Моделирование тепломассопереноса в каналах систем охлаждения на базе нейросетевых вычислительных структур

• Автор: Наливайко, Николай Владимирович
• Шифр специальности: 01.04.14
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Воронеж
• Количество страниц: 191 с. : ил.

МОДЕЛИРОВАНИЕ ТЕПЛОМАССОПЕРЕНОСА В КАНАЛАХ СИСТЕМ ОХЛАЖДЕНИЯ НА БАЗЕ НЕЙРОСЕТЕВЫХ ВЫЧИСЛИТЕЛЬНЫХ СТРУКТУР

Ф 1. Теплонапряженное состояние элементов конструкций

камеры и форсуночной головки

1.1. Теплонапряженное состояние элементов конструкций ЖРД

1.2. Гидравлическая разверка раздающего коллектора камеры ЖРД

1.3. Постановка задач исследования

2. Нейросетевая вычислительная структура

2.1 Функционирование искусственной нейронной сети

2.2 Обучение искусственной нейронной сети

2.3 Тестирование аппроксимационных возможностей ИНС

3. Моделирование гидравлической неравномерности внутренних течений с использованием искусственных нейронных сетей
3.1 Численное решение уравнений на базе нейросетевых пробных решений
3.2 Численный метод решения уравнений Навье-Стокса на базе нейросетевых пробных решений
3.3 Моделирование гидравлических неравномерностей с использованием уравнений Навье-Стокса
4. Моделирование рабочих процессов в камере ЖРД с использованием нейросетевого логического базиса
4.1 Нейросетевая модель потока переменной массы
4.2 Использование ИНС для расчета распределения расходов по форсункам периферийного ряда смесительной головки

4.3 Расчет параметров теплообмена с учетом гидравлической разверни коллектора рубашки охлаждения и неравномерности распределения топлива по периферийным форсункам смесительной головки
4.4 Методика расчета теплонапряженного состояния элементов конструкций камеры ЖРД
5. Использование нейросетевых зависимостей для моделирования и оптимизации геометрических и режимных факторов
5.1 Нейросетевая база данных гидравлической неравномерности раздающего коллектора камеры ЖРД
5.2 Нейросетевая модель распределения компонента по периферийным форсункам
5.3 Оптимизация геометрических параметров тракта охлаждения
Заключение и выводы
Список использованных источников
Актуальность проблемы. Каналы с односторонним оттоком среды через стенку используются в теплообменных аппаратах и топливных системах коллекторного типа, которые применяются в стационарном, транспортном, атомном, космическом энергетическом оборудовании. В качестве распространенных Ъ теплообменных устройств коллекторного типа можно упомянуть пароперегреватели котельных агрегатов или кожухотрубные теплообменники, теплогидравлические характеристики которых во многом зависят от гидравлической разверки. Примерами коллекторных устройств могут служить сушильные установки с параллельными камерами, газоочистные сооружения с группами параллельно работающих фильтров, печные установки с группами нагревательных печей, вентиляционные установки, разветвленные трубопроводы. Рубашку охлаждения камеры жидкостного ракетного двигателя также можно отнести к теплообменным аппаратам, так как здесь происходит интенсивный теплообмен с продуктами сгорания. Для проектирования коллекторных теплообменных ап-паратов с заданными эксплуатационными свойствами необходимо прогнозирование гидравлической неравномерности распределения среды вдоль трубной решетки, по каналам тракта охлаждения, смесительным элементам камер сгорания.
Одним из наиболее теплонапряженных теплообменных аппаратов коллекторного типа является рубашка охлаждения камеры ЖРД. Охлаждающий тракт камеры двигателя образуется композицией внутренней и наружной сте-1 нок различной конструкции. Интенсификация теплообмена между стенкой и охладителем достигается в том числе оребрением огневой стенки. Фрезерованные каналы тракта охлаждения имеют преимущественно прямоугольное сечение, причем ширина и глубина каналов, а также толщина стенки переменны по длине. Стремление конструкторов использовать охлаждающие каналы минимальной ширины (которую позволяет освоенная технология производства) объясняется естественным желанием увеличить несущую способность конструкции камеры при расчетном температурном состоянии стенок. Однако при этом

с и нахождение суммарной невязки del del=0. do i=1,100 y(i)=ynet(x(i)) del=del+(y(i)-x(i)**2)**2 end do
с 'out'-файл значения функции минимизации, с передаваемого программе оптимизации open(2,file-out') write(2,*)del close(2) end
function ynet(t)
dimension vs(10),w(3),b(3),v(3),t1 (3),q(3) common vs с w-веса между нейронами и входом с b-пороги нейронов
с v-веса между нейронами и выходным нейроном с bv-порог выходного нейрона do i=1,3 w(i)=vs(i) b(i)=vs(i+3) v(i)=vs(i+6) end do bv=vs(10) vyh=0. do i=1,3 t1(i)=w(i)*t-b(i) q(i)=1./(1.+exp(-t1(i))) vyh=vyh+v(i)*q(i) end do ynet=vyh-bv end
В результате использования ЮБО НБ 1.0 были получены значения внутренних параметров ИНС, дающие суммарную невязку Е = 0.00023 (рис. 3.1). Таким образом, мы получили нейросетевую аппроксимацию заданного уравнения, которую можно представить формулой