三通管內(nèi)冷熱摻混流動(dòng)下的溫度場(chǎng)預(yù)測(cè)

李澤偉 蔣彥龍 王合旭 陳冀 王瑞琪

摘要：

對(duì)三通管內(nèi)冷熱水的摻混流動(dòng)過(guò)程進(jìn)行試驗(yàn)研究，得到在30 ℃溫差、不同進(jìn)口流量比條件下?lián)交炝饔虻臏囟葓?chǎng)數(shù)據(jù)；提出基于BP神經(jīng)網(wǎng)絡(luò)的溫度場(chǎng)預(yù)測(cè)模型，并將預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比。結(jié)果表明：摻混流域溫度場(chǎng)特性的預(yù)測(cè)結(jié)果與試驗(yàn)數(shù)據(jù)吻合度較高，對(duì)溫度振蕩功率譜密度的分析也得到同樣的結(jié)果，這對(duì)進(jìn)一步研究管道熱波動(dòng)引起的管道熱應(yīng)力，以及進(jìn)行管道熱疲勞分析與壽命評(píng)估具有指導(dǎo)意義。

關(guān)鍵詞：

三通管； 熱摻混； 溫度振蕩； BP神經(jīng)網(wǎng)絡(luò)； 溫度場(chǎng)預(yù)測(cè)； 功率譜密度

中圖分類號(hào)： TM623

文獻(xiàn)標(biāo)志碼： B

Temperature field prediction of cold and hot mixed flow

in three-way pipe

LI Zewei1， JIANG Yanlong1， WANG Hexu1， CHEN Ji1， WANG Ruiqi2

（

1. College of Aerospace Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing 210016， China；

2. 609 Research Institute of Chinese Aeronautical Establishment， Nanjing 211106， China）

Abstract：

Test study on the cold and hot mixed flow in three-way pipe is carried out， and the temperature field data of mixing basin under 30 ℃ temperature difference and different inlet flow ratio is obtained； the temperature field prediction model based on BP neural network is proposed， and the prediction results are compared with measured data. The results show that the prediction of temperature field characteristics of mixing basin in mixing process is highly consistent with the test data. The same results of temperature oscillation power spectral density analysis are obtained. It is instructive to further study the thermal stress of pipes caused by thermal fluctuation， as well as thermal fatigue analysis and life evaluation.

Key words：

three-way pipe； thermal mixing； temperature oscillation； BP neural network； temperature field prediction； power spectral density

收稿日期： 2017-12-14

修回日期： 2018-01-12

基金項(xiàng)目：

南京航空航天大學(xué)研究生創(chuàng)新基地（實(shí)驗(yàn)室）開放基金（kfjj20170123）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)基金

作者簡(jiǎn)介：

李澤偉（1993—），男，山東膠州人，碩士研究生，研究方向?yàn)槿藱C(jī)與環(huán)境工程和對(duì)流傳熱與傳質(zhì)，（E-mail）823023274@qq.com；

蔣彥龍（1977—），男，浙江金華人，教授，博導(dǎo)，研究方向?yàn)槿藱C(jī)與環(huán)境工程，（E-mail）jiang-yanlong@nuaa.edu.cn

0 引 言

近年來(lái)，隨著我國(guó)國(guó)民經(jīng)濟(jì)的持續(xù)增長(zhǎng)和節(jié)能減排的迫切需求，能源結(jié)構(gòu)調(diào)整迫在眉睫，核電作為一種經(jīng)濟(jì)高效、節(jié)能環(huán)保的新能源，發(fā)展迅猛。如何保障核電站建設(shè)和運(yùn)行過(guò)程中的安全性和可靠性，是當(dāng)下急需解決的首要問(wèn)題之一。核電站擁有大量的熱力管線，其中三通管連接各種管線，組成龐大的管路系統(tǒng)。當(dāng)三通管的主管與支管流體溫度不同時(shí)，就會(huì)在三通管下游段發(fā)生冷熱水摻混，管道近壁面流體溫度不斷波動(dòng)，使管材承受交變的溫度載荷，誘發(fā)管道穿透裂紋，造成管道的熱疲勞失效。[1]

國(guó)內(nèi)外對(duì)三通管內(nèi)冷熱摻混展開大量的試驗(yàn)研究。MIYOSHI等[2]用148個(gè)熱電偶測(cè)量三通冷熱水摻混過(guò)程的壁面溫度并計(jì)算熱應(yīng)力，認(rèn)為：溫度振蕩范圍主要集中在主管道內(nèi)壁，應(yīng)力的空間分布與壁面溫度的空間分布相似；大應(yīng)力波動(dòng)由熱點(diǎn)運(yùn)動(dòng)引起，運(yùn)動(dòng)頻率約為0.1 Hz。KAMIDE等[3]利用熱電偶和粒子圖像測(cè)速技術(shù)測(cè)定三通冷熱水摻混過(guò)程的溫度場(chǎng)和速度場(chǎng)，將三通管內(nèi)的流型分為壁射流、偏轉(zhuǎn)射流和沖擊射流等3類，對(duì)應(yīng)各自的溫度脈動(dòng)曲線；當(dāng)主、支管之間的動(dòng)量比相同時(shí)，溫度振蕩的無(wú)量綱功率譜密度（power spectral density， PSD）相似。SELVAM等[4]研究在主管與支管恒定質(zhì)量比為4∶1、溫差分別為65和143 ℃工況下的熱摻混特性，并與大渦模擬結(jié)果進(jìn)行對(duì)比，平均溫度、熱波動(dòng)和頻率分布與實(shí)測(cè)數(shù)據(jù)均吻合較好，熱波動(dòng)的PSD沒有表現(xiàn)出明顯的特征頻率，能量主要在0.1～2.0 Hz頻率范圍內(nèi)。王海軍等[5]對(duì)不同射流與主流流速比下三通管冷熱水摻混過(guò)程進(jìn)行研究，得到流動(dòng)的基本特性以及不同流速比下局部點(diǎn)的溫度振蕩特性。

為評(píng)估核電管道的壽命，須測(cè)得管道的溫度場(chǎng)，但核電管道中很難布置大量測(cè)溫?zé)犭娕迹枰獜脑囼?yàn)數(shù)據(jù)中尋找三通管內(nèi)冷熱摻混的特性及規(guī)律，并預(yù)測(cè)實(shí)際運(yùn)行的核電三通管道冷熱摻混過(guò)程中的溫度場(chǎng)分布。只有掌握切實(shí)有效的溫度場(chǎng)預(yù)測(cè)方法，才能進(jìn)一步計(jì)算熱波動(dòng)引起的熱應(yīng)力，進(jìn)行管道熱疲勞分析與壽命評(píng)估。

在以往的研究過(guò)程中，研究者常用計(jì)算流體力學(xué)數(shù)值仿真模擬求解溫度場(chǎng)，作為熱應(yīng)力分析的輸入，但計(jì)算流體力學(xué)數(shù)值仿真計(jì)算中存在著許多誤差，包括：控制方程簡(jiǎn)化誤差、經(jīng)驗(yàn)數(shù)據(jù)的誤差、模型方程數(shù)值解的數(shù)值誤差、邊界條件與實(shí)測(cè)流量不完全一致所造成的誤差等。[6]當(dāng)一個(gè)含時(shí)間變量的控制方程組的初值有微小變化時(shí)，一段時(shí)間后結(jié)果會(huì)發(fā)生巨大變化，而更為復(fù)雜的N-S方程也會(huì)出現(xiàn)類似問(wèn)題。

隨著研究的不斷深入，人工神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于模式識(shí)別、機(jī)器控制、預(yù)測(cè)估計(jì)等問(wèn)題，國(guó)內(nèi)外許多學(xué)者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用在溫度預(yù)測(cè)問(wèn)題上。MATIC等[7]通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)路面溫度，ZHOU等[8]使用粒子群算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)電纜接頭溫度，張旭東等[9]建立BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)納衛(wèi)星軌道溫度。

本文采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)三通管內(nèi)冷熱摻混流動(dòng)下的溫度場(chǎng)進(jìn)行

預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)是一種采用反向傳播算法的多層感知機(jī)網(wǎng)絡(luò)[10]，本質(zhì)上可看作一種函數(shù)逼近器，三通管內(nèi)冷熱摻混過(guò)程中的溫度場(chǎng)分布與進(jìn)口參數(shù)之間必然存在一種函數(shù)關(guān)系，直接對(duì)這種函數(shù)關(guān)系進(jìn)行理論分析難度巨大，而BP神經(jīng)網(wǎng)絡(luò)能夠根據(jù)輸入的進(jìn)口參數(shù)與目標(biāo)輸出溫度數(shù)據(jù)自行學(xué)習(xí)和存儲(chǔ)這種函數(shù)映射關(guān)系，無(wú)須預(yù)先確定具體的函數(shù)關(guān)系。搭建三通管內(nèi)冷熱摻混試驗(yàn)系統(tǒng)，測(cè)量得到在30 ℃溫差、不同進(jìn)口流量比條件下?lián)交於喂艿澜诿媪黧w溫度，并采用一種基于BP神經(jīng)網(wǎng)絡(luò)的三通管內(nèi)冷熱摻混近壁面溫度場(chǎng)預(yù)測(cè)方法，用試驗(yàn)得到的溫度場(chǎng)數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，從而預(yù)測(cè)三通管內(nèi)冷熱摻混近壁面溫度場(chǎng)分布情況。

1 試驗(yàn)過(guò)程

1.1 試驗(yàn)裝置和方法

試驗(yàn)系統(tǒng)（見圖1）采用水作為工質(zhì)，由2條流動(dòng)回路組成：一條為主管熱水流動(dòng)回路，另一條為支管冷水流動(dòng)回路。采用一體化電控箱設(shè)計(jì)，由計(jì)算機(jī)的控制系統(tǒng)控制加熱器、變頻泵開關(guān)和工作功率，加熱熱水箱內(nèi)的水，調(diào)節(jié)主管和支管的流量。流量計(jì)、溫度傳感器、壓力傳感器采集的數(shù)據(jù)都反饋到計(jì)算機(jī)中存儲(chǔ)。

1—自動(dòng)排氣閥； 2—蝶閥； 3—主試驗(yàn)管段； 4—止回閥； 5—支撐臺(tái)架； 6—壓力傳感器； 7—溫度傳感器； 8—電磁流量計(jì)； 9—球閥； 10—變頻泵； 11—過(guò)濾器； 12—熱水箱； 13—加熱盤管； 14—電加熱調(diào)功組； 15—計(jì)算機(jī)； 16—電控柜； 17—冷水箱

圖 1 試驗(yàn)系統(tǒng)

三通管結(jié)構(gòu)示意見圖2。

D為主管直徑，取220 mm；d為支管直徑，取98 mm；

主管與支管內(nèi)徑比為2.2。測(cè)溫?zé)犭娕疾贾迷谥鞴艿老掠尉嚯x支管軸線D/3、2D/3、D、1.5D的Ⅰ～Ⅳ 這4個(gè)截面上。每個(gè)截面上以與主管軸線夾角間隔30°均勻安裝有12個(gè)測(cè)溫?zé)犭娕迹?號(hào)熱電偶為支管冷水射入方向，-Z為重力方向，縱截面熱電偶布置見圖3。熱電偶鎧裝鞘焊接在管道鉆孔中并做好密封處理。

圖 2 三通管結(jié)構(gòu)示意

圖 3 縱截面熱電偶布置圖

首先用加熱器加熱主管回路和熱水箱中的水，使其與支管回路冷水溫差達(dá)到30 ℃；然后通過(guò)調(diào)節(jié)主管和支管回路中的變頻泵來(lái)調(diào)節(jié)主管與支管流量比，并調(diào)節(jié)加熱器功率使熱水回路溫度保持穩(wěn)定，記錄三通管內(nèi)冷熱水摻混整個(gè)過(guò)程中的管道近壁面溫度數(shù)據(jù)。

1.2 試驗(yàn)結(jié)果和討論

通過(guò)試驗(yàn)得到不同工況下冷熱摻混溫度場(chǎng)數(shù)據(jù)，見表1。在冷熱水溫差為30 ℃，主管與支管流量比為8/4，速度比為0.44的工況（工況5）下，截面Ⅰ～Ⅳ各有效測(cè)點(diǎn)的溫度數(shù)據(jù)見圖4。

表 1 不同工況下冷熱摻混溫度場(chǎng)數(shù)據(jù)

a） 截面Ⅰ

b） 截面Ⅱ

c） 截面Ⅲ

d） 截面Ⅳ

圖 4 工況5條件下截面Ⅰ～Ⅳ各有效測(cè)點(diǎn)的溫度

由圖4可知：在摻混過(guò)程中，管道下游各測(cè)溫截面上均表現(xiàn)出明顯的溫度振蕩，其中主管內(nèi)循環(huán)著熱水，當(dāng)支管內(nèi)冷水射入主管時(shí)，受冷水射流影響較大的測(cè)點(diǎn)主要為1～3號(hào)和10～12號(hào)，這些測(cè)點(diǎn)溫度發(fā)生明顯下降，測(cè)點(diǎn)位置主要集中在與支管對(duì)面的一側(cè)，說(shuō)明冷水流穿過(guò)主管中心，已經(jīng)影響到支管對(duì)面一側(cè)的管壁附近，而支管一側(cè)的7號(hào)測(cè)點(diǎn)受冷水射流影響較小，說(shuō)明冷水射流核心區(qū)已遠(yuǎn)離支管一側(cè)的近壁面，該處溫度波動(dòng)不明顯。在截面Ⅰ和Ⅱ上，4、5、8、9號(hào)測(cè)點(diǎn)發(fā)生較強(qiáng)的周期性溫度振蕩，說(shuō)明在支管一側(cè)靠近管道上、下內(nèi)壁面的位置，冷水射流破碎與主管熱流混合，發(fā)生冷熱水的傳質(zhì)；在截面Ⅲ和Ⅳ上，除支管一側(cè)，基本整個(gè)內(nèi)壁面測(cè)點(diǎn)都存在周期性的溫度振蕩，但振蕩的幅度相比上游位置有所降低。橫向來(lái)看，相同位置的測(cè)溫點(diǎn)在不同截面上溫度振蕩的幅度不同，波動(dòng)頻率不同也使管道橫向承受熱應(yīng)力，管壁縱向圓周和管壁橫向都存在溫度分布不均勻和溫度振蕩，引起管道的疲勞開裂。根據(jù)動(dòng)量比計(jì)算公式

MR=4DρmV2mπdρbV2b（MR為主管與支管動(dòng)量之比；ρm、ρb分別為主管和支管密度；Vm、Vb分別為主管和支管流速），在工況5條件下，計(jì)算動(dòng)量比為0.548。根據(jù)KAMIDE等[3]的研究成果，當(dāng)0.35

2 三通管內(nèi)冷熱摻混溫度場(chǎng)預(yù)測(cè)模型的訓(xùn)練和驗(yàn)證

2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法

BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層，見圖5。層內(nèi)神經(jīng)元之間互不相連，相鄰層間各神經(jīng)元之間全連接，并用權(quán)值大小反映層間神經(jīng)元之間的連接強(qiáng)度，其算法的核心思想是將輸入數(shù)據(jù)正向傳播，誤差反向反饋以修改網(wǎng)絡(luò)，不斷迭代直至網(wǎng)絡(luò)精度達(dá)到要求。選用單隱含層構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，隱含層使用Sigmoid函數(shù)作為傳遞函數(shù)。

圖 5 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

Sigmoid函數(shù)能識(shí)別高度非線性問(wèn)題，輸出層使用線性傳遞函數(shù)，分別為

f1（n）=11+e-n和f2（n）=n，n為傳遞函數(shù)的輸入。BP算法通過(guò)將輸入信號(hào)正向傳播，誤差反向傳播，采用最陡梯度下降規(guī)則進(jìn)行權(quán)值更新，使網(wǎng)絡(luò)實(shí)際輸出與期望輸出均方誤差最小，從數(shù)學(xué)角度闡釋其原理[11]如下。

（1）輸入信號(hào)為

p，BP神經(jīng)網(wǎng)絡(luò)共有M層，第m層權(quán)值、閾值、傳遞函數(shù)分別為

Wm、

bm、

fm，輸入信號(hào)在各層間正向傳播，

a為傳遞函數(shù)的輸出，前一層輸出

am又作為下一層的輸入，各層輸入與輸出關(guān)系為

a0=

p

（1）

am+1=

fm+1（

Wm+1

am+

bm+1），m=0，1，…，M-1

（2）

a=

aM

（3）

nm+1=

Wm+1

am+

bm+1

（4）

（2）計(jì)算

a與期望輸出

t的近似均方誤差

（x）作為BP算法的性能指標(biāo)。

（x）=（

t（k）-

a（k））T（

t（k）-

a（k））=

eT（k）

e（k）

（5）

式中：

e為期望輸出與實(shí)際輸出的誤差。

（3） 定義

sm為

對(duì)m層輸入的敏感性，敏感性反向傳播，所以

sm=

nm

（6）

對(duì)式（6）進(jìn)行矩陣推導(dǎo)，得

sM=-2

M（

nM）（

t-

a）

（7）

sm=

m（

nm）（

Wm+1）T

sm+1，m=M-1，…，2，1

（8）

（4） 采用最陡下降規(guī)則更新各層權(quán)值和閾值。

Wm（k+1）=

Wm（k）-α

sm（

am-1）T

（9）

bm（k+1）=

bm（k）-α

sm

（10）

式中：α為學(xué)習(xí)率。

（5） 迭代以上過(guò)程直到誤差滿足要求。

由于基本的BP算法存在收斂速度太慢和初始權(quán)值選取可能導(dǎo)致算法陷入局部極小點(diǎn)的問(wèn)題，因此采用附加動(dòng)量法和可變學(xué)習(xí)率法加強(qiáng)算法穩(wěn)定性，提高算法學(xué)習(xí)速度。

2.2 建立預(yù)測(cè)模型

三通管內(nèi)冷熱摻混過(guò)程中溫度場(chǎng)變化會(huì)受到流體溫度和流動(dòng)模式的影響，隨時(shí)間周期性波動(dòng)。王海軍等[5]用速度比界定三通混流的流動(dòng)模式，認(rèn)為速度比不變時(shí)三通混流的流動(dòng)模式也基本一致，但試驗(yàn)中并沒有考慮管徑變化對(duì)流動(dòng)模式是否有影響；韓方軍等[12]研究表明，不同管徑比會(huì)對(duì)流動(dòng)壓力和流速產(chǎn)生影響；KOK等[13]用質(zhì)量流量比界定流動(dòng)模式，但忽略了密度對(duì)流動(dòng)模式的影響；JUD等[14]研究2種密度比流體分層流動(dòng)特性，得知密度對(duì)混合界面的界面深度、表面斜率和表面波動(dòng)高度有影響。

采用動(dòng)量比界定三通摻混的流動(dòng)模式，綜合管徑、流體密度和速度比對(duì)流動(dòng)模式的影響，具有更好的泛化能力。截取每個(gè)工況從摻混開始50～350 s時(shí)間段內(nèi)的數(shù)據(jù)，此時(shí)摻混流動(dòng)已經(jīng)度過(guò)冷水剛射入主流時(shí)各測(cè)溫點(diǎn)溫度下降的階段，溫度的波動(dòng)狀態(tài)趨于穩(wěn)定。輸入層含有3個(gè)神經(jīng)元，分別對(duì)應(yīng)動(dòng)量比、冷熱水溫差、時(shí)間這3個(gè)輸入?yún)?shù)，根據(jù)Kolmogorov定理，當(dāng)輸入層神經(jīng)元為m個(gè)時(shí)，隱含層神經(jīng)元為2m+1個(gè)，足以逼近任意函數(shù)。選8個(gè)隱含層神經(jīng)元，以加快網(wǎng)絡(luò)訓(xùn)練過(guò)程中的收斂

速度。隱含層使用Sigmoid函數(shù)作為傳遞函數(shù)；輸出層神經(jīng)元數(shù)量為45個(gè)，對(duì)應(yīng)45個(gè)溫度測(cè)點(diǎn)的溫度值。為驗(yàn)證溫度場(chǎng)預(yù)測(cè)模型的預(yù)測(cè)效果，利用工況1、2、3、4、6的1 500組數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，工況5的300組數(shù)據(jù)進(jìn)行驗(yàn)證。

2.3 結(jié)果對(duì)比及驗(yàn)證

三通管內(nèi)冷熱摻混溫度場(chǎng)預(yù)測(cè)模型建立后，可輸入動(dòng)量比、溫差和時(shí)間參數(shù)，得到對(duì)應(yīng)的45個(gè)測(cè)點(diǎn)的溫度值，將工況5的參數(shù)輸入進(jìn)預(yù)測(cè)模型中，得到在動(dòng)量比為0.548、溫差為30 ℃條件下300 s內(nèi)的三通摻混溫度場(chǎng)預(yù)測(cè)數(shù)據(jù)，并用試驗(yàn)實(shí)測(cè)數(shù)據(jù)驗(yàn)證預(yù)測(cè)模型的可靠性。選取不同截面上周期性溫度振蕩較為明顯的不同位置（4、5、8、9號(hào)）測(cè)溫點(diǎn)的預(yù)測(cè)和實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比見圖6。

a） 截面Ⅰ

b） 截面Ⅱ

c） 截面Ⅲ

d） 截面Ⅳ

圖 6 預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比

由圖6可知，各截面上不同位置測(cè)溫點(diǎn)的預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)在溫度振蕩趨勢(shì)和波動(dòng)幅度方面均較吻合。截面Ⅰ、Ⅱ的5號(hào)和9號(hào)測(cè)溫點(diǎn)的預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)PSD對(duì)比見圖7。

PSD圖可以顯示在摻混過(guò)程中溫度振蕩的特征頻率，由此可知：預(yù)測(cè)結(jié)

果與實(shí)測(cè)數(shù)據(jù)的PSD基本吻合，且可看出各點(diǎn)預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)主頻率一致，均集中在0.02～0.05 Hz。由此可知，基于BP神經(jīng)網(wǎng)絡(luò)的溫度場(chǎng)預(yù)測(cè)模型能夠較好的對(duì)三通管內(nèi)冷熱摻混過(guò)程溫度場(chǎng)進(jìn)行預(yù)測(cè)。

a）截面Ⅰ

b）截面Ⅱ

圖 7 預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)PSD對(duì)比

3 結(jié)束語(yǔ)

通過(guò)搭建三通管內(nèi)冷熱摻混試驗(yàn)系統(tǒng)，測(cè)量不同進(jìn)口流量比摻混下?lián)交炝饔蚬艿澜诿鏈囟葦?shù)據(jù)，數(shù)據(jù)顯示三通內(nèi)冷熱摻混過(guò)程中存在明顯的周期性溫度振蕩。利用溫度場(chǎng)數(shù)據(jù)對(duì)基于BP神經(jīng)網(wǎng)

絡(luò)建立的三通冷熱摻混溫度場(chǎng)預(yù)測(cè)模型進(jìn)行訓(xùn)練，并用獨(dú)立的試驗(yàn)數(shù)據(jù)對(duì)該模型進(jìn)行驗(yàn)證。結(jié)果表明：對(duì)摻混過(guò)程中摻混流域溫度場(chǎng)特性（包括溫度振蕩趨勢(shì)和波動(dòng)幅度等）的預(yù)測(cè)，與試驗(yàn)數(shù)據(jù)吻合度較高，對(duì)溫度振蕩PSD的分析也得到同樣的結(jié)果?；贐P神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測(cè)模型的有效性得到驗(yàn)證，對(duì)進(jìn)一步研究管道熱波動(dòng)引起的管道熱應(yīng)力，以及進(jìn)行管道熱疲勞分析與壽命評(píng)估具有指導(dǎo)意義。

參考文獻(xiàn)：

[1]METZNER K J， WILKE U. European THERFAT project — thermal fatigue evaluation of piping system “Tee”-connections[J]. Nuclear Engineering and Design， 2005， 235（2-4）： 473-483. DOI： 10.1016/j.nucengdes.2004.08.041.

[2] MIYOSHI K， KAMAYA M， UTANOHARA Y， et al. An investigation of thermal stress characteristics by wall temperature measurements at a mixing tee[J]. Nuclear Engineering and Design， 2016， 298： 109-120. DOI： 10.1016/j.nucengdes.2015.12.004.

[3] KAMIDE H， IGARASHI M， KAWASHIMA S， et al. Study on mixing behavior in a tee piping and numerical analyses for evaluation of thermal striping[J]. Nuclear Engineering and Design， 2009， 239（1）： 58-67. DOI： 10.1016/j.nucengdes.2008.09.005.

[4] SELVAM K， KULENOVIC R， LAURIEN E， et al. Thermal mixing of flows in horizontal T-junctions with low branch velocities[J]. Nuclear Engineering and Design， 2017， 322： 32-54. DOI： 10.1016/j.nucengdes.2017.06.041.

[5] 王海軍， 陳聽寬， 羅毓珊， 等. T型三通管橫向射流流動(dòng)與傳熱實(shí)驗(yàn)研究[J]. 熱能動(dòng)力工程， 2002， 17（1）： 14-16. DOI： 10.3969/j.issn.1001-2060.2002.01.004.

[6] POPE S B. Turbulent flows[M]. Cambridge： Cambridge University Press， 2000.

[7] MATIC′ B， MATIC′ D， C′OSIC′ D， et al. A model for pavement temperature prediction at specified depth[J]. Metalurgija， 2013， 52（4）： 505-508.

[8] ZHOU H， WANG J， LIU K， et al. Temperature prediction study of cable joint conductor based on PSO algorithms of BP neural network[C]//Proceedings of 2015 IEEE International Magnetics Conference （INTERMAG）. Beijing： IEEE， 2015. DOI： 10.1109/INTMAG.2015.7157609.

[9] 張旭東， 李運(yùn)澤. 基于BP神經(jīng)網(wǎng)絡(luò)的納衛(wèi)星軌道溫度預(yù)測(cè)[J]. 北京航空航天大學(xué)學(xué)報(bào)， 2008， 34（12）： 1423-1427.

[10] SATISH K. 神經(jīng)網(wǎng)絡(luò)[M]. 北京： 清華大學(xué)出版社， 2006： 41-69.

[11] HAGAN M T， DEMUTH H B， BEALE M H. 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M]. 戴葵， 等譯. 北京： 機(jī)械工業(yè)出版社， 2002： 11-24.

[12] 韓方軍， 孫鑫， 張?jiān)? T型三通管內(nèi)部流場(chǎng)數(shù)值模擬與結(jié)構(gòu)優(yōu)化[J]. 新疆水利， 2010（4）： 1-3.

[13] KOK B， VAROL Y， AYHAN H， et al. Experimental and computational analysis of thermal mixing characteristics of a coaxial jet[J]. Experimental Thermal and Fluid Science， 2017， 82： 276-286. DOI： 10.1016/j.expthermflusci.2016.11.028.

[14] JUD E， CRUA A， BLUMER U R. Experimental investigation of stratified flow in horizontal pipework of nuclear reactors[J]. Nuclear Engineering and Design， 1995， 153（2-3）： 173-181. DOI： 10.1016/0029-5493（95）90009-8.