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: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。