填充床中颗粒热辐射的深度神经网络模型
软凝聚态物质
2020-06-24 v1 流体动力学
摘要
颗粒辐射热通量的预测是大型离散颗粒系统（如电厂卵石床和工业流化床）中的一项重要任务。对于颗粒运动与堆积，离散元方法 (DEM) 现被广泛接受为优秀的拉格朗日方法。对于热辐射，传统方法侧重于通过数值算法直接计算受阻视角因子。模拟的主要挑战在于该方法被证明耗时且无法应用于实际案例。本工作中，我们提出一个从颗粒堆积结构计算宏观有效导热系数的解析模型；随后，我们开发了深度神经网络 (DNN) 模型作为复杂视角因子函数的预测器。DNN 模型经大规模数据集训练，计算速度大幅提升且精度良好。利用 DNN 模型对大型卵石床辐射传热进行实时模拟是可行的。训练后的模型也可与 DEM 耦合，用于高效分析颗粒热辐射的方向性辐射导热系数、各向异性因子及壁面效应。
引用
@article{arxiv.2006.13142,
title = {A Deep Neural Network Model of Particle Thermal Radiation in Packed Bed},
author = {Hao Wu and Shuang Hao},
journal= {arXiv preprint arXiv:2006.13142},
year = {2020}
}