基于兩種神經(jīng)網(wǎng)絡(luò)的管內(nèi)沸騰汽液兩相流型識別.pdf

《基于兩種神經(jīng)網(wǎng)絡(luò)的管內(nèi)沸騰汽液兩相流型識別.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第37卷第6期化工機械763基于兩種神經(jīng)網(wǎng)絡(luò)的管內(nèi)沸騰汽液兩相流型識別‘陳雅群“郭雷張樹生程林(山東大學(xué))摘要將Fluent數(shù)值模擬得到的溫度、壓力和截面含氣率等參數(shù)作為流型識別的特征向量，輸入經(jīng)過訓(xùn)練的BP及Elman神經(jīng)網(wǎng)絡(luò)，進(jìn)行流型的識別。結(jié)果表明，在所取預(yù)測組數(shù)范圍內(nèi)，BP神經(jīng)網(wǎng)絡(luò)的識別準(zhǔn)確率為95．24％。Elman神經(jīng)網(wǎng)絡(luò)對各種流型的識別準(zhǔn)確率為100％。關(guān)鍵詞汽液兩相流Elman神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)流型識別中圖分類號TQ021．2文獻(xiàn)標(biāo)識碼A文章編號0254-6094(2010)06-0763-04汽液兩相流動與傳熱問題廣泛存在于動力工業(yè)、核工

2、業(yè)及化學(xué)工業(yè)等各種設(shè)備中，近30年來，兩相流動和傳熱問題越來越引起各國普遍重視，并取得了很大的進(jìn)展一。。汽液兩相的分布狀況稱為流型，它是影響換熱系數(shù)和壓降的重要因素，因此流型的研究是一個重要的方向。目前對流型的識別有觀察法、射線衰減法和高速攝像法等。這些方法一般要求完備的實驗設(shè)施，造價比較昂貴。神經(jīng)網(wǎng)絡(luò)作為一種智能技術(shù)，尤其是它具有自組織、自適應(yīng)和自學(xué)習(xí)的功能，使得它在流型識別中得到了廣泛的應(yīng)用。王強等人舊1以壓差信號作為輸入向量，將小波和Elman神經(jīng)網(wǎng)絡(luò)應(yīng)用于汽液兩相流流型的識別中。周云龍等人"1將圖像處理和Elman神經(jīng)網(wǎng)絡(luò)應(yīng)用于流型識別，通過提取流型

3、的灰度直方圖并作為輸入向量來實現(xiàn)流型的智能化識別。MiY等人【41利用含氣率波動信號作為BP神經(jīng)網(wǎng)絡(luò)的輸入信號，網(wǎng)絡(luò)的識別率達(dá)到9l％，但由于含氣率的測量困難，因此沒有得到廣泛的推廣。白博峰等人”一利用壓力和壓差信號的組合統(tǒng)計參數(shù)和特征參數(shù)作為輸入向量，流型的識別率達(dá)到80％以上。筆者利用CFD軟件模擬管內(nèi)的流動沸騰換熱現(xiàn)象。獲得管內(nèi)自然流動沸騰的壓力、溫度和截面含氣率等參數(shù)，并以此作為神經(jīng)網(wǎng)絡(luò)的輸入特征向量，對管內(nèi)沸騰兩相流型進(jìn)行識別。通過對換熱系數(shù)與壓力、溫度和截面含氣率關(guān)系的分析，發(fā)現(xiàn)流型變化對換熱系數(shù)的影響很大。其中Elman神經(jīng)網(wǎng)絡(luò)對汽液兩相流型的

4、識別準(zhǔn)確率更高一些。1管內(nèi)沸騰汽水兩相流動換熱的數(shù)值模擬1．1數(shù)學(xué)模型及數(shù)值模擬以蒸汽鍋爐水冷壁管為原型，建立了尺寸為4,51mm×1000mm豎直圓管內(nèi)沸騰換熱的三維數(shù)學(xué)模型。利用混合物模型模擬沸騰換熱過程，需求解混合相的連續(xù)性方程、動量方程、能量方程和第二相的體積分?jǐn)?shù)方程?；旌夏Ｐ偷倪B續(xù)性方程：蓋(pm)+V(”m)=m(1)混合模型的質(zhì)量方程：蓋(p。t，。)+V(p。l，。t，m)=V‰(Vt，。+t，m)]一Vp+ping+F+V(?！疲產(chǎn),p^"dr，‘t，d，。^)(2)·國家重點基礎(chǔ)研究發(fā)展計劃(973)項目(No．2007CB206900)

5、資助?！ぁり愌湃?，女，1983年12月生，碩士研究生。山東省濟南市，250061。764化工機械2010正上式中F是體積力，混合粘性／．t。=．∑．僅∥。，第二相k的飄移速度t，dr。=t，I—t，。?；旌夏Ｐ偷哪芰糠匠蹋荷w薈。(oqptEt)+V毒?！雞t(ptEt+p)]=V(k。HVr)+S。(3)式中后礎(chǔ)——有效熱傳導(dǎo)率；S?！械捏w積熱源；h?！趉相的焓。1．2相界面熱質(zhì)交換筆者所建立模型兩相的努曾數(shù)h遠(yuǎn)遠(yuǎn)小于0．001，N—S方程適用于本模擬對象。本模型沸騰換熱過程汽液界面S(r，t)上同時存在著傳熱和傳質(zhì)過程。在相界面上，溫度連續(xù)但不光

6、滑，比焓、密度和法向滲流速度都不連續(xù)。在相界面上，存在質(zhì)量守恒方程：Pp[幣掣q]n=pq[咖鼉蘆飛]n(4)在相界面上，存在能量守恒方程：坩肌掣礙¨(Ap瓢=小。[咖掣1"(A。器)，(5)式中P。，P，——主相與第二相的密度；h。，h，——主相與第二相的焓；JI——導(dǎo)熱系數(shù)。1．3計算方法及求解過程運用CFD軟件FLUENT中的UDF模塊，利用c語言進(jìn)行編程，對沸騰過程中液相質(zhì)量源項、汽相質(zhì)量源項以及混合模型的能量源項進(jìn)行自定義，指定確定壓力下的沸騰起始溫度及汽化潛熱。計算過程中，壓力離散采用BodyForceWeighted方法，壓力速度耦合采用PIS

7、O方法，動量方程和體積分?jǐn)?shù)離散采用二階迎風(fēng)差j外壁面采用定熱流加熱方式。1．4特征信號提取選取軸向z=800mm處截面作為研究對象，并在此截面上從圓心開始，沿徑向在髫=50mm處取一點，作為研究壁面換熱系數(shù)的基礎(chǔ)點。提取了從加熱開始到獲得穩(wěn)定的沸騰汽液兩相流動狀態(tài)的數(shù)據(jù)96組，每組數(shù)據(jù)包括壓力、溫度和截面含氣率3個特征。由于加熱過程中壓力波動劇烈，為保證BP神經(jīng)網(wǎng)絡(luò)預(yù)測的準(zhǔn)確性，將所獲得的壓力數(shù)據(jù)進(jìn)行了歸一化處理。歸一化處理的方法如下：蹦㈡=箸max鬻P≠端mlnPLz，：J一【Ll，：，，2神經(jīng)網(wǎng)絡(luò)的沸騰汽液兩相流型識別2．1BP神經(jīng)網(wǎng)絡(luò)汽液兩相流型識別2

8、．1．1BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法BP神經(jīng)網(wǎng)絡(luò)是一種多層前