CN116467817A - 一种基于上进风燃烧器的风道设计方法 - Google Patents
一种基于上进风燃烧器的风道设计方法 Download PDFInfo
- Publication number
- CN116467817A CN116467817A CN202310642744.2A CN202310642744A CN116467817A CN 116467817 A CN116467817 A CN 116467817A CN 202310642744 A CN202310642744 A CN 202310642744A CN 116467817 A CN116467817 A CN 116467817A
- Authority
- CN
- China
- Prior art keywords
- air
- air duct
- air inlet
- flow
- burner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000002485 combustion reaction Methods 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims description 46
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 18
- 238000005192 partition Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 13
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000007787 long-term memory Effects 0.000 claims description 8
- 230000006403 short-term memory Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 239000003345 natural gas Substances 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23D—BURNERS
- F23D14/00—Burners for combustion of a gas, e.g. of a gas stored under pressure as a liquid
- F23D14/46—Details, e.g. noise reduction means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Algebra (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Fluid Mechanics (AREA)
- Computational Mathematics (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明提供了基于上进风燃烧器的风道设计方法,包括获取上进风燃烧器的内环进气腔的第一腔体数据和外环进气腔的第二腔体数据,以及上进风进风口的风口位置;获取上进风燃烧器的燃烧参数,确定风流量区间;获取上进风燃烧器不同部件的几何尺寸,确定风道尺寸和容积;根据第一腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第一约束条件,构建基于内环进气腔的内环进气风道的内环风道立体模型;根据第二腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第二约束条件,构建基于外环进气腔的外环进气风道的外环风道立体模型;根据内环风道立体模型和外环风道立体模型,构建上进风燃烧器风道和风流量的函数关系,确定基于目标风流量的上进风燃烧器风道。
Description
技术领域
本发明涉及燃烧器技术领域,特别涉及一种基于上进风燃烧器的风道设计方法。
背景技术
燃烧器在广义的概念中,家用的热水器、煤气灶,乃至打火机等都可以认为是燃烧器的一种。
按其工作原理,可以将燃烧器定义为是一种将物质通过燃烧这一化学反应方式转化热能的一种设备—即将空气与燃料通过预混装置按适当比例混兑以使其充分燃烧。
燃烧器是一种将燃料和空气,按所要求的浓度、速度、湍流度和混合方式喷出,并使燃料能持续燃烧的热能装置。
上进风燃烧器是较为常见的燃烧器,其在燃烧器的上方补充空气。但是,现有的燃烧器在进行风道设计的时候,只会根据燃烧器整体的的可利用面积,设计燃烧器的风道,不考虑风道内部的角度,进出气效率,这样极大的影响了燃烧效率;
另外,针对具有内环进气腔和外环进气腔这种具有两个进气腔的上进风燃烧器,风道设计上,在只是基于可利用面积的设计方案上,如果两个风道不能实现互补,就会导致燃烧的时候,可能因为空气量不足,不能实现最大效率的燃烧,浪费天然气。
发明内容
本发明提供一种基于上进风燃烧器的风道设计方法,用以解决上述背景技术中的情况。
本发明提出了一种基于上进风燃烧器的风道设计方法,包括:
获取上进风燃烧器的内环进气腔的第一腔体数据和外环进气腔的第二腔体数据,以及上进风进风口的风口位置;
获取上进风燃烧器的燃烧参数,确定风流量区间;
获取上进风燃烧器不同部件的几何尺寸,确定风道尺寸和容积;
根据第一腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第一约束条件,构建基于内环进气腔的内环进气风道的内环风道立体模型;
根据第二腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第二约束条件,构建基于外环进气腔的外环进气风道的外环风道立体模型;
根据内环风道立体模型和外环风道立体模型,构建上进风燃烧器风道和风流量的函数关系,根据函数关系判断风流量是否符合风流量区间,并在符合后,生成基于燃烧参数的上进风燃烧器风道设计参数。
优选的,所述方法还包括:
将上进风燃烧器风道由上至下划分为进风层、风道层和风腔层,依照划分结果绘制上进风燃烧器风道的流体仿真模型网格;
确定流体仿真模型网格的模型系数;
依据模型系数和风流量区间,设计上进风燃烧器风道的正交仿真实验,建立正交仿真实验表;
根据正交仿真实验表,判断上进风燃烧器风道是否达到预设风流量要求。
优选的,所述设置第一约束条件包括:
根据第一腔体数据,确定的上进风燃烧器风道的风流量内流入位置和内需求区间,生成风流量的流量约束;
根据风口位置,确定上进风燃烧器风道的最大风进入量和最小风进入量,生成风流量的流入约束;
根据风流量区间,确定上进风燃烧器需求风道横截面积,生成风流量的导通约束;
根据风道尺寸、容积和导通约束,确定上进风燃烧器风道的导流长度区间,生成导流长度约束。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型包括:
根据第一约束条件,将上进风燃烧器风道进行导流分区,确定每个分区区域导流板的位置;
根据导流板的位置,确定分区气压,生成风道气压分布图谱;
根据气压分布图谱,计算每个导流分区的流量区间,并设置导流板;
构建上进风燃烧器风道在存在导流板时的风量调节函数,确定每个导流板的导流角度;
根据导流角度,生成内环风道立体模型。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
根据第一约束条件,绘制多条基于不同导流量的风道中心轨迹线条;
依次确定每条风道中心轨迹线对应的多个法向量截面;
根据法向量界面,确定内环风道的风道横截面曲线;
根据风道风界面曲线,生成内环风道集合;
计算每个内环风道集合的导流量函数,确定最优导流量的内环风道,并构建对应的内环风道立体模型。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
确定内环风道相对于风口位置和内环进气腔的优势坐标位置;
确定内环风道位于上进风燃烧器的立体投影方位;
确定内环风道中各个风道平面节点的平面位置参数;
优化内环风道中各个风道平面的平面位置参数和风道设计参数;
确定内环风道立体模型的仿真参数。
优选的,所述构建上进风燃烧器风道和风流量的函数关系包括:
基于选定风道和风流量,通过获取风道空气流量中的导流关系,确定与风流量相关联的若干风道参数;
根据若干风道参数,构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络;
根据导流关联识别算法遍历风道导流关系森林网络,在遍历过程中确定上进风燃烧器风道和风流量的影响系数;
通过影响系数,确定上进风燃烧器风道和风流量的函数关系。
优选的,所述构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络,包括如下步骤:
根据卷积神经网络算法、长短期记忆神经网络算法、卷积长短期记忆神经网络算法对若干风道参数对上进风燃烧器风道导流性能属性进行特征提取,使用随机森林网络算法对导流性能进行分类,确定不同风道参数的导流特征,生成导流关联的深度神经网络;
建立随机森林神经网络预测模型,采用含有多个决策树的随机森林神经网络预测模型对导流关联的风道参数进行分类预测;
搭建仿真环境和分类预测模型,进行内环进气腔和外环进气腔为终止流量节点的仿真导流预测;
根据仿真导流预测,确定风道导流关系森林网络。
优选的,所述方法还包括:
获取上进风燃烧器的风道数据以及外环进气腔和内环进气腔的风流量数据;
根据风道数据和风流量数据,输出上进风燃烧器运行的实时示功图;
根据实时示功图,得到上进风燃烧器不同状态下的实时运行效率;
根据实时运行效率,判断上进风燃烧器的风道设计是否达标。
优选的,所述实时示功图包括:
根据风道数据,并作为X轴坐标数据;
获取风道的风流量数据,作为Y轴的坐标数据;
获取上进风燃烧器的燃烧效率,作为Z轴的坐标数据;
根据X轴坐标数据、Y轴的坐标数据和Z轴的坐标数据,输出上进风燃烧器运行的实时示功图。
上述技术方案的有益效果在于:
本发明在设计风道上,可以基于风流量区间进行设计,确定最适合燃烧器的风道;
本发明会根据上进风燃烧器不同部件的几何尺寸,确定风道的尺寸和容积,能够防止风道设计超出燃烧器规格;
本发明设置约束条件,并构建风道立体模型,可以确定防止风道设计超出预设的标准参数规范,而立体模型提供了仿真数据;
本发明,构建上进风燃烧器风道和风流量的函数关系,可以确定在同时设计好内风道和外风道下,上进风燃烧器的燃烧能力是否达到预设风流量的要求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于上进风燃烧器的风道设计方法的方法流程图;
图2为本发明实施例中风道正交仿真实验的过程图;
图3为本发明实施例中风道设计中,通过仿真实验的结果进行示功判定图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提出了一种基于上进风燃烧器的风道设计方法,包括:
获取上进风燃烧器的内环进气腔的第一腔体数据和外环进气腔的第二腔体数据,以及上进风进风口的风口位置;
获取上进风燃烧器的燃烧参数,确定风流量区间;
获取上进风燃烧器不同部件的几何尺寸,确定风道尺寸和容积;
根据第一腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第一约束条件,构建基于内环进气腔的内环进气风道的内环风道立体模型;
根据第二腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第二约束条件,构建基于外环进气腔的外环进气风道的外环风道立体模型;
根据内环风道立体模型和外环风道立体模型,构建上进风燃烧器风道和风流量的函数关系,根据函数关系判断风流量是否符合风流量区间,并在符合后,生成基于燃烧参数的上进风燃烧器风道设计参数。
上述技术方案的原理在于:
如附图1所示,在上述实施例中,本发明为了解决具有内环进气腔、外环进气腔以及上进风这种类型燃烧器的在现有市场上,其燃烧效率可能不足,以及浪费天然气的情况,设计了上述方案;
在上述实施例中,上进风燃烧器具有内环进气腔、外环进气腔以及上进风的风口参数,然后基于这三个参数进行风道的具体设计,即我们的方案只是设计在内环进气腔和外环近气腔的具体大小、形状、能够容纳的气量、进风口位置已经确定的燃烧器中,对这类半成品的燃烧器的风道进行设计,属于燃烧器设计中,燃烧效率设计的一环。
在上述实施例中,燃烧参数包括但不限于燃烧器的可调节燃烧系数、燃烧功率区间、燃烧效率、天然气量的最大、最小输出量也就是火力大小的区间,进而通过天然气量的最大、最小输出量,确定风流量的最大最小区间,确定风力能够带来的空气量的大小;
在上述实施例中,第一约束条件和第二约束条件是约束内环进气风道和外环进气风道的横截面积区间、长度区间、容积区间;防止这些风道的大小超过燃烧器在安装时候的安装空间面积。
在上述实施例中,内环风道立体模型和外环风道立体模型是内环和外环风道的独立模型,两个风道的具体参数不同,内环风道在燃烧内的火槽内部;外环风道在火槽外部。
在上述实施例中,构建上进风燃烧器风道和风流量的函数关系,通过函数关系可以判断内环风道和外环风道同时存在,相互影响之下,是否能达到预设的风流量区间。如果能够达到就代表上进风燃烧器的外环风道立体模型和内环风道立体模型的参数是符合设计需求,进而确定对应的参数,进行实际投产。
上述技术方案的有益效果在于:
本发明在设计风道上,可以基于风流量区间进行设计,确定最适合燃烧器的风道;
本发明会根据上进风燃烧器不同部件的几何尺寸,确定风道的尺寸和容积,能够防止风道设计超出燃烧器规格;
本发明设置约束条件,并构建风道立体模型,可以确定防止风道设计超出预设的标准参数规范,而立体模型提供了仿真数据;
本发明,构建上进风燃烧器风道和风流量的函数关系,可以确定在同时设计好内风道和外风道下,上进风燃烧器的燃烧能力是否达到预设风流量的要求。
优选的,所述方法还包括:
将上进风燃烧器风道由上至下划分为进风层、风道层和风腔层,依照划分结果绘制上进风燃烧器风道的流体仿真模型网格;
确定流体仿真模型网格的模型系数;
依据模型系数和风流量区间,设计上进风燃烧器风道的正交仿真实验,建立正交仿真实验表;
根据正交仿真实验表,判断上进风燃烧器风道是否达到预设风流量要求。
上述技术方案的原理在于:
如附图2所示,在上述实施例中,通过上进风燃烧器风道的由上之下的划分,可以按照空气导流的流体动力学,确定风道的流体仿真参数;
在上述实施例中,流体仿真模型网格的作用是仿真从进风口到风道内部,再到气腔,空气动力流体,在不同风道长度、横截面积下的空气风力仿真结果的记录;记录多种设计参数下的具体风流量数据,从而实现建立正交仿真实验;
在上述实施例中,模型系数就是在流体,即风力仿真过程中,整个仿真模型的系数,也代表仿真过程中不同的仿真参数,仿真参数包括风道长度、横截面积、风道的具体曲线,以及具体的风流量结果。
在上述实施例中,通过正交仿真实验可以判断流体仿真模型网格中,在不同的模型仿真系数之下,是否能达到预设导流流量要求。
上述技术方案的有益效果在于:
可以让风道符合空气流体力学的公式,判断风道设计是否符合空气导流的数学方程;
通过正交仿真试验,可以判断流体仿真之后,上进风燃烧器风道是否符合风流量要求。
优选的,所述设置第一约束条件包括:
根据第一腔体数据,确定的上进风燃烧器风道的风流量内流入位置和内需求区间,生成风流量的流量约束;
根据风口位置,确定上进风燃烧器风道的最大风进入量和最小风进入量,生成风流量的流入约束;
根据风流量区间,确定上进风燃烧器需求风道横截面积,生成风流量的导通约束;
根据风道尺寸、容积和导通约束,确定上进风燃烧器风道的导流长度区间,生成导流长度约束。
上述技术方案的原理在于:
在上述实施例中,流量约束确定了风流量的最大值和最小值;风流量内流入位置也就是风力需要到的燃烧位置;内需求区间也就是预先设置需要达到的风力区间;
在上述实施例中,流入约束确定了风流量的进风区间,也包括进入的空气量的大小;
在上述实施例中,导通约束确定了风流量横截面的大小;
在上述实施例中,导流长度约束确定了上进风燃烧器风道的长度。
上述技术方案的有益效果在于:
本发明通过构建第一约束条件,可以设置风道的设计约束参数,通过设计约束参数,可以防止风道设计出现不符合设计规范的偏差。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型包括:
根据第一约束条件,将上进风燃烧器风道进行导流分区,确定每个分区区域导流板的位置;
根据导流板的位置,确定分区气压,生成风道气压分布图谱;
根据气压分布图谱,计算每个导流分区的流量区间,并设置导流板;
构建上进风燃烧器风道在存在导流板时的风量调节函数,确定每个导流板的导流角度;
根据导流角度,生成内环风道立体模型。
上述技术方案的原理在于:
在上述实施例中,导流分区是将风道划分为多个区域,每个区域通过设置导流板,可以实现风流量的调节控制,导流板可以控制风向,防止风道内部的风因为风道的弯曲,导致生成涡旋;
在上述实施例中,分区气压可以确定导流板时的风量调节函数,进而确定导流板的角度。
在上述实施例中,风道气压分布图谱用于确定风道内不同位置的大气压力,在管道内部,因为空气量的不同,会导致大气压与外部存在压差,其会导致风力带入的空气浓度变低,本发明通过导流分区的方式进行调节;
在上述实施例中,风量调节函数是一种基于气压和风道弯度设置的风量调节函数,用于进行进风调节,防止形成涡旋。
上述技术方案的有益效果在于:
本发明可以通过导流分区的方式,在风道内部设置导流板,通过导流板调节风道的风流量。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
根据第一约束条件,绘制多条基于不同导流量的风道中心轨迹线条;
依次确定每条风道中心轨迹线对应的多个法向量截面;
根据法向量界面,确定内环风道的风道横截面曲线;
根据风道风界面曲线,生成内环风道集合;
计算每个内环风道集合的导流量函数,确定最优导流量的内环风道,并构建对应的内环风道立体模型。
上述技术方案的原理在于:
在上述实施例中,在风道设计的时候,可以通过风道中心轨迹线条,进行风道曲线设计,风道中心轨迹线条不唯一;
在上述实施例中,法向量截面确定了风道在不同风道曲段的风道角度;
在上述实施例中,风道风界面曲线可以确定风道的导流函数,进而构建风道的立体模型。
在上述实施例中,导流量函数是一种非线性函数,每个风道中心轨迹线都对应一个导流量函数。
上述技术方案的有益效果在于:
本发明在构建风道立体模型的时候,还会计算风道内的导流量函数,确定不同风道的最优导流量,进而确定最优的风道曲线。
优选的,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
确定内环风道相对于风口位置和内环进气腔的优势坐标位置;
确定内环风道位于上进风燃烧器的立体投影方位;
确定内环风道中各个风道平面节点的平面位置参数;
优化内环风道中各个风道平面的平面位置参数和风道设计参数;
确定内环风道立体模型的仿真参数。
上述技术方案的原理在于:
在上述实施例中,本发明会设置内环风道的进风口位置和立体投影位置,进而确定风道的具体设计参数和平面参数;
在上述实施例中,通过平面位置参数和风道设计参数对风道进行立体仿真,确定风道的立体模型。
在上述实施例中,在仿真的时候,通过平面风道参数和风道设计参数,进行风道仿真,从而实现正交试验。
优选的,所述构建上进风燃烧器风道和风流量的函数关系包括:
基于选定风道和风流量,通过获取风道空气流量中的导流关系,确定与风流量相关联的若干风道参数;
根据若干风道参数,构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络;
根据导流关联识别算法遍历风道导流关系森林网络,在遍历过程中确定上进风燃烧器风道和风流量的影响系数;
通过影响系数,确定上进风燃烧器风道和风流量的函数关系。
上述技术方案的原理在于:
在上述实施例中,通过风道内部分导流关系,可以确定风道参数,包括但不限于风道的长度、风道的导流曲线和风道的横截面积;
在上述实施例中,风道导流关系森林网络中包括影响风道导流的不同风道参数,进而在遍历不同风道参数的时候,确定不同风道参数对风道和风流量的具体影响系数,从而确定风道的风流量的函数关系。
上述技术方案的有益效果在于:
本发明可以通过构建上进风燃烧器风道和风流量的函数关系,确定不同风道参数对风流量的影响,进而确定最优风道。
优选的,所述构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络,包括如下步骤:
根据卷积神经网络算法、长短期记忆神经网络算法、卷积长短期记忆神经网络算法对若干风道参数对上进风燃烧器风道导流性能属性进行特征提取,使用随机森林网络算法对导流性能进行分类,确定不同风道参数的导流特征,生成导流关联的深度神经网络;
建立随机森林神经网络预测模型,采用含有多个决策树的随机森林神经网络预测模型对导流关联的风道参数进行分类预测;
搭建仿真环境和分类预测模型,进行内环进气腔和外环进气腔为终止流量节点的仿真导流预测;
根据仿真导流预测,确定风道导流关系森林网络。
上述技术方案的原理在于:
上述实施例中,卷积神经网络算法、长短期记忆神经网络算法、卷积长短期记忆神经网络算法在进行风道导流性能属性进行特征提取上,卷积神经网络算法用于提取风道在每一时刻的导流性能属性的特征,例如:不同风力和空气环境下的导流效率特征;长短期记忆神经网络算法用于在存在风力和空气波动的情况下,进行阶段时间段内的导流特性提取,即预设的阶段时间内,导流效率的稳定性。
上述实施例中,随机森林神经网络预测模型用于决策在不同风道参数下,风道参数的预测结果,分类预测是分类不同的风道参数,即分类不同的风道具体设计参数;
上述实施例中,仿真导流预测用于仿真的是不同风力环境下,包括但不限于不同燃烧的风流量区间下,空气导流能力的大小。
上述实施例中,风道导流关系森林网络是用于对不同风道参数设计的风道进行燃烧效率预测的网络,实现在风道仿真的时候,进行风道评优。
优选的,所述方法还包括:
获取上进风燃烧器的风道数据以及外环进气腔和内环进气腔的风流量数据;
根据风道数据和风流量数据,输出上进风燃烧器运行的实时示功图;
根据实时示功图,得到上进风燃烧器不同状态下的实时运行效率;
根据实时运行效率,判断上进风燃烧器的风道设计是否达标。
上述技术方案的原理在于:
如附图3所示,在上述实施例中,本发明会在风道设计完成之后,生成上进风燃烧器运行的实时示功图;
在上述实施例中,本发明会根据实时示功图,判断风道设计是否能给达到预设燃烧效率。
上述技术方案的有益效果在于:
本发明在风道设计完成之后,会进行风道的达标验证,根据具体的示功图,确定风道的运行效率。
优选的,所述实时示功图包括:
根据风道数据,并作为X轴坐标数据;
获取风道的风流量数据,作为Y轴的坐标数据;
获取上进风燃烧器的燃烧效率,作为Z轴的坐标数据;
根据X轴坐标数据、Y轴的坐标数据和Z轴的坐标数据,输出上进风燃烧器运行的实时示功图。
上述技术方案的原理在于:
在上述实施例中,本发明会根据风道数据、风流量数据和燃烧效率,构建三维立体评估的实时示功图;
在上述实施例中,通过实时示功图,可以实现上进风燃烧器的具体燃烧参数显示。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于上进风燃烧器的风道设计方法,其特征在于,包括:
获取上进风燃烧器的内环进气腔的第一腔体数据和外环进气腔的第二腔体数据,以及上进风进风口的风口位置;
获取上进风燃烧器的燃烧参数,确定风流量区间;
获取上进风燃烧器不同部件的几何尺寸,确定风道尺寸和容积;
根据第一腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第一约束条件,构建基于内环进气腔的内环进气风道的内环风道立体模型;
根据第二腔体数据、风口位置、风流量区间、风道尺寸和容积,设置第二约束条件,构建基于外环进气腔的外环进气风道的外环风道立体模型;
根据内环风道立体模型和外环风道立体模型,构建上进风燃烧器风道和风流量的函数关系,根据函数关系判断风流量是否符合风流量区间,并在符合后,生成基于燃烧参数的上进风燃烧器风道设计参数。
2.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述方法还包括:
将上进风燃烧器风道由上至下划分为进风层、风道层和风腔层,依照划分结果绘制上进风燃烧器风道的空气流体仿真模型网格;
确定空气流体仿真模型网格的模型系数;
依据模型系数和风流量区间,设计上进风燃烧器风道的正交仿真实验,建立正交仿真实验表;
根据正交仿真实验表,判断上进风燃烧器风道是否达到预设风流量要求。
3.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述设置第一约束条件包括:
根据第一腔体数据,确定的上进风燃烧器风道的风流量内流入位置和内需求区间,生成风流量的流量约束;
根据风口位置,确定上进风燃烧器风道的最大风进入量和最小风进入量,生成风流量的流入约束;
根据风流量区间,确定上进风燃烧器需求风道横截面积,生成风流量的导通约束;
根据风道尺寸、容积和导通约束,确定上进风燃烧器风道的导流长度区间,生成导流长度约束。
4.如权利要求3所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述构建基于内环进气腔的内环进气风道的内环风道立体模型包括:
根据第一约束条件,将上进风燃烧器风道进行导流分区,确定每个分区区域导流板的位置;
根据导流板的位置,确定分区气压,生成风道气压分布图谱;
根据气压分布图谱,计算每个导流分区的流量区间,并设置导流板;
构建上进风燃烧器风道在存在导流板时的风量调节函数,确定每个导流板的导流角度;
根据导流角度,生成内环风道立体模型。
5.如权利要求3所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
根据第一约束条件,绘制多条基于不同导流量的风道中心轨迹线条;
依次确定每条风道中心轨迹线对应的多个法向量截面;
根据法向量界面,确定内环风道的风道横截面曲线;
根据风道风界面曲线,生成内环风道集合;
计算每个内环风道集合的导流量函数,确定最优导流量的内环风道,并构建对应的内环风道立体模型。
6.如权利要求3所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述构建基于内环进气腔的内环进气风道的内环风道立体模型还包括:
确定内环风道相对于风口位置和内环进气腔的优势坐标位置;
确定内环风道位于上进风燃烧器的立体投影方位;
确定内环风道中各个风道平面节点的平面位置参数;
优化内环风道中各个风道平面的平面位置参数和风道设计参数;
确定内环风道立体模型的仿真参数。
7.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述构建上进风燃烧器风道和风流量的函数关系包括:
基于选定风道和风流量,通过获取风道空气流量中的导流关系,确定与风流量相关联的若干风道参数;
根据若干风道参数,构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络;
根据导流关联识别算法遍历风道导流关系森林网络,在遍历过程中确定上进风燃烧器风道和风流量的影响系数;
通过影响系数,确定上进风燃烧器风道和风流量的函数关系。
8.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述构建由内环进气腔和外环进气腔为终止流量节点的风道导流关系森林网络,包括如下步骤:
根据卷积神经网络算法、长短期记忆神经网络算法对若干风道参数对上进风燃烧器风道导流性能属性进行特征提取,使用随机森林网络算法对导流性能进行分类,确定不同风道参数的导流特征,生成导流关联的深度神经网络;
建立随机森林神经网络预测模型,采用含有多个决策树的随机森林神经网络预测模型对导流关联的风道参数进行分类预测;
搭建仿真环境和分类预测模型,进行内环进气腔和外环进气腔为终止流量节点的仿真导流预测;
根据仿真导流预测,确定风道导流关系森林网络。
9.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述方法还包括:
获取上进风燃烧器的风道数据以及外环进气腔和内环进气腔的风流量数据;
根据风道数据和风流量数据,输出上进风燃烧器运行的实时示功图;
根据实时示功图,得到上进风燃烧器不同状态下的实时运行效率;
根据实时运行效率,判断上进风燃烧器的风道设计是否达标。
10.如权利要求1所述的一种基于上进风燃烧器的风道设计方法,其特征在于,所述实时示功图包括:
根据风道数据,并作为X轴坐标数据;
获取风道的风流量数据,作为Y轴的坐标数据;
获取上进风燃烧器的燃烧效率,作为Z轴的坐标数据;
根据X轴坐标数据、Y轴的坐标数据和Z轴的坐标数据,输出上进风燃烧器运行的实时示功图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310642744.2A CN116467817B (zh) | 2023-06-01 | 2023-06-01 | 一种基于上进风燃烧器的风道设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310642744.2A CN116467817B (zh) | 2023-06-01 | 2023-06-01 | 一种基于上进风燃烧器的风道设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116467817A true CN116467817A (zh) | 2023-07-21 |
CN116467817B CN116467817B (zh) | 2023-11-17 |
Family
ID=87173943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310642744.2A Active CN116467817B (zh) | 2023-06-01 | 2023-06-01 | 一种基于上进风燃烧器的风道设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116467817B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057238A (zh) * | 2023-08-15 | 2023-11-14 | 天津大学 | 基于物理信息算子网络模型的燃烧器稳燃钝体设计方法 |
CN117910170A (zh) * | 2024-03-19 | 2024-04-19 | 西安慧金科技有限公司 | 一种工业炉上风道设计方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2009233850A1 (en) * | 2008-04-07 | 2009-10-15 | Edward Bacorn | Powdered fuel conversion systems and methods |
CN103776030A (zh) * | 2014-02-28 | 2014-05-07 | 大连本源节能科技有限公司 | 具有多个中心对称切向风道的混流燃烧器 |
EP3239613A1 (en) * | 2016-04-29 | 2017-11-01 | Siemens Aktiengesellschaft | Burner component, burner, and methods of manufacturing or operating of these for dual fuel operation |
CN107781812A (zh) * | 2016-08-29 | 2018-03-09 | 中冶长天国际工程有限责任公司 | 一种带式焙烧机用煤气双旋流燃烧器及带式焙烧机 |
CN208074949U (zh) * | 2018-02-08 | 2018-11-09 | 无锡市万方能源设备有限公司 | 一种燃气燃烧器 |
CN111931436A (zh) * | 2020-08-10 | 2020-11-13 | 哈尔滨锅炉厂有限责任公司 | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 |
US20210209266A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Aerodynamic designing method of the central section of small size gas turbine engines |
CN115145152A (zh) * | 2022-07-04 | 2022-10-04 | 浙江大学 | 一种锅炉燃烧与脱硝过程协同优化控制的方法 |
CN217875837U (zh) * | 2022-06-20 | 2022-11-22 | 芜湖美的智能厨电制造有限公司 | 一种上进风引射器、上进风燃烧器以及燃气灶 |
CN115964968A (zh) * | 2023-01-19 | 2023-04-14 | 华东理工大学 | 超低氮燃烧器的多目标优化方法、优化系统及存储介质 |
-
2023
- 2023-06-01 CN CN202310642744.2A patent/CN116467817B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2009233850A1 (en) * | 2008-04-07 | 2009-10-15 | Edward Bacorn | Powdered fuel conversion systems and methods |
CN103776030A (zh) * | 2014-02-28 | 2014-05-07 | 大连本源节能科技有限公司 | 具有多个中心对称切向风道的混流燃烧器 |
EP3239613A1 (en) * | 2016-04-29 | 2017-11-01 | Siemens Aktiengesellschaft | Burner component, burner, and methods of manufacturing or operating of these for dual fuel operation |
CN107781812A (zh) * | 2016-08-29 | 2018-03-09 | 中冶长天国际工程有限责任公司 | 一种带式焙烧机用煤气双旋流燃烧器及带式焙烧机 |
CN208074949U (zh) * | 2018-02-08 | 2018-11-09 | 无锡市万方能源设备有限公司 | 一种燃气燃烧器 |
US20210209266A1 (en) * | 2020-01-02 | 2021-07-08 | Viettel Group | Aerodynamic designing method of the central section of small size gas turbine engines |
CN111931436A (zh) * | 2020-08-10 | 2020-11-13 | 哈尔滨锅炉厂有限责任公司 | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 |
CN217875837U (zh) * | 2022-06-20 | 2022-11-22 | 芜湖美的智能厨电制造有限公司 | 一种上进风引射器、上进风燃烧器以及燃气灶 |
CN115145152A (zh) * | 2022-07-04 | 2022-10-04 | 浙江大学 | 一种锅炉燃烧与脱硝过程协同优化控制的方法 |
CN115964968A (zh) * | 2023-01-19 | 2023-04-14 | 华东理工大学 | 超低氮燃烧器的多目标优化方法、优化系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
章洪涛;关键;刘瑞媚;胡卿;杨卫娟;王智化;裘立春;: "贴壁风对二次风箱流动特性影响数值模拟", 热力发电, no. 04, pages 77 - 80 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057238A (zh) * | 2023-08-15 | 2023-11-14 | 天津大学 | 基于物理信息算子网络模型的燃烧器稳燃钝体设计方法 |
CN117057238B (zh) * | 2023-08-15 | 2024-04-19 | 天津大学 | 基于物理信息算子网络模型的燃烧器稳燃钝体设计方法 |
CN117910170A (zh) * | 2024-03-19 | 2024-04-19 | 西安慧金科技有限公司 | 一种工业炉上风道设计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116467817B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116467817B (zh) | 一种基于上进风燃烧器的风道设计方法 | |
Tingzhen et al. | Analytical and numerical investigation of the solar chimney power plant systems | |
CN110826159A (zh) | 一种基于Fluent的多路阀仿真分析和结构优化方法 | |
CN112163380A (zh) | 基于数值模拟的神经网络预测炉膛氧气浓度系统及方法 | |
CN105184015A (zh) | 基于功能样机的冲压发动机验证方法及验证系统 | |
CN107944172B (zh) | 基于流体拓扑优化的发动机进气歧管设计方法 | |
CN114462319A (zh) | 航空发动机燃烧性能主动调控方法及智能预测模型 | |
CN114970404B (zh) | 基于缸内燃烧cfd分析的发动机油耗计算及优化方法 | |
Gieras et al. | Computational study of an aerodynamic flow through a micro-turbine engine combustor. | |
CN116341410B (zh) | 一种考虑不同稳定度的典型地形风场模拟方法及系统 | |
CN113190999A (zh) | 供热管网流量调节提升风电消纳的电热协调方法及装置 | |
CN104750948A (zh) | 一种处理飞行器设计中多极值多约束问题的优化方法 | |
CN114330050A (zh) | 抽水蓄能电站地下厂房通风廊道的温湿度数值模拟方法 | |
CN111931436A (zh) | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 | |
CN103017167B (zh) | 多孔介质燃烧器的制造方法 | |
CN115270319A (zh) | 一种燃气轮机燃烧室自动化设计建模方法 | |
CN105808945B (zh) | 一种混合智能锅炉效率燃烧优化方法 | |
CN116796384A (zh) | 燃烧室多流程耦合优化设计方法、装置、设备及存储介质 | |
CN107247823A (zh) | 基于准一维化学动力学过程和自模性的喷焰流场预估方法 | |
CN110728030A (zh) | 基于表面式凝汽器数值模拟汽水两侧耦合的方法 | |
CN114285037B (zh) | 一种区域电-气综合能源系统控制参数稳定域确定方法 | |
CN114282314A (zh) | 一种风道模型交互式系统、风道流量计算及均衡优化方法 | |
CN111625906A (zh) | 试验和仿真相结合的动力电池风冷系统中风扇选型的方法 | |
CN112036091A (zh) | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 | |
CN116976162B (zh) | 基于生物质锅炉有限元分析的脱硝设计仿真方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |