摇摆参数对自然循环系统混沌脉动影响分析

针对摇摆参数对自然循环系统中流量混沌脉动的影响,用非线性时序分析的方法对实验结果进行了分析研究.基于相空间重构理论,计算不同摇摆参数下时间序列的关联维(CD)、K2熵和最大Lyapunov指数(MLE)等几何不变量值,根据计算结果分析摇摆参数对自然循环系统混沌脉动的影响.分析结果表明:摇摆周期越短、摇摆振幅越大,混沌出现时的无量纲功率越大;摇摆周期对混沌脉动边界的影响大于摇摆振幅的影响;当摇摆周期为5 s时,由于摇摆引起的波谷型脉动与密度波型脉动频率相近而发生共振作用,流量脉动的混沌特征减弱.     

矩形通道内脉动流摩阻系数的二阶傅里叶拟合

矩形通道内脉动流,流量的正弦脉动会引起压力的脉动,在层流区压力与正弦规律吻合良好,而在紊流区、过渡区和跨区域的压力脉动与正弦规律偏差较大.为了能够较为精确地计算管内压降,对矩形通道内脉动流进行了试验研究.通过测量截面为40 mm×3 mm的矩形通道内不同周期、振幅、平均值的正弦脉动流体的流量、压差,对压差数据分别采用一阶、二阶傅里叶级数进行拟合,发现用二阶傅里叶级数拟合压差数据,能够很好地反映压差的变化规律,并发现雷诺数-摩阻系数曲线呈‘8’字形.通过对二阶傅里叶级数的压差拟合公式进行分析、推导、拟合,得到了瞬时及平均摩阻系数的计算公式,其计算值与实验值的误差较小.     

自然循环过冷沸腾流动不稳定性实验研究

对自然循环过冷沸腾高频脉动进行了实验研究.实验结果表明,高频脉动为声波型脉动.通过实验分析,确定了声波型脉动发生的3种类型和声波型脉动发生的边界,并分析了影响其产生的因素.进一步分析证实汽泡脱离点与声波型脉动的产生和消失有直接关系,据此得出了声波型脉动发生的经验关系式.     

激光诱导荧光技术对棒束通道内定位格架搅浑特性研究

基于激光诱导荧光（LIF）技术开展了5×5棒束通道内定位格架搅浑特性的可视化研究。常温常压下，通过示踪染色剂（RhB）浓度分布表征流体微团的搅浑行为，清晰展现染色剂溶液在定位格架作用下的搅浑扩散过程，获取格架下游流场的搅浑信息。采用自验证方法分析验证LIF技术测量的准确性，重构棒束通道内径向与轴向染色剂浓度分布，对比带定位格架与不带定位格架的实验结果，得到定位格架对其下游流场的影响范围及不同棒束子通道所受搅浑程度的差异，并以变异系数量化格架对流场搅浑性能的强弱。实验结果表明：定位格架能快速搅浑流动工质，其搅浑翼片分布形式的差异是造成不同子通道交叉搅浑强弱及各向异性的主要原因。本实验工况（Re＝10 478）下，格架对其下游流场的作用范围约为8倍当量直径(D_h)，流动工质在格架下游5D_h附近所受搅浑最为剧烈。     

5×5棒束通道内流动转捩特性研究

棒束通道的特殊结构导致其内部流动转捩情况较为复杂，探究其内部流动转捩规律具有重要意义。本文针对棒束通道内的流动转捩特性开展实验与CFD模拟研究，通过实验获得了棒束通道内沿程阻力系数的变化规律；采用不同湍流模型进行了数值模拟。结果表明，SST k-ω模型能较好地反映实验结果。进一步对比了不同雷诺数工况下通道内不同位置的沿程阻力系数与湍流强度，发现对于不同子通道，中心子通道湍流强度与沿程阻力系数高于边角子通道；对于同一子通道，子通道中心处湍流强度与壁面切应力高于子通道边缘处。这一结果说明，受壁面影响，棒束内湍流强度、壁面切应力、阻力特性具有不均匀性，这些空间上的不均匀性相互作用会引起总体上棒束转捩点不明显。     

晃荡对气泡上升运动影响的数值研究

海洋条件中风浪等因素会导致船舶上存在自由液面的容器产生剧烈的晃荡运动。为了分析晃荡条件下液体中的气泡行为特性,在计算流体动力学软件Fluent平台下运用流体体积函数法模型,对晃荡条件下气泡在液体中的上升过程进行数值模拟。计算结果显示,晃荡条件下气泡呈周期性摆动上升,并伴随着聚合与分离现象。分析表明,晃荡对气泡运动行为特性产生的影响不可忽视,剧烈的晃荡运动会影响气泡的脱离尺寸,在加速部分气泡分离的同时阻碍部分气泡的运动而导致气泡聚合;晃荡运动还会致使气泡在水平方向偏离比较大的位移。     

摇摆流动不稳定性的遗传算法优化神经网络预测

摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。     

基于PCA-GA-SVM的竖直下降两相流流型预测

为提高小样本条件下的流型识别精度和时效性,提出了一种融合小波包分解（WPD）、主元分析（PCA）、遗传算法（GA）和支持向量机（SVM）的优化识别模型,并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构,提取小波包能量构造特征向量;通过PCA对特征向量进行降维,降低特征输入的复杂性;同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子（C）和核函数参数（g）。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GA-SVM网络进行对比。结果表明,经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著,对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%,耗时仅3.95 s,可满足在线识别需求。      

基于Adaboost算法的核电站故障诊断方法

针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于Adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明Adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于Adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。      

脉动流下定位格架下游时均流场分布特性研究

研究流量波动下棒束通道内定位格架下游瞬时流场演变特性对于揭示海洋条件下燃料组件内流动换热机理具有重要意义。本文应用粒子图像测速（PIV）技术获得了脉动流下棒束通道内定位格架下游时空演变流场结构,分析了脉动参数（脉动周期和脉动振幅）对定位格架下游速度分布和湍流特性的影响。结果表明,脉动流下定位格架下游时均速度与定常流动下时均速度差异较小,且基本不随脉动振幅和脉动周期变化而变化;脉动流下的定位格架下游横向速度和轴向速度均方根与定常流动下的速度均方根存在明显差异,且随脉动参数变化呈现出不同的变化趋势。本文研究结果有助于揭示燃料组件在非稳态条件下瞬态特性,并为燃料组件的设计和优化奠定基础。