基于BP神经网络的管内烧干长度预测的研究.pdfVIP

中国工程热物理学会 学术会议论文 基于BP神经网络 预测研究1 张文斌，赵亮，毛字飞，郭烈锦1 (西安交通大学动力工程多相流国家重点实验室．西安，710049) 摘要：本文以实验室卧式螺旋管干涠后传热的烧干长度的实验数据为基础，使用神经网络方法进行了 预测，率先将^州模型应用于螺旋管千涸后烧干长度的预测，取得了较好的结果．训练出了一种基于 BP算法的ANN模型，其输入参数为压力、质量流逮、螺旋管直径／管径、管长、进口干度、恶化起始点 和热流密度，输出参数为烧干长度。该模型适用范围为压力1．45～3．22Mpa．流量 18l|5～736．7kg／m2．s。 关键词：干涸后传热烧干长度BP神经网络 0前言： 在汽液两相强制对流区域中，当受热壁面上液膜部分或全部消失时将出现蒸干工况 或临界热流密度工况。此时汽液两相流的流型为蒸汽中夹带液滴的雾状流动，从传热区 上划分属于缺液区传热¨。临界热负荷及其干涸后传热对于不少工程设计是十分重要的， 如核动力反应堆的暂态过程分析；制冷，化工工程中的高效蒸发器设计等。近50年以 来，人们对临界热流密度(c盯)的预测方法进行了大量的实验和研究。如早期的预测方法 是基于圆管做出的，经过修正后，同样也可用于其它几何形状。但对于缺液区传热的各 种工况，则预测得较少。本文使用神经网络方法就卧式螺旋管干涸后传热的烧干长度进 行了预测。 1管内烧干预测模型 如图所示，在受热管道中，两相流体从截面z—zl处流入，在截面处流动情况为完 整的液膜沿管壁流动，气芯夹带液滴在管中心流动。由于是受热管道，在流到点A所在 截面时，液膜在截面内侧点A处发生了局部烧于，这就是传热恶化的起始点即起始烧干 点，对应的干度为起始恶化干度矗“。此时流动情况为内侧点A与蒸汽直接接触，而其 余则被液膜包裹。A-c—B段，属于部分干涸区，沿流动方向汽相所接触的壁面不断扩大， 而液膜所包裹的面积逐渐减小，如图中的z．z2截面。流动到点B所在截面时，此时点B ’胃家自然科学基金会刨新研究群体科学基金项目cont他dNo．5惦21604资助内容 2赞任作者，Ii：gI垃@mlIil3-曲§幽￡H：张文斌．第‘作者，硕士研究封i 13Z 处液膜完全烧十，点B也称为完全烧干点．管内为单一的蒸汽夹带液漓的流动，对应的 十度为完会恶化十度薯“。烧干长度是指从截面出现起始传热恶化的点A到截面全部千 涸点B的距离，即A-c—B的长度，也称为液膜影响区n}。 133 BP算法得到了广泛的应用，但它也存在自身的限制与不足：需要较长的训练时间； 容易陷入局部极小问题；难以确定隐含层数和隐含层内节点数。 基于BP算法存在的以上缺陷，在实际应用中，需要对BP算法进行改进，提高运算 速度使算法实用化。BP算法的改进主要有两种途径，一种是采用启发式学习方法，如带 动量的梯度算法．可看作是共轭梯度法的近似；另一种是采用更有效的优化算法，如共 法(简称LM算法)。删算法实际上是梯度下降法和牛顿法的结合，既有牛顿法的局部收 敛性又具有梯度下降法的全局特性：梯度下降法在开始几步目标函数下降较快，但是在 接近最优值时，由于梯度趋于零，使得目标函数下降缓慢，而牛顿法可以在最优值附近 产生一个理想的搜索方向。 2．2算法的确定 2．2．1隐含层数的选择 在任何闭区间内的一个连续函数都可以用一个隐含层的网络来逼近，因而一个三层基于 BP算法的神经元网络可以完成任意的n维到m维的映射。但增加隐含层必将使训练复杂 化，要求训练样本和训练时间的增加。 函数时，一个隐含层就足以实现任意判决分类问题。由于本文中样本较少，开始设定为 两层神经网络。 2．2．2隐含层内节点数的选择 元数与问题的要求，输入输出的单元多少有关系。解有可能在有太少隐含单元(超定) 或者太多隐含单元(欠定)的权空间徘徊。 本文中，在进口条件下预测的螺旋管烧干长度，则考虑影响卧式螺旋管烧干长度有 ANN模型的输入层觅0应该有7个神经元，输由层则只有1个神经元。 文献Ⅲ指出对于隐含层神经元数的选择，根据以下公式进行： m=(n+1)0．5+a (1) m=(n×1)O．5