基于机器学习的螺旋流动过冷沸腾CHF预测研究

来源：核动力工程杂志2023年第3期北京时间：

作者：颜建国, 郑书闽, 郭鹏程, 赵莉, 王帅, 刘坤, 朱旭涛

单位：1.西安理工大学西北旱区生态水利国家重点实验室，西安，710048；2.西安航空学院能源与建筑学院，西安，710077；

摘要：过冷沸腾广泛应用于以国际热核聚变实验堆（ITER）为代表的高热流冷却场合。本文聚焦高热流、螺旋流动条件下水的过冷沸腾临界热流密度（CHF）的预测方法，建立了该类工况下的过冷沸腾CHF实验数据库。选用了4种典型机器学习模型：反向传播（BP）神经网络、遗传算法( GA )-BP神经网络、 径向基函数（RBF）神经网络和极限学习机（ELM）；利用传统的经验关联式和新兴的机器学习方法对螺旋流动过冷沸腾CHF进行预测研究。经与实验数据库对比，结果表明，相关机器学习模型能够有效预测螺旋流动过冷沸腾CHF，其预测性能相较于传统的经验关联式有大幅提升，其中ELM模型预测效果最优，平均绝对误差和均方根误差分别为2.79%和4.22%。研究成果为高热流螺旋流动过冷沸腾CHF的准确预测提供了新途径。

关键词：临界热流密度（CHF）, 过冷沸腾, 机器学习, 传热, 两相流

基金资助：国家自然科学基金项目（51909213）；陕西省教育厅科研计划项目（21JY029）；陕西高校青年科技创新团队（2020-29）；陕西省自然科学基础研究计划项目（2022JM-211）