基于神經(jīng)網(wǎng)絡(luò)的旋風(fēng)分離器分離效率研究

胡江瑋，陸金桂

(南京工業(yè)大學(xué) 機械與動力工程學(xué)院，江蘇 南京 211816)

0 引言

旋風(fēng)分離器是一種普遍應(yīng)用于發(fā)電、機械、礦山等行業(yè)，具有結(jié)構(gòu)簡單、分離效率高、性能穩(wěn)定等優(yōu)點的設(shè)備[1]。

分離效率是旋風(fēng)分離器的主要工作性能，而旋風(fēng)分離器的結(jié)構(gòu)尺寸對分離效率有較大的影響。為了設(shè)計更高性能的旋風(fēng)分離器，現(xiàn)階段人們采用CFD的方式對旋風(fēng)分離器的結(jié)構(gòu)和性能進行了研究。Khairy等[2]研究了進氣口截面寬度對旋風(fēng)分離器的流場分布和分離性能的影響，孫勝等[3]研究了進氣口結(jié)構(gòu)與旋風(fēng)分離器分離效率之間的規(guī)律，多數(shù)學(xué)者研究了單一結(jié)構(gòu)對旋風(fēng)分離器分離效率的影響，在多個結(jié)構(gòu)參數(shù)變化的復(fù)雜情況下，李昌劍等[4]提出了基于響應(yīng)曲面法的旋風(fēng)分離器分離效率模型。本文應(yīng)用計算流體力學(xué)Fluent軟件對Stairmand HE型高效旋風(fēng)分離器進行兩相流數(shù)值模擬，以分離器的多個結(jié)構(gòu)參數(shù)為輸入，利用BP神經(jīng)網(wǎng)絡(luò)非線性擬合強的優(yōu)點，建立基于神經(jīng)網(wǎng)絡(luò)的旋風(fēng)分離器分離效率模型，旨在預(yù)測不同結(jié)構(gòu)參數(shù)下的旋風(fēng)分離器分離效率。

1 仿真計算

1.1 計算模型

旋風(fēng)分離器的結(jié)構(gòu)看似簡單，但內(nèi)部卻存在復(fù)雜的三維湍流運動，需要對模型進行一定的簡化。進行數(shù)值模擬計算時先把空氣當(dāng)做是連續(xù)相，顆粒視為離散相，計算的步驟是先對連續(xù)相的流場進行求解，接著再添加離散相，依據(jù)離散相顆粒受力方程獲得顆粒的運動軌跡。

連續(xù)相采用RNG模型計算。其湍動能和耗散率方程[5]為：

(1)

(2)

其中：

μeff=μ+μt

(3)

(4)

式中：Gk為由平均速度梯度引起的湍動能；Gb為由浮力影響引起的湍動能；YM為可壓縮湍流脈動膨脹對總耗散率的影響，αε、αk分別為湍動能和耗散率的有效普朗特數(shù)的倒數(shù)。

在Fluent中，針對顆粒體積分數(shù)<10%的氣-固兩相流的模擬通常使用離散相模型(DPM)進行計算，用隨機軌道模型對顆粒運動進行追蹤，在拉格朗日坐標系下，顆粒軌跡求解微分方程為：

(5)

其中：

(6)

(7)

(8)

式中：u為流體相速度，m/s；μp為顆粒速度，m/s；μ為流體動力黏度，Pa·s ；ρ為流體密度，kg/m3；ρp為顆粒密度，kg/m3；dp為顆粒直徑，mm；Re為相對雷諾數(shù)；CD為曳力系數(shù)；gx為X方向重力加速度，m/s2；Fx為X方向的其他作用力，N。

1.2 旋風(fēng)分離器模型

本文以Stairmand HE型高效旋風(fēng)分離器為對象，建立三維實體模型，進行數(shù)值模擬計算。旋風(fēng)分離器的結(jié)構(gòu)模型如圖1 所示，表1為旋風(fēng)分離器初始結(jié)構(gòu)參數(shù)。

圖1 旋風(fēng)分離器結(jié)構(gòu)模型

表1 旋風(fēng)分離器的幾何尺寸 mm

1.3 邊界設(shè)定

旋風(fēng)分離器模型入口速度設(shè)置為16 m/s；升氣管出口設(shè)置為自由流出(outflow)，流量為1；排塵口設(shè)置為自由流出(outflow)，流量為0；湍流強度設(shè)置為10%；流體介質(zhì)設(shè)置為空氣，密度為1.094 kg/m3，黏度為1.789×10-5Pa·s；固體顆粒密度為2 100 kg/m3，質(zhì)量流量為0.001 kg/m3；選擇PRESTO法對壓力梯度進行處理，采用二階精度QUICK差分格式，壓力耦合選擇SIMPLE算法處理[6]。

1.4 分離效率

對于分離效率的計算采用顆粒跟蹤法。當(dāng)顆粒射入分離器時便開始跟蹤，經(jīng)過分析粒子在分離器內(nèi)的運動情況，將碰到排塵口的顆?？醋魇潜徊都⒊舻念w粒；碰到升氣管上端面的顆粒被認為是逃逸的顆粒。這樣總分離效率由式(9)所得：

(9)

2 數(shù)值仿真計算結(jié)果

通過數(shù)值模擬得到了流場和粒子軌跡的計算結(jié)果。Y=0剖面上的切向速度云圖如圖2 所示。切向速度在軸心處接近于0。Z=791截面上的速度矢量圖如圖3 所示。從圖3中可以看出，在旋風(fēng)分離器內(nèi)部氣流大致可分為2 個區(qū)域，即外旋轉(zhuǎn)氣流和內(nèi)旋轉(zhuǎn)氣流。

圖2 Y=0剖面上的切向速度分布

圖3 Z=791圓柱和圓錐交界面上的速度矢量

旋風(fēng)分離器內(nèi)1～100μm粒子的運動軌跡圖如圖4 所示。顆粒在旋風(fēng)分離器中的運動狀況非常復(fù)雜，且?guī)в泻艽蟮碾S機性，其運動軌跡隨著顆粒粒徑的不同而有較大變化。

圖4 粒子運動軌跡

Y=0剖面上壓力分布云圖如圖5所示。從圖中可以看出，剖面上壓力由軸心向壁面方向不斷增大，存在明顯的徑向梯度，這是由旋流中離心力造成的。

圖5 Y=0剖面上壓力分布

3 分離效率的神經(jīng)網(wǎng)絡(luò)預(yù)測

BP神經(jīng)網(wǎng)絡(luò)是一種包括輸入層、隱含層及輸出層的三層神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)上下層之間實現(xiàn)權(quán)連接，而每層節(jié)點之間沒有連接，輸入?yún)?shù)正向傳播，誤差逆向傳播。BP神經(jīng)網(wǎng)絡(luò)是一個具有高度非線性的信息處理系統(tǒng)，能對旋風(fēng)分離器的結(jié)構(gòu)參數(shù)和分離效率之間的非線性關(guān)系進行學(xué)習(xí)。通過學(xué)習(xí)樣本輸入和輸出值，設(shè)計網(wǎng)絡(luò)的隱含層與每層的結(jié)點，并設(shè)定學(xué)習(xí)速率和允許誤差，然后進行訓(xùn)練[7]。BP神經(jīng)網(wǎng)絡(luò)的容錯能力能容納計算分離效率過程中的不確定因素，并對結(jié)構(gòu)參數(shù)和分離效率之間的非線性關(guān)系建模，其泛化能力能夠預(yù)測旋風(fēng)分離器在其他參數(shù)水平下的分離性能。

3.1 旋風(fēng)分離器設(shè)計參數(shù)的選取

為了建立神經(jīng)網(wǎng)絡(luò)分離效率模型，參考一定的文獻，選取了對旋風(fēng)分離器分離效率影響較大的3個結(jié)構(gòu)：排塵口直徑Dd、直筒段高度Hc、升氣管直徑Dx，把與分離器筒體截面直徑D的比值即Dx/D、Dd/D、Hc/D作為神經(jīng)網(wǎng)絡(luò)輸入層[8]。表2為3個結(jié)構(gòu)參數(shù)的取值范圍。

表2 主要設(shè)計參數(shù)的取值范圍

把設(shè)計參數(shù)的最小值、中間值、最大值定為三水平，建立以Dx/D、Dd/D、Hc/D為輸入，以分離效率Z為因變量的17個實驗樣本組，其中前12組為BP神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)訓(xùn)練組, 后5組為模型驗證組對建立的神經(jīng)網(wǎng)絡(luò)模型進行驗證。表3列出了1-12組的樣本參數(shù)。

表3 神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)訓(xùn)練樣本

3.2 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定

神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點數(shù)在神經(jīng)網(wǎng)絡(luò)中有著重要的地位，節(jié)點的數(shù)目影響著神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練精度，節(jié)點數(shù)目太少會使神經(jīng)網(wǎng)絡(luò)的容錯能力變差，而節(jié)點數(shù)太多會延長網(wǎng)絡(luò)的學(xué)習(xí)時間從而會導(dǎo)致誤差變多。本文隱含層節(jié)點數(shù)目計算方法：

N=2n+1

(10)

式中，N為隱含層節(jié)點個數(shù)，n為輸入層節(jié)點個數(shù)。因為本文的輸入層的因素個數(shù)為3，所以隱含層節(jié)點個數(shù)經(jīng)計算定為7。同時學(xué)習(xí)速率也會對神經(jīng)網(wǎng)絡(luò)產(chǎn)生重要的影響，學(xué)習(xí)率太小，神經(jīng)網(wǎng)絡(luò)能夠收斂，但是速度太慢耗費時間；而學(xué)習(xí)率太大，學(xué)習(xí)速度就會變得很快，有可能導(dǎo)致振蕩或發(fā)散。此處設(shè)置學(xué)習(xí)率為0.1。神經(jīng)網(wǎng)絡(luò)的誤差設(shè)置根據(jù)訓(xùn)練和研究的問題所決定，此處設(shè)置誤差率為0.001。

3.3 建立神經(jīng)網(wǎng)絡(luò)模型

確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，學(xué)習(xí)速率等設(shè)置參數(shù)，樣本數(shù)據(jù)進行歸一化處理后，對樣本進行學(xué)習(xí)訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

3.4 預(yù)測結(jié)果分析與比較

使用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)來對后5組數(shù)據(jù)完成分離效率預(yù)測，預(yù)測值見表4。進行分析后，得到BP神經(jīng)網(wǎng)絡(luò)預(yù)測的相對誤差均<5%, 結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)在預(yù)測旋風(fēng)分離器分離效率還是相當(dāng)可靠的。

表4 模型預(yù)測結(jié)果與實驗值比較

4 結(jié)語

1) 通過FLUENT對旋風(fēng)分離器進行兩相流數(shù)值模擬，建立基于神經(jīng)網(wǎng)絡(luò)的旋風(fēng)分離器分離效率模型。用5組數(shù)據(jù)驗證神經(jīng)網(wǎng)絡(luò)分離效率模型，預(yù)測誤差<5%，模型的預(yù)測值與模擬結(jié)果吻合較好，表明建立的神經(jīng)網(wǎng)絡(luò)模型是可行的，為旋風(fēng)分離器的分離性能計算提供了新方法。

2) BP神經(jīng)網(wǎng)絡(luò)模型具有結(jié)構(gòu)簡單，預(yù)測精度高的優(yōu)點，可以快速地預(yù)測旋風(fēng)分離器的分離效率，為旋風(fēng)分離器的性能優(yōu)化設(shè)計提供了參考依據(jù)。