在高温气冷堆堆芯球床中,燃料球间的辐射换热是重要的传热模式,与堆芯固有安全特性密切相关。由于颗粒间复杂的随机堆积结构和极缓慢运动特性,利用传统方法开发球床辐射换热模型极为困难,当前研究仍主要依赖实验测量。近年来,机器学习的发展为解决高温球床辐射传热提供了新的研究视角,以梯度提升决策树算法为代表的人工智能方法能够高效捕获复杂传热问题的非线性特征。这里结合高温球床堆中颗粒间辐射规律,训练开发颗粒间辐射角系数智能回归预测模型。
研究方法
球床热辐射机器学习方法包括仅含有显式解析表达式的基础计算模型和梯度提升决策树回归模型。智能模型以颗粒间的位置坐标为输入,以基础计算模型与真实角系数的差值为输出。利用HTR-PM球床堆积结构和光线追踪方法,建立了高温堆球床高精度角系数大数据集,共包含1660万条角系数工况,覆盖了球床各种局部结构。
成果简介
计算结果表明基础计算模型合理描述了球床热辐射特性随球心距变化规律和周围颗粒球平均阻挡作用,用于快速计算球床堆中辐射角系数的核心主导部分。随着机器学习模型复杂度的提升,预测精度不断提高。结合基础计算模型,球床角系数回归系数超过0.999,同等硬件下实现了13.5万倍加速。嵌入机器学习的角系数预测模型为高温气冷堆球流传热研究、堆芯优化和热工流体分析提供了高效的辐射传热计算方法.
图文导读
作者简介
吴 浩,华北电力大学核科学与工程学院副教授,硕士研究生导师(报考咨询邮箱:wuhao@ncepu.edu.cn)。清华大学核研院博士/博士后,博导屠基元教授,博士后合作导师姜胜耀教授。从事高温气冷堆辐射换热、气固两相CFD-DEM仿真、核工程中的人工智能方法以及铅铋氧控实验回路数值仿真等核反应堆热工水力学研究。以第一作者发表论文20余篇,累积被引400余次,学术主页:https://scholar.google.com/citations?user=Dd3gBNUAAAAJ.
文章信息:
吴浩,牛风雷.高温球床辐射传热中的机器学习模型[J/OL].清华大学学报(自然科学版):1-6[2023-05-04].https://doi.org/10.16511/j.cnki.qhdxxb.2023.25.015.
期刊介绍
《清华大学学报(自然科学版)》创刊于1915年,已有百年历史,是中国最早同时以大学校名和“学报”冠名的期刊。《清华大学学报(自然科学版)》现由清华大学出版社出版,月刊。作为名副其实的“老字号”期刊,众多学术权威的力作与莘莘学子的处女作在其上交相辉映,使之成为清华大学自强不息、厚德载物的科学精神的见证。
清华大学学报(自然科学版)》被多家国际性文献检索机构如Ei、CA、MR、РЖ、INSPEC、Zbl等及国内多家全国性文献检索机构如中文核心期刊要目总览、CSCD、CNKI 等收录。1999、2003年荣获第一、二届国家期刊奖,2005年荣获第三届国家期刊奖提名奖,2010、2013年荣获第二、三届中国出版政府奖期刊提名奖,2009年被评为“新中国60年有影响力的期刊”,2013、2015、2017年荣获全国百强科技期刊。