结合实验、仿真与机器学习的管内冷凝传热特性研究
作者单位:浙江大学
学位级别:硕士
导师姓名:李蔚
授予年度:2023年
学科分类:12[管理学] 080701[工学-工程热物理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:管内冷凝 冷凝换热系数 强化传热 实验测试 数值模拟 机器学习
摘 要:目前,采用相变传热的各类型换热器凭借其优异的传热性能,被广泛应用于汽车、空调、电子设备散热以及航空航天等各领域之中;同时,利用强化传热技术来提升换热器的运行效率并缩小设备尺寸,是当下的重点研究方向。对于在冷凝换热器中常见的管内冷凝流动过程而言,以往的研究工作尚不完善:首先,针对新型三维强化表面管道内冷凝流动特性的探究相对较少,对于其强化传热机理的解释不够明确;其次,以往的管内冷凝换热系数预测关联式在面对复杂多变运行工况时的计算误差较大,预测精度高且泛用性较好预测模型仍然缺失。对于管内冷凝传热领域现存的问题,本文综合采用实验测试、数值模拟与机器学习算法等多种手段开展了针对性研究,研究成果概况如下:在实验测试部分,本文对光滑管、粗糙表面管、两种二维强化表面管(内螺纹管、人字形微翅片管)和四种三维强化表面管(1-EHTa、1-EHTb、1-EHTc和2-EHT管)的管内平均与局部冷凝传热特性分别进行了探究,并利用实验数据拟合了换热系数预测关联式。实验中2-EHT管具有最高的强化换热倍率,约为1.38~1.63,同时新关联式的平均绝对误差均在6%以下。在仿真部分,本文利用CFD数值模拟的方法对制冷剂R134a在2 mm内径微通道光滑圆管内的冷凝流动进行了研究,并通过仿真结果分析了以往管内冷凝换热系数预测关联式的预测性能。在机器学习部分,本文采用机器学习算法建立了管内冷凝换热系数预测模型,并在模型构建过程中针对以往冷凝流动领域机器学习模型物理可解释性较差的问题进行了改进。首先建立了包含约2万组数据的管内冷凝流动数据集,随后结合了K-Means聚类算法、随机森林算法和XGBoost算法建立了集成式机器学习模型。该模型在包含约2万组数据的管内冷凝流动数据集上取得了5.24%的平均绝对误差,其预测精度远高于传统的换热系数预测关联式。