应用人工神经网络预测竖直通道的过渡沸腾

利用人工神经网络优良的非线性性映射能力,设计一个３层前馈式神经网络预测竖直圆形管和环形通道中的过渡沸腾,预测结果与实验结果比较,符合很好。     

池式沸腾和流动沸腾的人工神经网络研究

成功构建了2个分别用于预测同心圆管开式热虹吸器内自然循环临界热流密度(CHF)和池式核态沸腾换热系数的人工神经网络。其预测均方误差分别为16.43%和19.57%。用训练成功的人工神经网络分析了2种沸腾换热的影响因素,分析结果表明:热虹吸器内同心内管的出现使CHF增加,热虹吸器内的CHF随内管外径的增加先增加后减小。池式核态沸腾表面传热系数随压力的增加先呈线性增加,当压力接近临界压力时,增加速度增大。     

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%.     

低压下水欠热流动沸腾的两相CFD数值模拟研究

采用两流体(汽相和液相)基本数学模型,结合汽相和液相之间的界面传热、传质和动量交换封闭模型、汽泡平均直径模型、汽泡脱离直径模型、汽泡成核模型、汽泡脱离频率模型、欠热沸腾起始点模型和壁面热流密度分配模型,在CFD软件CFX4.4中采用用户自定义函数将相变引起的传热、传质和动量交换作为源项分别添加到汽相和液相的能量、质量和动量守恒方程中,对低压下内管加热外管绝热的环形通道内的欠热沸腾进行了数值研究,得到了欠热流动沸腾下汽相体积份额、液相速度、汽相速度分布等。采用Lee等的环形通道内低压下欠热沸腾体积份额实验数据对计算结果进行了验证,吻合良好。     

遗传神经网络对水平通道流动沸腾传热系数的预测

分别采用3层反向传播神经网络(BPN)和遗传神经网络(GNN)预测从常规通道到微通道尺度范围内的管内流动沸腾传热系数,GNN的精度优于BPN的精度(均方根误差分别为17.16%和20.50%)。输入参数为含气率、质量流密度、热流密度、管径和物性,输出参数为传热系数。基于GNN预测结果,进行了参数趋势分析。对常规通道,传热系数随压力的增大而增大;对微通道,低压时传热系数受压力影响很小,高压、低含气率时,传热系数随压力的增大而增大,高压、高含气率时,传热系数随压力的增大而减小。传热系数随质量流密度、热流密度的增大而增大。随含气率的增大,传热系数先增大后减小;微通道发生烧干时的含气率较低。传热系数随管径的减小而增大;管径越小,越易发生烧干。     

超蒸发冷却器中过冷流动沸腾的传热特性

在紧凑超蒸发冷却器结构中，以四氟乙烷（R-134a）为介质进行了过冷流动沸腾传热特性的实验研究，研究中所用R-134a的流量及条件参数是：（1）进口压力5～8bar；（2）质量流量18以310kg／（m2．s）；（3）过冷度10-30℃。超蒸发冷却器中的流动沸腾过程被区分为两个显著的区域。在实验条件下发现，充分发展沸腾曲线的斜率范围为2．1～3．0，与Bjorge对光滑表面管道的观察结果吻合良好。用Shah和Kandlikar关系式来估算充分发展沸腾区的传热系数，并且在实验结果的基础上给出了超蒸发冷却器应用条件下的一些重要参数。     

流动欠热沸腾空泡份额的研究

影响欠热沸腾传热的主要因素是含汽率和系统压力。系统压力直接影响加热面上汽泡的大小,从而影响壁面向液体的传热量。欠热沸腾区任一点的热平衡含汽率可由通道内的热工参数和流动参数求出,然后据此求出通道中某点的空泡份额。文中给出了计算加热通道内流动欠热沸腾区空泡份额的计算关系式,该关系式在给定的参数范围内与实验结果符合较好。     

水平流动沸腾近壁汽泡滑移速度预测及分析

滑移汽泡对提高通道内的换热有重要作用,为建立合理的机理模型,需深入了解滑移汽泡的运动特征.通过对水平流动沸腾下近壁滑移汽泡进行受力分析,研究建立了滑移汽泡动量守恒方程,通过数值求解,获得了近壁滑移汽泡的速度,并与Maity的试验数据进行了比较分析,两者符合较好.模型预测结果表明:随着时间的增长,滑移汽泡的速度逐渐增加,但增加的趋势逐渐变缓;汽泡浮升时,滑移汽泡的速度低于当地液相的速度,表明在该情况下,曳力和汽泡生长所产生的附加质量力为汽泡滑移的动力,剪切升力为汽泡浮升的动力.     

卧式螺旋管内流动沸腾传热研究

在较宽广的参数范围内对卧式螺旋管内水／水蒸汽两相流沸腾传热特性进行了详细的试验研究，螺旋管内径ｄ＝１１ｍｍ，曲率直径比Ｄ／ｄ为２３．２７。试验参数范围：压力０．５－３．０ＭＰａ：质量流速２００－２５００ｋｇ／ｍ２·ｓ；热负荷２３０－５００ｋＷ／ｍ２：出口干度０－０．８６。得到了沸腾传热系数的实验关联式，并深入分析了局部传热与壁温特性，沿流动方向，管截面平均传热系数在螺旋管的上升段最大，而在下降段最小；沿管截面内表面圆周方向上，局部传热系数在外侧最大，在内侧最小，在顶部和底部处的值居中。得到了管截面局部传热系数的分布实验关联式。同一管截面外表面圆周方向上，外侧壁温最低而内侧最高。     

流动沸腾的格子Boltzmann方法模拟

采用新的描述气-液相变过程的格子Boltzmann理论模型对大空间和水平管内流动沸腾现象进行模拟。观察到气泡随时间的变化不断长大,并在浮力和流体运动作用力影响下脱离壁面,以及气泡在液相上升过程发生碰撞、聚合等现象。进一步研究重力对水平管内各种流型的影响及水平方向加速度对大空间流动沸腾的影响,验证了该模型对复杂相变问题模拟的可行性。     

Applications of Artificial Neural Network for the Prediction of Flow Boiling Curves

An artificial neural network (ANN) was applied successfully to predict flow boiling curves. The databases used in the analysis are from the 1960's, including 1,305 data points which cover these parameter ranges: pressure P=100–1,000 kPa, mass flow rate G=40–500 kg/m²-s, inlet subcooling ΔT_sub =0–35°C, wall superheat ΔT_w = 10–300°C and heat flux Q=20–8,000kW/m². The proposed methodology allows us to achieve accurate results, thus it is suitable for the processing of the boiling curve data. The effects of the main parameters on flow boiling curves were analyzed using the ANN. The heat flux increases with increasing inlet subcooling for all heat transfer modes. Mass flow rate has no significant effects on nucleate boiling curves. The transition boiling and film boiling heat fluxes will increase with an increase in the mass flow rate. Pressure plays a predominant role and improves heat transfer in all boiling regions except the film boiling region. There are slight differences between the steady and the transient boiling curves in all boiling regions except the nucleate region. The transient boiling curve lies below the corresponding steady boiling curve.     

Application of an Artificial Neural Network in Reactor Thermohydraulic Problem: Prediction of Critical Heat Flux

A new method for predicting Critical Heat Flux (CHF) with the Artificial Neural Network (ANN) method is presented in this paper. The ANNs were trained based on three conditions: type I (inlet or upstream conditions), II (local or CHF point conditions) and III (outlet or downstream conditions). The best condition for predicting CHF is type II, providing an accuracy of ±10%. The effects of main parameters such as pressure, mass flow rate, equilibrium quality and inlet subcooling on CHF were analyzed using the ANN. Critical heat flux under oscillation flow conditions was also predicted.     

基于人工神经网络分析面朝下加热池式过渡沸腾

基于不同间隙尺寸下、水平小间隙内面朝下加热自然循环池式沸腾的实验研究，利用过渡沸腾段实验数据训练出一成熟的人工神经网络（ANN）。运用该人工神经网络系统分析了壁面过热度Δt_w、无量纲水平间隙δ/D、Pr、Ra对换热性能的影响。在此基础上，拟合出一用于计算水平小间隙内面朝下加热过渡沸腾Nu的经验关系式，该关系式计算值与实验值符合较好。     

人工神经网络在棒束临界热流密度预测中的应用

基于已有的棒束临界热流密度数据库，采用COBRA-Ⅳ程序计算得到子通道局部临界热流密度数据库。用人工神经网络（ANN）理论对数据库进行训练，得到基于ANN理论的棒束临界热流密度预测模型。预测模型的预测精度显著高于常用经验关系式的预测精度，其预测值的均方差为5.63%。     

蒸汽发生器传热管束过冷沸腾区两相流动数值模拟

基于两流体欧拉数学模型结合RPI壁面沸腾模型,利用大型商用CFD软件ANSYS CFX 12.0对蒸汽发生器传热管束过冷沸腾区一次侧、壁面和二次侧耦合传热过程进行了数值模拟。研究了三叶梅花孔支撑板和不同入口过冷度条件下蒸汽发生器传热管束内的流动沸腾现象,得到一、二次侧流场与温度场,二次侧空泡份额分布,支撑板梅花孔局部的流动状况及不同入口过冷度对蒸汽发生器热工水力特性的影响。数值模拟结果表明,三叶梅花孔支撑板的存在及不同入口过冷度对蒸汽发生器传热管束过冷沸腾区域的热工水力特性影响显著。     

基于遗传BP神经网络的超临界水自然循环稳态流量研究

利用遗传BP神经网络建立超临界水自然循环稳态流量预测模型,采用平均影响值(MIV)的概念进行参数敏感度分析。研究结果表明,遗传BP网络可以很好的预测超临界水自然循环稳态流量值,误差落在了±10%范围内。在所选的参数范围内,入口温度增大,稳态流量减小,提高试验段高度或减小加热段长度、出入口阻力系数可以使自然循环流量增加,其重要度排序为入口温度、试验段高度、入口阻力系数、出口阻力系数、加热段长度,且入口阻力系数、出口阻力系数、加热段长度影响基本对等。     

摇摆流动不稳定性的遗传算法优化神经网络预测

摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。