简介:研究微通道中的气体混合是了解气体在微尺度下相关行为的重要内容,并且对于涉及微尺度下化学反应如燃烧问题的探索具有重要意义。利用直接模拟蒙特卡罗法(directsimulationMonteCarlo,DSMC),采用变软球(variablesoftsphere,VSS)模型,数值模拟了高度为1μm的平行微通道中不同壁面调节系数和不同隔板厚度下C0、N2两种气体的混合过程。结果表明:增大壁面调节系数不仅可以缩短混合长度,还可以使混合过程向上游推进;隔板厚度的存在使得隔板末端附近出现很小的非平衡回流区域,并促进混合过程的进行;隔板厚度的增加对气体分子向另一组分上游的扩散影响较小但会缩短混合长度。
简介:实际工程表明,采用飞灰复燃技术对锅炉进行改造,可以减少飞灰所带走的燃料损失,提高锅炉效率,但飞灰回收复燃给壁面颗粒沉积状况也带来了影响.采用fluent模拟了szl15-1.25-aⅡ型双筒链条蒸汽锅炉炉内燃烧,对比分析了采用飞灰复燃技术前后炉内壁面颗粒沉积状况.模拟结果表明,飞灰复燃对锅炉顶墙、前墙及后墙的颗粒沉积速率影响较大,其中飞灰复燃提高了顶墙和前墙的颗粒沉积速率,降低了后墙颗粒沉积速率,而对锅炉前后拱的影响很小可以忽略.减小飞灰入射质量流量或调整飞灰入射角度为水平偏下,均可以降低颗粒在水冷壁的沉积速率,有利于炉膛与水冷壁间的传热.
简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:利用数值模拟的方法对冷气轴向通流旋转盘腔的流动过程进行了研究.研究发现,对应一进口冷气的雷诺数,存在一临界瑞利数(Rac),高于该瑞利数(Ra),流动出现不稳定现象,且Ra越大,不稳定行为越严重.对于特例,盘腔内的流动可以看成是由类Rayleigh-Benard对流和强迫对流两个区域构成,两个区域通过能量和质量交换相互影响,流动随着Ra的增加从稳态发展为非稳态;采用频谱图分析的方法对数值解的不稳定性进行定性分析,结果显示随着Ra的增大,数值解经历了从稳定解到分贫的周期性不稳定和准周期不稳定的发展过程.离心浮升力引起的类Rayleigh-Benard对流是造成流动从稳定到不稳定发展的重要原因,哥氏力的存在恶化了不稳定过程.