几何参数对涡发生器流动传热特性影响研究

本文首先对"common flow down"(A形式)和"common flow up"(B形式)两种形式纵向涡发生器的流动换热性能进行了计算比较,发现B形式纵向涡发生器Nu数比A形式纵向涡发生器在计算范围内平均增大2.8%,而f因子却平均减少9.1%,这表明B形式纵向涡发生器是一种性能更加优异的强化传热表面方式;考察了B形式纵向涡发生器的几何参数对流动换热性能的影响,结果表明B形式纵向涡发生器空气侧Nu数与f因子随着攻角减小、高度h_(VG)增大、x_(VG)减小、y_(VG)减小而增大,而随着长度l_(VG)的增大Nu数先增大后减小,同样f因子随着长度l_(VG)的增大也先增大后减小。     

摇摆条件下自然循环系统流量混沌脉动的检验与预测

利用替代数据法检验了摇摆条件下自然循环系统不规则复合型脉动的混沌特性, 并在此基础上进行混沌预测. 关联维数、最大Lyapunov指数等几何不变量计算结果表明不规则复合型脉动具有混沌特性, 但是由于计算结果受实验时间序列长度的限制和噪声的影响, 可能会出现错误的判断结果. 为了避免出现误判, 在提取流量脉动的非线性特征的同时, 需要用替代数据法进一步检验混沌特性是否来自于确定性的非线性系统. 本文用迭代的幅度调节Fourier 算法进行混沌检验, 在此基础上用加权一阶局域法进行混沌脉动的预测. 计算结果表明: 不规则复合型脉动是来自于确定性系统的混沌脉动, 加权一阶局域法对流量脉动进行混沌预测效果较好, 并提出动态预测方法. 关键词： 混沌时间序列 替代数据法 实时预测 两相流动不稳定性     

自然循环流动不稳定性的多目标优化极限学习机预测方法

极限学习机是近年来提出的一种前向单隐层神经网络训练算法,具有训练速度快、不会陷入局部最优等优点,但其性能会受到随机选取的输入权值和阈值的影响.针对这一问题,提出一种基于多目标优化的改进极限学习机,将训练误差和输出层权值的均方最小化同时作为优化目标,采用带精英策略的快速非支配排序遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化.将该算法应用于摇摆工况下自然循环系统不规则复合型流量脉动的多步滚动预测,分析了训练误差和输出层权值对不同步长预测效果的影响.仿真结果表明,优化极限学习机预测误差可以用较小的网络规模获得很好的泛化能力.为流动不稳定性的实时预测提供了一种准确度较高的途径,其预测结果可以作为核动力系统操作员的参考.     

基于Lyapunov指数的摇摆条件下自然循环流动不稳定性混沌预测

运用基于最大Lyapunov指数的混沌预测方法对摇摆条件下自然循环系统的流量脉动进行了预测. 对不规则复合型脉动的流量脉动实验数据进行相空间重构, 计算关联维数、二阶Kolmogorov熵和最大Lyapunov指数等几何不变量, 在说明不规则复合型脉动是混沌运动的基础上, 根据最大Lyapunov指数对不规则复合型脉动进行了预测. 通过预测结果和实验结果对比发现: 对于复杂的两相自然循环流动不稳定性, 预测结果具有较高的精度, 说明预测方法的可行性. 同时, 确定了混沌系统可预测的尺度, 提出用动态预测的方式监测系统流量脉动. 本文的研究方法为两相流复杂的流动不稳定性研究提供了新的思路. 关键词： 混沌时间序列 实时预测 最大Lyapunov指数 两相流动不稳定性