[發明專利]一種復雜結構沸騰表面的熱流密度軟測量方法

在審

• 申請號: 202110068179.4
• 申請日: 2021-01-19
• 公開（公告）號: CN113158538A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 衡益;黃耀鵬;洪敏;古江杭;羅玖
• 申請（專利權）人: 中山大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06F113/08;G06F119/08;G06F119/14
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種復雜結構沸騰表面的熱流密度軟測量方法，所開發的人工神經網絡包括輸入層、卷積層、激活層、反卷積層與輸出層，所述方法的步驟如下：通過大量熱傳導偏微分方程正演模擬獲得溫度場數據集；將數據集進行卷積；對獲得的卷積特征圖進行反卷積；還原反卷積特征圖得到高分辨率的單通道輸出圖像；獲得熱流密度分布。本發明的有益效果在于與傳統方法中需要針對不同實際問題重新計算的情況不同，基于FluxNet深度學習算法估算所獲得的映射函數F(q_B)可重復使用，因此，本發明的整體計算效率較傳統的基于構建伴隨算子和求解偏微分方程約束優化問題的反問題正則化方法有極大的提高。

技術領域

本發明屬于工業設備和精密儀器熱流密度軟測量的研究技術領域，特別涉及一種復雜結構沸騰表面的熱流密度軟測量方法。

技術背景

池沸騰是一種重要的沸騰方式，指流體在一個容積較大的容器內被加熱實現沸騰的過程，在工業領域有很重要的應用價值，它關系到如何最大限度地提高相變換熱器的性能，如何維持合適的溫度區間以保證反應過程穩定進行。然而，當沸騰狀態由核態沸騰轉變為膜沸騰時，設備的散熱能力達到上限即意味著達到最大臨界熱流密度。如何提高最大臨界熱流密度是研究人員近年來特別關注的科學與工程技術問題之一。實際生產中，以反應爐為例，其加熱面的熱流和溫度是可控的，然而反應爐內壁的未知高瞬態熱流密度分布難以直接測量。若能實時監測到反應爐內壁熱流密度分布的變化，便能夠更好地避免局部過熱現象，從而更精準高效地控制該過程。本工作面向池沸騰這一類廣泛應用的工業過程，以三維瞬態熱傳導偏微分方程為數學模型，由加熱面瞬態溫度分布反演爐內不可接觸面的高瞬態熱流密度分布。該問題屬于識別Neumann邊界條件的不適定偏微分方程反問題，對沸騰機理和復雜偏微分方程反問題計算方法的研究將助力工業中反應條件的控制與產品材料優化設計，具有重要的研究和應用意義。

然而，由于沸騰現象涉及到若干復雜的子過程(如熱傳導、熱對流以及相變傳熱等)，全階段的沸騰現象一直難以在統一框架下被準確建模，計算和預測。過去幾十年內，學者們從宏觀、介觀、微觀、分子尺度上對沸騰現象進行了許多研究。例如，V.K.Dhir在蒸汽系統宏觀幾何模型的基礎上，建立了核態沸騰和過渡沸騰的統一框架。在介觀尺度上，R.Mei等人研究了加熱過程中氣泡在平板和膜上的生長過程。在微觀尺度上，P.Stephan和J.Hammer提出微邊界層理論預測，即“沸騰過程中的大部分熱量通過蒸發從三相接觸線的微觀區域傳遞”。然而，由于缺乏實驗和理論證據，傳統方法大多尚未得到充分驗證，目前哪些參數主導沸騰傳熱尚不完全清楚，對于全階段沸騰現象仍需進一步深入研究。

池沸騰過程中的一類基準三維瞬態熱傳導反問題，該類問題的經典求解方法包括Tikhonov正則化計算方法、基于第一類Fredholm積分方程變換的正則化計算方法、基于共軛梯度法的迭代正則化計算方法、Landweber迭代正則化計算方法以及基于L₁范數的變分計算方法等。在應對沸騰過程的溫度變化范圍較小的這類線性、半線性反問題時，共軛梯度法有明顯的求解效率優勢。相比常用于求解非線性問題的牛頓迭代方法，共軛梯度法不需要計算海森矩陣和對應的逆矩陣，計算過程中內存開銷小；相比最速下降法，共軛梯度法每個迭代過程中選取的搜索方向都與之前的方向正交，大大加快收斂過程?？傮w來說，基于相對容易測得的溫度信息來反演難以測量的熱流密度分布可以通過以上算法建立面向三維瞬態熱傳導反問題的計算模型來實現。

然而，基于共軛迭代法的正則化等傳統計算方法需要通過有限元等離散方法在連續域上迭代計算大量偏微分方程正問題、伴隨問題和敏感性問題。這些方法在處理復雜傳熱問題，特別是非線性問題時存在計算規模過大，計算精度低，抗噪性差等缺點，難以滿足實際工程問題中的實時測量、控制和優化的要求。

發明內容

鑒于現有技術的缺陷，本發明旨在于提供一種復雜結構沸騰表面的熱流密度軟測量方法，該方法基于FluxNet深度學習算法計算熱傳導偏微分方程反問題。針對此類工程問題，提出的方法在達到精度需求情況下不僅計算速度更快，還具有處理強非線性問題以及抗噪性良好的特點，是能替代熱傳導正/反問題復雜偏微分方程抽象算子的高效計算模型。