基于神经网络的管内沸腾两相流型识别研究.pdfVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：093117 基于神经网络的管内沸腾两相流型识别 * 郭雷，陈雅群，张树生 ，程林 （山东大学热科学与工程研究中心，济南250061） （Tel: 05316022 ，E-mail: shshzhang@sdu.edu.cn ） 摘要：利用Fluent软件的UDF编程对常压蒸汽锅炉水冷壁管内沸腾现象进行数值模拟，提 取泡状、弹状和环状流型对应的压力、温度、含汽率等特征，将其作为BP神经网络的输 入特征向量，进行管内沸腾汽液两相流型的识别，结果表明：BP神经网络流型识别的准 确率达到95.24%；通过分析流型和壁温与壁面换热系数的关系，发现流型变化会引起壁 面换热系数的剧烈波动，换热系数随壁温升高迅速降低，最终趋近于一个最低值。 关键词：沸腾换热；BP神经网络；流型；换热系数 0 引言 常压蒸汽锅炉水冷壁管内汽水两相流型与其换热性能密切相关，流型的变化，极大 地影响着两相流动压力损失、传热特性、流量测量的准确性和流动系统的运动特性，所 [1] 以流型的鉴别迄今为止一直是国内外高度重视的课题 。 随着电子计算机技术以及人工神经网络（artificial neural network, ANN）技术 的迅速发展，给我们提供了沸腾换热汽液两相流型识别的新思路和新方法。经过训练的 神经网络能够有效的提取汽水沸腾两相流动信号特征，并能解决现有启发模式识别系统 不能很好解决的不变量探测、自适应、抽象或概括等问题[2] 。神经网络的自学习和自适 应能力使其成为对各类信号进行多用途加工处理的一种天然工具，主要用于解决信号处 理中的自适应和非线性问题。因此，利用人工神经网络对沸腾换热汽液两相流流型的信 号/图像进行识别是完全可行的。近年来，BP神经网络广泛的应用在流型的识别中，Mi 和Ishii[3]利用含汽率波动信号作为BP网络的输入信号，网络的识别率达到91%，但由于 含汽率的测量困难，所以没有得到广泛的推广。白博峰等[4]利用压力和压差信号的组合 的统计参数和特征参数作为输入向量，流型的识别率达到80%以上。 本文利用计算流体力学(Computational Fluid Dynamics, CFD)软件模拟蒸汽锅炉 水冷壁管内的沸腾流动换热现象。获得管内自然沸腾的压力、温度以及截面含汽率等参 数，作为BP神经网络的输入特征，对管内沸腾汽水两相流型进行识别，并将换热系数与 流型、截面含汽率及壁面温度的关系进行了探讨。 1 管内沸腾汽水两相流动换热的数值模拟 1.1 数学模型及数值模拟 本文以蒸汽锅炉水冷壁管为原型，建立了φ51mm×1000mm竖直圆管内沸腾换热的三 * 基金项目：国家重点基础研究发展973计划(2007CB) 维数学模型。利用混合物模型模拟沸腾换热过程，需求解混合相的连续性方程，混合相 [5] 的动量方程，混合相的能量方程，第二相的体积分数方程 。 ∂ v 混合模型的连续性方程为： (ρ ) +∇⋅(ρ v ) m （1） ∂t m m m n uv uuv ∑(α ρ v ) n