网格尺寸对液滴蒸发的影响

为了有效地模拟实际工业应用中的液雾蒸发和燃烧,采用有限差分方法对无限热传导液滴蒸发模型进行了研究,并与相关的实验数据进行了对比和验证,发现采用定常的背景热质条件对网格的大小不敏感,但在实际计算过程中采用的当地瞬时热质条件所依赖的网格大小,对液滴蒸发具有重要影响.研究表明只有当网格的尺寸达到液滴直径的10倍左右时,采用当地瞬时的热质条件才可以得到满意的结果.此外,还发现关联数的校正格式及液滴在网格内的初始位置对液滴蒸发的影响不大.     

湍流非预混射流火焰倾斜冲击壁面的直接数值模拟研究

采用直接数值模拟方法,选取17组分、73步简化的甲烷化学反应机理,对三维湍流平面甲烷射流火焰倾斜冲击壁面进行了研究.分析了相同湍流强度、不同Damk?hler数的两个算例.两个算例出现了不同程度的熄火,算例B的熄火现象比算例A更明显.同时,观察到当量混合分数等值面的凸起结构与火焰熄火现象存在一定关联.定量分析了火焰面平均曲率与熄火的相关性,发现在剪切流动中熄火区域的平均曲率大于燃烧区域的平均曲率;在壁面附近的熄火区域曲率的大小与壁面熄火模式相关．     

一种基于神经网络的燃烧模型及其先验性检验

本研究采用神经网络方法,对准确的化学反应速率与反应标量之间的非线性关系进行建模,发展了一种基于人工神经网络(ANN)的燃烧模型．借鉴动态二阶矩模型建模思想,将标量分布的梯度纳入神经网络模型的输入集中,进一步发展出梯度输入人工神经网络(ANN-G)模型．基于一个预混火焰直接数值模拟数据库,对人工神经网络模型进行先验性研究,发现对于反应区域较薄的反应步,ANN模型与ANN-G模型都能准确计算化学反应速率．在泛化验证中,ANN-G模型比ANN模型表现更好．     

非均匀来流对三维气固圆柱尾迹的影响

对非均匀来流三维气固两相尾迹流动做了直接数值模拟。气相流场采用高精度紧致差分法的数值方法对N-S方程组进行直接求解。计算颗粒场时,选取Stokes数等于1的颗粒,并采用Lagarangian方法跟踪其运动。颗粒与壁面采用弹性碰撞方法模拟。分析了非均匀来流(Re=260)的情况下扰动对流场特性的影响以及对颗粒扩散的影响。模拟结果表明:入口处的扰动加速了三维大涡的形成以及流体的紊乱以及颗粒在流场中的扩散程度。     

在不同工况下切圆燃烧锅炉炉内流体流动特性的研究

应用数值模拟方法研究了不同工况下切圆燃烧锅炉内的流体流动和颗粒流动特性。为获取更详细的流体流动情况，研究了5种不同的工况。得到了有关不同工况下流体流动特性的详细结论，其结果可用于优化四角燃烧锅炉的设计及不同工况下安全操作四角燃烧锅炉。     

循环流化床内颗粒运动的预测与测量

本文提出了一种二维气固流动的数值计算模型，它考虑了循环流化床中颗粒的脉动和颗粒间磁撞等因素。该模型将颗粒运动的脉动考虑成一种基于气流脉动频谱的随机Fourier级数，称为脉动频谱随机轨道模型（FSRT）。这一模型可用于预测循环床中颗粒相的速度、颗粒轨迹和颗粒相浓度。对循环床中颗粒相速度和浓度进行了测量，并与FSRT模型的计算结果进行对比，同时对循环床中颗粒运动的一些行为也进行了预测。     

自然循环槽式太阳能中高温集热系统实验研究

介绍了规模为50kW的自然循环槽式太阳能中高温集热系统,并对系统在不同太阳辐照和排汽压力工况下的传热特性及稳定性进行了实验研究.结果表明,系统稳定运行的最低有效辐照条件为垂直镜面辐照度254～272W/m2;在较好的辐照条件下,本系统能够实现当天0.5MPa稳定排汽;在连续3d良好辐照条件下,系统产生的饱和蒸汽压力达到0.8MPa.在不同压力工况排汽过程中,由于辐照强度较小,管道热损失偏大,热管流量和携带热量偏小,自然循环换热系统均出现了不同程度的过冷换热现象.     

湍流火焰切向应变率的低维近似模型

利用理论方法,提出切向应变率二维与三维概率密度函数（PDF）之间的关系. 基于3种不同湍流强度的自由传播预混火焰直接数值模拟（DNS）数据库,建立人工神经网络（ANN）和随机森林（RF）模型,从低维量预测三维切向应变速率. 机器学习模型的输入特征包括组分质量分数、二维火焰面法向量梯度和二维速度梯度张量. 模型预测结果与DNS结果对比表明,理论模型预测的PDF与DNS的真实PDF吻合较好. RF模型的预测值与DNS实际值间的相关系数大于0.97,优于ANN模型. RF模型得到的PDF与真实PDF间的误差小于理论模型得到的PDF与真实PDF间的误差. RF模型能够由低维量准确预测三维切向应变率.     

基于样本优选的集成学习在脱硫优化中的应用

基于实际电厂的大量脱硫数据,删除初始脱硫数据库中异常值和非稳态值,提取与输出相关系数较高的集成学习模型输入参数,采用改进的基于随机采样和聚类采样的集成学习算法,建立预测脱硫塔循环泵开启台数的集成学习模型,研究分类问题中样本不均衡、优选样本评价标准缺失和脱硫优化的问题. 结果显示,与改进前模型相比,改进后的集成学习模型总体预测准确度提升了33%,并且基于聚类的采样略优于随机采样. 此外,对单一类别预测的召回率进行分析,对比不同算法对少数类和多数类的召回率,结果显示2种改进的采样方法对少数类的预测有较大的提升,预测的召回率大于90%,对多数类的预测也有一定的提升效果. 讨论泵组合作为模型输出时,其样本分布和模型精度的差异.