基于LM算法的棒束通道内空泡份额预测模型研究

应用Anklam T M和Byong-Jo Y的实验数据成功构建了基于LM算法优化的人工神经网络(ANN),用训练成功的ANN对棒束通道内的空泡份额进行预测,并得出了新的空泡份额预测关系式,其预测的均方根误差为7.80%。将ANN的预测结果与Cunningham J P and Yeh H C模型、Kamei A模型、Paranjape S模型的预测结果进行对比,结果表明:ANN的预测结果优于Cunningham J P and Yeh H C模型、Paranjape S模型的预测结果,与Kamei A模型的预测结果相近。通过输入变量对输出变量影响的敏感性分析,发现测点轴向距离与当量直径之比Z/DH、质量流密度G、加热棒束的热流密度q对棒束内空泡份额有很大的影响。     

5×5花瓣形燃料棒束组件内单相流动与换热特性数值模拟研究

相较于传统圆柱形燃料棒,花瓣形燃料棒具有安全裕量高等优点,研究其在压水堆运行工况下的热工水力特性具有重要意义。本文通过STAR-CCM+对5×5花瓣形燃料棒束组件进行数值模拟研究,计算并分析了组件内二次流速度、温度、换热系数等关键热工参数,获得了入口流速、螺旋节距对组件内部流动与换热特性的影响规律。计算结果表明：花瓣形燃料棒的螺旋结构可增强冷却剂的横向流动,同一高度上燃料棒表面温度分布具有周期性,增大入口流速可增强燃料棒的表面换热,消除温度分布的不均匀性。此外,螺旋节距大于750 mm,燃料棒换热性能与无扭转的燃料棒相差不大,甚至更低。     

窄矩形通道中欠热流动沸腾气泡图像分割方法

为快速且准确地计算气泡行为参数,本研究针对窄距形通道中欠热流动沸腾的气泡图像,提出了一种气泡分割方法.首先,对实验图像进行滤波,背景差值等操作消除背景噪声,提高两相之间对比度;然后,利用双阈值法获得气泡图像二值图;最后,依据气泡特征选择合适的结构元素,并利用形态学操作完成气泡图像分割.实验结果表明,该方法所得气泡图像分割结果有效消除复杂背景,气泡形状、大小及位置均与实验图像符合较好.因此,该方法能够对窄矩形通道中欠热流动沸腾的气泡图像进行快速有效的分割识别.     

六边形排列的7棒束通道内液态钠流动换热特性试验研究

以液态钠作为试验工质，对六边形排列的7棒束通道内液态钠流动换热特性进行了试验研究。试验流速为0~4 m·s^-1，热流密度为0~120 kW·m^-2，系统压力为1.5~200 kPa，对应的雷诺数和佩克莱数分别为4 000~60 000和0~340。深入分析了部分热工参数对7棒束通道内液态钠流动换热特性的影响，通过对7棒束通道内液态钠流动换热的试验数据的非线性拟合，得到适用于7棒束通道内液态钠流动换热的经验关系式。结果表明：拟合得到的摩擦系数关系式和努塞尔数关系式能准确地预测7棒束通道内的试验数据，其预测误差分别小于5%和6%。将获得的努塞尔数关系式与其他研究者的试验数据进行比较，与其他研究者985%的试验数据误差在30%以内，表明获得的关系式适用于7棒束通道内液态钠流动换热。     

棒束通道内过冷沸腾起始点的实验研究

本文以去离子水为实验介质,在进口温度80～100 ℃、质量流速0～100 kg/(m²•s)、热流密度0～80 kW/m²的条件下对棒束通道内的过冷沸腾起始点（ONB）进行了实验研究。分析了部分热工参数和棒束特殊的几何结构对ONB的影响,通过引入雷诺数,对棒束通道内ONB的数据进行非线性回归分析,得到适用于棒束通道ONB的经验关系式。结果表明：新拟合得到的关系式能较准确地预测棒束通道内ONB的热流密度,其预测值的相对误差为14.75%。     

花瓣形燃料元件棒束通道内过冷流动沸腾特性数值研究

花瓣形燃料元件具有换热性能强和无需定位格架等优点，能进一步提高反应堆的功率密度和经济性。为此，本文利用欧拉两流体模型，同时结合RPI壁面沸腾模型，对2×2花瓣形燃料元件棒束通道内过冷流动沸腾特性开展数值研究。通过圆管过冷沸腾实验数据验证了模型的准确性。开展了流速和热流密度参数对花瓣形燃料元件棒束通道内流动、换热及空泡份额分布影响的数值研究。结果表明，通道内冷却剂的流动速度分布不均匀；横向流动沿主流方向存在波动；空泡份额在燃料元件的内凹弧与外凸弧处表现出较大差异；同时，由于流场和换热形式的不同，导致燃料元件的周向壁面温度呈现不均匀分布，横向流动的存在影响着壁面热流分配情况。