1. На главную
  2. Электронные версии
  3. Теплоэнергетика
  4. № 11, 2023

Теплоэнергетика, 2023, № 11, стр. 42-53

Диагностика переходных режимов теплообмена при кипении в большом объеме на основе вейвлет-преобразования температурных флуктуаций

Ю. Е. Литвинцова a, b, *, Д. М. Кузьменков a, К. Ю. Мурадян a, М. И. Делов a, К. В. Куценко a

a Национальный исследовательский ядерный университет “Московский инженерно-физический институт”
115409 Москва, Каширское шоссе, д. 31, Россия

b Национальный исследовательский центр “Курчатовский институт”
123182 Москва, пл. Академика Курчатова, д. 1, Россия

* E-mail: ylitvintsova@mail.ru

Поступила в редакцию 16.02.2023
После доработки 24.04.2023
Принята к публикации 01.06.2023

Аннотация

Целью данной работы является разработка метода диагностики переходных режимов теплоотдачи от конвективного режима кипения к пузырьковому и от пузырькового к пленочному кипению на основе анализа флуктуаций температуры теплоотдающей поверхности с помощью дискретного вейвлет-преобразования, которое обладает рядом преимуществ по сравнению с преобразованием Фурье, традиционно используемым для получения амплитудно-частотных характеристик флуктуаций температуры и диагностирования смены режима теплоотдачи. Разработанный метод был протестирован на экспериментальных данных по теплоотдаче для конвективного режима, пузырькового и пленочного кипения воды и жидкого азота в большом объеме при атмосферном давлении. Показано, что при конвективном режиме теплоотдачи энергия коэффициентов вейвлет-разложения колебаний температуры теплоотдающей поверхности преимущественно локализована в области относительно низких частот. При достижении режима пузырькового кипения распределение энергии коэффициентов по уровням разложения становится более равномерным, отмечается появление высоких частот. Формы распределений энергии коэффициентов разложения колебаний температуры для конвективного режима теплоотдачи и пленочного кипения схожи, однако полная энергия коэффициентов разложения при пленочном кипении больше на порядок. Исходя из полученных результатов сформулированы новые критерии смены режима теплоотдачи, основанные на определении полной энергии коэффициентов разложения колебаний температуры и энтропии Шеннона распределения энергии коэффициентов по уровням разложения. Результаты работы могут быть полезны при создании надежной автоматизированной системы диагностики теплоотдачи, в том числе в режиме реального времени.

Ключевые слова: флуктуации температуры, пузырьковое кипение, пленочное кипение, кризис кипения, диагностика, вейвлет-преобразование, конвективный режим, коэффициенты разложения

Список литературы

  1. Gaertner R.F. Photographic study of nucleate pool doiling on a horizontal surface // J. Heat Transfer. 1965. V. 87. No. 1. P. 17–27. https://doi.org/10.1115/1.3689038

  2. An investigation of microlayer beneath nucleation bubble by laser interferometric method / M. Gao, L. Zhang, P. Cheng, X. Quan // Int. J. Heat Mass Transfer. 2013. V. 57. No. 1. P. 183–189. https://doi.org/10.1115/1.3689038 10.1016/j.ijheatmasstransfer.2012.10.017

  3. Nucleation and bubble evolution in subcooled liquid under pulse heating / A. Surtaev, V. Serdyukov, I. Malakhov, A. Safarov // Int. J. Heat Mass Transfer. 2021. V. 169. P. 120911. https://doi.org/10.1016/j.ijheatmasstransfer.2021.120911

  4. Zhang X., Wu X. Time and frequency characteristics of pressure fluctuations during subcooled nucleate flow boiling // Heat Transfer Eng. 2018. V. 39. No. 7–8. P. 642–653. https://doi.org/10.1080/01457632.2017.1325670

  5. Tutu N.K. Pressure fluctuations and flow pattern recognition in vertical two phase gas-liquid flows // Int. J. Multiphase Flow. 1982. V. 8. No. 4. P. 443–447. https://doi.org/10.1016/0301-9322(82)90053-2

  6. Дорофеев Б.М. Звуковые явления при кипении // ТВТ. 1985. Т. 23. Вып. 3. С. 586–598.

  7. Experimental study of sound emission in subcooled pool boiling on a small heating surface / J. Tang, G. Xie, J. Bao, Z. Mo, H. Liu, M. Du // Chem. Eng. Sci. 2018. V. 188. P. 179–191. https://doi.org/10.1016/j.ces.2018.05.002

  8. Boiling incipience of subcooled water flowing in a narrow tube using wavelet analysis / M. Shibahara, K. Fukuda, Q.S. Liu, K. Hata, S. Masuzaki // Appl. Therm. Eng. 2018. V. 132. P. 595–604. https://doi.org/10.1016/j.applthermaleng.2017.12.110

  9. Identifying bubble occurrence during pool boiling employing acoustic emission technique / T. Alhashan, A. Addali, J.A. Teixeira, S. Elhashan // Appl. Acoustics. 2018. V. 132. P. 191–201. https://doi.org/10.1016/j.apacoust.2017.11.006

  10. Seo S.B., Bang I.C. Acoustic analysis on the dynamic motion of vapor-liquid interface for the identification of boiling regime and critical heat flux // Int. J. Heat Mass Transfer. 2019. V. 131. P. 1138–1146. https://doi.org/10.1016/j.ijheatmasstransfer.2018.11.136

  11. Ueki Y., Ara K. Proof of concept of acoustic detection of boiling inception and state transition using deep neural network // Int. Commun. Heat Mass Transfer. 2021. V. 129. P. 105675. https://doi.org/10.1016/j.icheatmasstransfer.2021.105675

  12. Использование нейронных сетей в теплофизических задачах атомной энергетики (обзор) / А.Р. Забиров, А.А. Смирнова, Ю.М. Феофилактова, Р.А. Шевченко, С.А. Шевченко, Д.А. Яшников, С.Л. Соловьев // Теплоэнергетика. 2020. № 8. С. 5–20. https://doi.org/10.1134/S004036362008010X

  13. Частотный анализ флуктуаций температуры нагревателя и звуковых шумов при кипении жидкости для диагностики смены режимов теплообмена / В.И. Деев, К.В. Куценко, А.А. Лаврухин, Ю.А. Маслов, М.И. Делов // Теплоэнергетика. 2014. № 8. С. 52–56. https://doi.org/10.1134/S0040363614080037

  14. Статистический анализ температурных флуктуаций как метод диагностики режимов теплообмена при кипении / В.И. Деев, Зар Ни Аунг, К.В. Куценко, А.А. Лаврухин, В.Н. Федосеев // Тепловые процессы в технике. 2013. № 4. С. 163–169.

  15. Низкочастотные пульсации с 1/f α-спектром мощности в переходных режимах кипения воды на проволочном нагревателе / В.Н. Скоков, В.П. Коверда, А.В. Виноградов, А.В. Решетников // ТВТ. 2010. Т. 48. № 5. С. 741–748. https://doi.org/10.1134/S0018151X10050123

  16. 1/f noise and self-organized criticality in crisis regimes of heat and mass transfer / V.N. Skokov, V.P. Koverda, A.V. Reshetnikov, V.P. Skripov, N.A. Mazheiko, A.V. Vinogradov // Int. J. Heat Mass Transfer. 2003. V. 46. No. 10. P. 1879–1883. https://doi.org/10.1016/S0017-9310(02)00475-1

  17. Koverda V.P., Skokov V.N. Determination of preferential exponent α in random processes with a 1/f α-power spectrum // Phys. A (Amsterdam, Neth.). 2018. V. 511. P. 263–271. https://doi.org/10.1016/j.physa.2018.07.046

  18. Analyzing temperature fluctuations to predict boiling regime / B.V. Balakin, M.I. Delov, K.V. Kutsenko, A.A. Lavrukhin, S. Laouar, Yu.E. Litvintsova, A.S. Marchenko, Yu.A. Maslov // Therm. Sci. Eng. Prog. 2017. V. 4. P. 219–222. https://doi.org/10.1016/j.tsep.2017.10.015

  19. Diagnostics of transient heat transfer regimes based on statistical and frequency analysis of temperature fluctuations / M.I. Delov, Yu.E. Litvintsova, D.M. Kuzmenkov, S. Laouar, Yu.A. Maslov, A.A. Lavrukhin, B.V. Balakin, K.V. Kutsenko // Exp. Heat Transfer. 2020. V. 33. No. 5. P. 471–486. https://doi.org/10.1080/08916152.2019.1662517

  20. Diagnostics of coolant boiling onset based on the analysis of fluctuations of thermohydraulic parameters / Yu.E. Litvintsova, S. Laouar, M.I. Delov, D.M. Kuzmenkov, A.A. Lavrukhin, K.V. Kutsenko // J. Phys.: Conf. Ser. 2020. V. 1689. No. 1. P. 012042. https://doi.org/10.1088/1742-6596/1689/1/012042

  21. Zhang P., Murakami M. On the wavelet analysis of the oscillatory phenomena in He II film boiling // Cryogenics. 2003. V. 43. No. 12. P. 679–685. https://doi.org/10.1016/S0011-2275(03)00181-4

  22. Mallat S.G. A theory for multiresolution signal decomposition: the wavelet representation // IEEE Trans. Pattern Analysis and Machine Intelligence. 1989. V. 11. No. 7. P. 674–693. https://doi.org/10.1109/34.192463

  23. Shensa M.J. The discrete wavelet transform: wedding the a trous and Mallat algorithms // IEEE Trans. Signal Process. 1992. V. 40. No. 10. P. 2464–2482. https://doi.org/10.1109/78.157290

  24. Егорова Е.В., Аксяитов М.Х., Рыбаков А.Н. Методы повышения эффективности вейвлет-преобразований при обработке, сжатии и восстановлении радиотехнических сигналов. Тамбов: ООО “Консалтинговая компания Юком”, 2019. https://doi.org/10.17117/mon.2019.02.01

  25. Методика выбора оптимального материнского вейвлета на основе критериев энергии и энтропии / С.В. Сычёв, Ю.А. Фадин, А.Д. Бреки, А.Е. Гвоздев, Д.А. Провоторов // Изв. Тульск. гос. ун-та. Технические науки. 2017. № 7. С. 33–41.

  26. Mallat S. A wavelet tour of signal processing. 3rd ed. Academic Press, 2009. https://doi.org/10.1016/B978-0-12-374370-1.00011-2

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Теплоэнергетика

Архивы выпусков Информация о журнале Отправить рукопись в журнал