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。     

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。     

棒束通道内定位格架搅混特性PIV可视化研究

定位格架作为燃料组件中重要的组成部件之一，不仅在结构上固定燃料棒，而且在燃料组件内热工水力性能同样显著，特别是对工质的搅混性能直接关系到反应堆的经济性和安全性，因此有必要对燃料组件内定位格架搅混特性进行研究。本文通过粒子图像测速（PIV）技术开展了棒束通道内定位格架上下游流场的可视化研究，对比了有无格架棒束通道内流场的分布特征，定量分析了定位格架对棒束通道流场搅混的贡献。对不同流速下定位格架下游横纵速度的沿程变化特性进行研究，发现了不同流速作用下定位格架对横向、轴向速度的促进和抑制规律。另外，通过速度均方根对下游的湍流特性进行了评估。实验结果可为数值计算提供全场的数据验证，并可为定位格架设计和优化提供基础。     

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。     

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。     

简谐脉动流中极点摩擦压降特性实验研究

对筒谐脉动流中加速度为零的极点(如波峰点和波谷点)摩擦压降特性进行了实验和理论研究.实验值与稳态条件下摩擦压降计算值的对比结果表明,相同流速下,脉动流条件下波峰点摩擦压降较稳态计算值略有降低,而波谷点摩擦压降较稳态值增加较多,其幅度随脉动程度的增加(即平均流速和脉动周期降低,脉动速度振幅增加)而增加.针对相同流速下稳态...     

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。      

流动沸腾条件下窄通道内的汽泡生长和冷凝

针对过冷沸腾条件下窄通道内的汽泡生长和冷凝进行实验研究。实验中观察到了两类汽泡的生长和冷凝,分别称为第1类汽泡和第2类汽泡。其中第1类汽泡生长速度较快,且在滑移离开核化点之后迅速冷凝消失。而第2类汽泡的生长速度较慢,且滑移很长一段距离后也不会冷凝消失,具有更长的存活时间。两类汽泡的生长可采用不同的关系式进行预测,且生长冷凝特性均表现出很强的随机性,体现出汽泡周围环境的微小变化对汽泡行为的影响。