高热流条件下过冷沸腾CHF试验及神经网络预测研究

本文试验研究了10～15 MW/m²高热流条件下过冷水流动沸腾的临界热流密度(CHF),并聚焦其预测方法。分析了热力学干度、质量流速和压力等参数对过冷沸腾CHF的影响。结果表明,随着热力学干度的增加,CHF近似线性降低。CHF随着质量流速增加而增加,但当靠近饱和点时,增加趋势逐渐减弱。在本文试验数据的基础上,搜集了文献中公开的实验数据,构建了高热流过冷沸腾CHF数据集(共709组),采用经验关联式和神经网络模型两种方法进行了预测,并定量评估了7个经验关联式和3个神经网络模型(BP,GA-BP和MEA-BP)的预测性能。结果显示,神经网络算法的预测性能相较于传统关联式有显著提升,其中,MEA-BP神经网络的预测效果最优,其平均绝对误差为15.61%,均方根误差为21.56%。