基于人工智能和有限元方法的传热学反问题

神经网络算法是一种新兴的人工智能方法,具有强大的数据回归能力,在传热学反问题(IHTP)中能够通过模型训练准确建立温度场与求解条件的映射关系。围绕神经网络算法,分别对传热学正问题求解、反问题模型建立及具体应用开展研究。采用有限元方法求解正问题,通过有限的、相互关联的单元对复杂体进行近似,快速生成传热学反问题所需的数据集。将传热学反问题嵌入神经网络模型,通过正问题批量处理获得的训练数据进行学习。在二维情形下实现了热物性参数反演和边界条件反演,在三维情形下实现了温度场反演。训练后,神经网络损失函数均收敛至0.1以下,各参数的相对误差控制在0.01%~0.6%。该理念在基于实验测量数据开展的传热学反问题研究中具有通用性,理论上可推广至传热计算中涉及的任何不确定参数的预测。

封闭母线接头内部热源求解及测点信息研究

为了使封闭母线接头有效的工作,需要在设计时对其加以评估。封闭母线接头处的发热、温升以及散热等问题严重影响其工作稳定性。采用共轭梯度法反演封闭母线接头的内部热源,从而得到其内部温度场分布,解决了难以直接测量其内部温度场的问题,并讨论了待求解参数的测点位置及测点数目对反演结果的影响。结果表明:测点的数目以及测点位置对反演精度有一定的影响,但使用共轭梯度法仍能够得到较满意的结果。

材料对封闭母线接头内部温度场的影响

封闭母线目前广泛的应用于输电以及送电系统,在生产和生活的各个场所扮演着不可或缺的角色。封闭母线对工作环境要求低,工作稳定安全,但是母线与母线之间接头位置的温度飞升对其工作的安全性影响非常大。利用旧有模型,通过对封闭母线接头温度场进行数值模拟,分析研究固有材料以及新型材料(包括导体材料、绝缘材料、盖板材料)对母线接头处温度飞升的影响,并且对材料的性能和经济性加以比较评价,为工程中母线材料的选择提供了有益建议。

空天飞行器时变热流载荷多阶段反演方法研究

为准确掌握可重复使用空天飞行器服役时面临的气动加热载荷,本文发展了一种基于改进共轭梯度理论的时变热流载荷多阶段反演方法。以一体化热防护结构开展数值仿真研究,分析了灵敏度分析方法、多阶段反演次数、温度测量误差等因素对反演精度和效率的影响规律。研究结果表明:通过将复变量求导引入至共轭梯度法中,可以在保障反演精度前提下减少超过30%的迭代次数;采用多阶段反演方法使得热流载荷总体反演偏差降低20%以上,而增加的计算时间小于10%;在适当收敛准则下,所发展的多阶段反演方法具有较好抗噪性能。

基于边界元和分散式模糊推理的圆筒内壁形状识别算法

利用边界元法(BEM)和分散式模糊推理(DFI)算法求解二维稳态传热学几何反问题。首先,给定边界形状的初始猜测值,利用BEM求解传热学正问题,得到边界温度计算值;然后,根据DFI反演算法,利用温度测量值与其计算值的差值推理得到一组模糊推理分量;最后,对模糊推理分量进行综合加权,得到边界形状的补偿量。本文通过数值实验验证了DFI方法的有效性,讨论了初始猜测值、测量点数目以及测量误差等因素对反演结果的影响,并与共轭梯度法(CGM)的反演结果进行了对比。数值实验结果表明,与CGM相比,DFI降低了反演结果对温度测量点数目的依赖程度,增强了对温度测量误差的抗干扰能力,具有更好的抗不适定性。