文档介绍：中国工程热物理学会传热传质学
学术会议论文编号:123466
基于蚁群算法的半透明介质物性参数反演
张彪齐宏马二瑞阮立明
(哈尔滨工业大学能源科学与工程学院,哈尔滨 150001)
(Tel:0451-86412638,Email:******@hit.)
摘要:本文建立了一维导热辐射耦合换热的有限体积法模型,并将模型的计算结果与文献中的解析解作对比,验证了模型的正确性。分析了半透明介质的物性参数变化对表面辐射热流影响的灵敏度,将边界温度和表面辐射热流作为测量值设定了反演目标函数,建立了基于蚁群算法的反演模型,并同时反演了介质导热系数、吸收系数和散射系数。分析了影响蚁群算法反演过程的蚁群总数、区间份数、搜索范围、信息启发因子、期望启发因子、信息素的挥发系数对反演结果的影响,为基于蚁群算法的导热辐射耦合换热的物性参数反演提供一些经验参数。基金项目:国家自然科学基金()
关键词:蚁群算法;导热辐射耦合换热;传热反问题;有限体积法
0 前言
工程中辐射换热通常与其它传热方式相耦合,导热与辐射耦合换热在塑料工业、玻璃工业、生物传热等领域有广泛应用,特别在高温弱对流环境下的半透明介质中有重要意义,如:航空发动机的隔热防护[1]、飞行器光学窗口的热分析[2]等。近几十年来,许多学者对于参与性介质内的辐射与导热耦合换热过程进行研究[3-4]。
对于反问题的研究,目前所采用的比较多的方法有:蚁群算法、神经网络算法、遗传算法、模拟退火算法、共扼梯度法、变尺度法以及贝叶斯方法等[5]。反演介质参数,包括:介质物性、介质温度分布或辐射源项等。很多学者通过测量介质外部边界处的方向辐射强度或辐射热流来反演介质的辐射源项、吸收系数、散射系数、反照率、相函数和光学厚度等[6]。
蚁群算法(ACA)是基于生物界群体启发行为的一种随机搜索寻优方法,它具有正反馈性和协同性,可用于并行计算,在解决组合优化问题上具有良好的适应性[7]。它由意大利学者Dorigo于1991年[8]首次提出,最初被用于求解旅行商问题,此后蚁群算法被成功地应用于求解一系列复杂的组合优化问题,由于蚁群算法性能优异,至今仍然是人们研究的热点。
本文建立了导热辐射耦合换热的正问题模型,分析了物性参数对测量值的灵敏度,最后根据边界温度和边界净辐射热流密度,同时反演了导热系数、吸收系数和散射系数三个物性参数。
1 正问题模型
采用FVM作为稳态导热-辐射耦合换热正问题的计算模型,该方法计算速度快且计算较精确。对于一维导热-辐射耦合换热,我们首先求解不含辐射源项的能量方程,计算出温度场的分布,再来求解辐射传输方程,计算得到辐射源项,将其代入能量方程中再次计算出温度,如此反复直至收敛。
在离散能量微分方程后,方程两边对控制体进行积分,用阶梯格式将表面温度和控制体温度关联起来,代入边界条件,形成封闭的线性方程组,其形式如下:
(1)
其中:
(1-1)
(1-2)
(1-3)
(1-4)
式中:表示J控制体中心到j面的距离。
通过求解线性方程组,计算出计算域内的温度场分布,并将温度场大小代入到辐射传递方程中去。
先对模型的空间和方向分别进行离散,辐射传输方程两边同时对立体角和控制体积分,再用阶梯格式将下游表面的辐射强度用上游控制体中心的辐射强度来代