHF数据进行预处理，将数据划分为训练集和测试集；然后，利用训练数据对GPR模型进行训练，并得到最优超参数；再利用训练好的GPR模型对CHF进行预测，并将结果与径向基神经网络（RBFNN）进行比较，同时分析了重要参数对CHF的影响趋势。结果表明，与RBFNN相比，GPR模型的预测结果具有更高的预测精度和更小的误差，且与对应的实验值吻合较好，其参数趋势符合通用的趋势变化规律。      

氟利昂CHF数据对压水堆工况下LUT-2006过冷CHF预测能力的评估

以R-134a为模化工质,在内径为8 mm的圆管中进行了临界热流密度（CHF）实验研究。讨论了R-134a的CHF参数变化趋势,评价了Katto的流体模化方法。结果表明,CHF仅受局部参数影响,长径比的影响可以忽略。R-134a的CHF参数趋势与典型水的CHF参数趋势相似。Katto的模化方法在低临界含气率甚至是负临界含气率下都有很高的精度。将R-134a的CHF实验数据通过模化方法转换成等效水数据,并与CHF查询表（LUT）-2006进行了比较。评价结果表明,即使在几乎没有过冷CHF数据的压水堆工况,LUT-2006仍具有很高的预测精度。      

水平圆管临界热流密度实验研究

对水平圆管内低质量流速临界热流密度(CHF)进行了实验研究和分析。实验研究发现,水平流动圆管沸腾临界发生在圆管加热壁面顶部。通过对沸腾临界发生时圆管出口的质量含汽率和流型进行分析发现,本文研究的参数范围内沸腾临界时的出口含汽率高,流型为环状流,沸腾临界类型为干涸型(Dryout)。将经验公式预测值与实验结果进行比较发现,Bowring公式和Lookup table的预测值远大于CHF的实验值。导致此现象出现的主要原因为:Bowring公式和Lookup table是基于竖直流动CHF实验数据开发的模型,水平流动时在重力的作用下环状流液膜呈非均匀分布,顶部液膜干涸提前触发沸腾临界造成CHF值降低。     

Application of artificial neural networks in analysis of CHF experimental data in round tubes

Artificial neural networks (ANNs) are applied successfully to analyze the critical heat flux (CHF) experimental data from some round tubes in this paper. A set of software adopting artificial neural network method for predicting CHF in round tube and a set of CHF database are gotten. Comparing with common CHF correlations and CHF look-up table, ANN method has stronger ability of allow-wrong and nice robustness. The CHF predicting software adopting artificial neural network technology can improve the predicting accuracy in a wider parameter range, and is easier to update and to use. The artificial neural nefwork method used in this paper can be applied to some similar physical problems.     

Prediction of critical heat flux for water flow in vertical round tubes using support vector regression model

This paper deals with ν-support vector regression (ν-SVR) based prediction model of critical heat flux (CHF) for water flow in vertical round tubes. The dataset used in this paper is obtained from available published literature. The dataset is partitioned into two independent sets, a training data set and a test data set, to avoid overfitting problem. To train the ν-SVR models with more informative data, the training data is selected using a subtractive clustering (SC) scheme, and then the remaining data is used as test data to evaluate the performance of the ν-SVR models. Next, the parametric trends of CHF are investigated using the ν-SVR models. The results obtained from the ν-SVR models are compared with those obtained from the radial basis function (RBF) network, which is a kind of artificial neural networks (ANNs). It is found that the results of the ν-SVR models are not only in better agreement with the experimental data than those of the RBF network, but also follow the general understanding. The analysis results indicate that the ν-SVR models can be successfully applied to CHF prediction.     

CHF prediction in nuclear fuel elements by using round tube data

The 1995 CHF table for uniformly heated round tubes, developed jointly by Canadian and Russian researchers, has been used for the prediction of critical heat flux (CHF) in 5×5 test sections simulating fuel elements of pressurized water reactors. Comparisons between measured and calculated CHF indicates that the table with an appropriate diameter correction can be applied to rod bundles of the type considered in this study. The relation for the diameter correction factor was derived from the CHF data. The tolerance limits associated with the departure from nucleate boiling ratio (DNBR) are evaluated by using statistical analysis.     

神经网络在CHF预测中的应用

利用人工神经网络理论对均匀加热垂直上升圆管内的临界热流密度（ＣＨＦ）进行预测和参数趋势分析。本研究采用局部条件假设,并选用Ｃｒｏｅｎｅｖｌｄ的ＣＨＦ查询表数据为本文神经网络训练的样本,采用训练成功的网络预测ＣＨＦ值可以得到比常规方法更好的效果,其均方差为１４．９％。     

Development of a bundle correction method and its application to predicting CHF in rod bundles

A bundle correction method, based on the conservation laws of mass, energy, and momentum in an open subchannel, is proposed for the prediction of the critical heat flux (CHF) in rod bundles from round tube CHF correlations without detailed subchannel analysis. It takes into account the effects of the enthalpy and mass velocity distributions at subchannel level using the first derivatives of CHF with respect to the independent parameters. Three different CHF correlations for tubes (Groeneveld's CHF table, Katto correlation, and Biasi correlation) have been examined with uniformly heated bundle CHF data collected from various sources. A limited number of CHF data from a non-uniformly heated rod bundle are also evaluated with the aid of Tong's F-factor. The proposed method shows satisfactory CHF predictions for rod bundles both uniform and non-uniform power distributions.     

高压工况下管内垂直向上流动沸腾CHF机理模型研究

针对高压工况下偏离泡核沸腾（DNB）型临界热流密度（CHF）的特点，重新构建了Weisman & Pei模型的本构关系式；针对高压工况下干涸（Dry-out）型CHF，比较分析了Kataoka、Celata以及Hewitt?3个沉积率和夹带率计算关系式的结果。基于以上两类改进的CHF模型，建立了一个适用于高压工况的、结合DNB型和Dry-out型沸腾临界机理的CHF模型。采用高压工况下管内垂直向上流动沸腾CHF实验数据对建立的CHF机理模型进行了验证，分析了热工参数和几何参数的趋势效应。      

基于加热壁面能量平衡的窄矩形通道内CHF机理模型

窄矩形通道因具有结构紧凑、换热面积大等优点而被广泛应用于各个领域。通过完善窄矩形通道中临界热流密度（CHF）的预测方法,建立CHF机理模型,可以提高反应堆的安全性和经济性。本文对窄矩形通道内竖直向上流动CHF进行了可视化实验研究,在此基础上开发了一种基于加热壁面能量平衡的CHF机理模型,并提供一组本构关系用于封闭所开发的新模型,同时使用实验数据对新模型进行对比评价,对比结果发现,新模型在窄矩形通道中模拟结果良好,偏差基本都在±20%之间。     

基于流固共轭传热的两相流动数值模拟及燃料子通道CHF预测研究

为对过冷沸腾两相流动进行准确模拟，并探索临界热流密度（CHF）预测方法，本文基于共轭传热和两相CFD分析的方法，通过流固界面耦合，建立流固共轭传热两相流动耦合求解的数值模型。首先通过典型燃料棒栅元过冷沸腾两相流动的模拟，验证数值模型的正确性。随后对燃料子通道内两相流动进行模拟，并在两相流动模拟的基础上，通过准瞬态的方法，建立与CHF试验过程非常近似的CHF预测方法，将加热壁面的温度飞升作为CHF判定的标准，实现对燃料组件子通道CHF的数值预测。研究表明，本文建立的数值模拟方法，可为燃料组件或其他换热系统的CHF预测奠定基础，为燃料组件的设计提供新的辅助手段。     

CHF prediction for square arrays by the bundle enthalpy imbalance method

For both economic and safety reasons, the reactor designer should be able to predict accurately the conditions under which critical heat flux (CHF) is reached. Consequently, extensive experimental and analytical studies have been carried out in many nations. The laboratory work discussed in this paper has involved tests on round tubes, annuli, rod bundles having from three to at least 49 rods, and other geometries, and very accurate data have been obtained. This paper evaluates the McPherson method for CHF prediction for rods in square channels or arrays.