摘要详情

ID / 提交时间

45 / 2024-06-06 14:37:41

标题

Temperature Flied Rapid Estimation of Space Nuclear Thermionic Reactor Based on Reduced-Order Model

关键字

Space Nuclear Thermionic Reactor, Reduced-order model(ROM) , Proper orthogonal decomposition (POD), Temperature field, Rapid estimation

主题及专题

TRACK 5: NUCLEAR ENGINEERING

状态

摘要录用

作者

Shuo Liu / Xi'an Jiaotong University

Chenglong Wang / Xi'an Jiaotong University

Suizheng Qiu / Xi'an Jiaotong University

Wenxi Tian / Xi'an Jiaotong University

Guanghui Su / Xi'an Jiaotong University

摘要

大功率空间和星表能源技术是一个国家空间科学技术综合实力的体现。空间核反应堆电源的能量来自反应堆内裂变反应释放的核能。与化学电源相比，核电源具有更长的使用寿命和更高的功率。计算流体动力学（CFD）软件在反应器的热液分析中具有广泛的应用，但在热离子反应器中缺乏研究。CFD 细化计算既昂贵又耗时。CFD软件只执行一次计算，只能获得特定边界下的结果。对于类似的边界条件，一旦边界条件发生更改，就需要重新计算。为了克服CFD需要消耗大量计算资源和时间来获取流场信息的缺点，该文采用非侵入性ROM方法实现对空间热离子离子反应器温度场的快速预测。ROM 是一类低阶模型，它通过从现有样本数据中提取特征模态来预测未知数据。POD 是构建降阶模型的常用方法。非嵌入式方法不依赖于控制方程，而是基于数据驱动、机器学习或深度学习来拟合输入和输出之间的非线性关系。本文通过设置能量源项，实现了空间热离子反应器在不同功率下运行。在55%至100%功率范围内，随机生成300组不同功率值，基于建立的数值模型对300组工况下的温度场进行计算，得到数据快照矩阵。本文采用Fluent获取热离子反应器温度场的数据快照样本，通过POD获取降阶基数和系数样本，同时利用BP神经网络实现温度场ROM的构建。结果表明，本文构建的降阶模型能够快速准确地预测热离子反应器温度场，最大误差为0.2 K。因此，本研究的方法为实时监测在轨热离子反应堆运行提供了基础。ROM大幅缩短了计算时间，实现了快速预测。对于本文建立的数值模型，计算速度可以提高约4800倍。