王國志 侯杰文 張元彬

（西南交通大學先進驅(qū)動節(jié)能技術(shù)教育部工程研究中心 成都 610031）

1 引言

絕緣子污穢閃絡(luò)對電氣化鐵路運行系統(tǒng)帶來極大安全隱患，在實際運行維護中普遍采用方法有：機械刷掃式［1］、高壓水射流沖洗式［2］、干冰沖洗式［3～4］、被動自清潔式［5］等。干冰沖洗因其具有一些其他清洗方式不具備的優(yōu)點，例如，無二次污染，無需干燥時間，清洗效果好，相對安全系數(shù)比較高等優(yōu)點，已經(jīng)在我國電氣化鐵路系統(tǒng)中有所應用。干冰清洗的機理是一個比較復雜的過程，包括類似噴丸技術(shù)的動力學剝離，與表面污穢的熱交換，干冰升華成氣體過程中產(chǎn)生的曳力［6～8］。有研究表明干冰清洗過程中動力學剝離占主要作用［9］，而相關(guān)清洗因素對干冰顆粒的動力學影響比較大，所以對清洗因素的研究很重要。

羅毅［10］通過對進氣壓力、干冰流量、噴嘴類型等因素進行研究，得到這些因素對干冰顆粒速度以及分布的影響。孫孟洪［11］通過控制干冰流量、噴射角度等因素來進行沖擊油漆面實驗，以油漆剝離寬度衡量清洗效果，得到各因素對清洗效果的影響。汪盧［12］使用正交實驗法，研究入口壓力、干冰直徑、清洗靶距的最優(yōu)組合。目前學者對干冰清洗的研究只進行單因素組合分析，并沒有全因素交互分析，缺乏各個因素對全局影響的研究，得到的結(jié)論對實際作業(yè)指導意義不大。

隨著機器學習算法的廣泛應用，對于該類全局分析的問題，使用神經(jīng)網(wǎng)絡(luò)能夠得到較好的解決。王自立［13］等使用神經(jīng)網(wǎng)絡(luò)研究風力、溫度、降水量等因素，對絕緣子污穢度的影響，建立了精準的全局模型。曹凡［14］等使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，完成了房車空調(diào)送風參數(shù)的研究。王黎明［15］等提出通過使用季節(jié)、降水等因素，建立絕緣子表面泄露電流預測神經(jīng)網(wǎng)絡(luò)模型，具有良好預測效果。以上學者的研究表明，神經(jīng)網(wǎng)絡(luò)技術(shù)對于解決全局變量問題具有獨到的優(yōu)點，可以很好的解決干冰清洗參數(shù)的全因素交互分析問題，能系統(tǒng)的對干冰清洗作業(yè)進行實際指導。本文以QBN2-25 型鐵路接觸網(wǎng)絕緣子為清洗研究目標，通過對清洗過程中的壓縮空氣壓強、干冰質(zhì)量流量、清洗角度、清洗靶距為研究因素，結(jié)合CFD 技術(shù)建立一個高精度BP 神經(jīng)網(wǎng)絡(luò)模型，依據(jù)模型對各參數(shù)之間的交互影響作用進行分析研究，指導清洗作業(yè)，并提出該類清洗工作研究的新方法。

2 流體模型建立

2.1 幾何模型與清洗參數(shù)確定

本文研究對象為QBN2-25型接觸網(wǎng)絕緣子，如圖1所示。干冰噴槍選擇口徑為50mm的直通型圓口噴槍。主要清洗影響因素為壓縮空氣壓強、干冰質(zhì)量流量、清洗角度、清洗靶距。其中清洗角度定義為在目標絕緣子與噴槍共面平面內(nèi)，噴槍與水平線的夾角。參考實際情況與相關(guān)安全標準，確定壓縮空氣壓強范圍在0.5MPa～1MPa，干冰質(zhì)量流量范圍在0.5kg/min～5kg/min，清洗角度范圍在0°～60°，清洗靶距范圍在0.4m～0.8m。

圖1 QBN2-25型絕緣子結(jié)構(gòu)圖

2.2 網(wǎng)格劃分與邊界條件

本文使用ANSYS Meshing 軟件對模型進行網(wǎng)格劃分，由于絕緣子表面幾何結(jié)構(gòu)比較復雜，所以選擇適應性比較好的四面體網(wǎng)格［16］。為提高計算精度，捕捉更準確的數(shù)據(jù)，對噴槍的入口以及靠近絕緣子壁面的區(qū)域網(wǎng)格進行加密處理。各組參數(shù)模型網(wǎng)格數(shù)量在60萬～70萬之間，如圖2所示。

圖2 模型網(wǎng)格結(jié)構(gòu)剖面圖

該次計算中連續(xù)相湍流模型選擇RNG k-ε模型［17］，氣體設(shè)置為理想可壓縮氣體，入口為壓力入口，壓強為清洗參數(shù)變量，出口設(shè)置為大氣壓。離散相計算采用基于拉格朗日公式的DPM 模型，干冰顆粒密度為1560kg/m3，顆粒比熱容為2100J/（kg·K），顆粒形狀系數(shù)為0.83，入射方向沿干冰噴槍軸線方向。

2.3 清洗質(zhì)量評價標準

選擇合理的清洗質(zhì)量評價量化指標對清洗研究工作具有重要意義，目前大多數(shù)干冰清洗研究選擇干冰顆粒靶點速度作為清洗質(zhì)量評價指標，具有一定局限性，未考慮到顆粒在靶點位置入射角度以及顆粒反彈等作用，難以實際衡量清洗效果。龔正［18］率先在干冰清洗聚變裝置的研究中，提出采用沖蝕率來衡量干冰清洗效果。沖蝕磨損是一種低應力磨料磨損，相關(guān)研究模型建立都是基于特定材料特定條件，適用性較差，本文研究重點在于對清洗質(zhì)量進行評價，所以選擇通用型沖蝕模型，不考慮表征材料硬度等參數(shù)。沖蝕率可以表達為式（1）。

式中，m 為顆粒質(zhì)量；L（d）為粒徑函數(shù)；θ為顆粒路徑與壁面的沖擊角；f為沖擊角函數(shù)；b（v）為相對速度函數(shù)；S為靶面積。

2.4 連續(xù)相與離散相結(jié)果分析

流體模型經(jīng)過迭代計算，達到收斂條件。模型縱截面流速云圖如圖3 所示，壓縮空氣以亞音速從干冰噴槍中流出，急速膨脹，壓強降低，速度升高，形成超音速氣體。由于自由氣體對超音速氣體傳播形成阻礙作用，導致速度降低，壓強增大，以此往復循環(huán)向前傳遞。氣體傳遞至絕緣子表面發(fā)生明顯的氣體繞流現(xiàn)象，對絕緣子整體吹拭有較好影響。模型離散相速度云圖如圖4 所示，干冰顆粒從噴槍噴出，由超音速氣體加速，顆粒速度極快提高，呈散射狀態(tài)射向絕緣子，后受氣體黏度影響，加速趨緩。

圖3 連續(xù)相剖面流速云圖

圖4 離散相速度云圖

3 BP神經(jīng)網(wǎng)絡(luò)模型

3.1 數(shù)據(jù)樣本

數(shù)據(jù)抽樣對神經(jīng)網(wǎng)絡(luò)模型的精度有很大的影響，合理的抽樣應該保證在范圍內(nèi)均勻分布，同時又保證多樣性與高度隨機性。由于以上需求，本文采用拉丁超立方抽樣方法進行抽樣［19］。在清洗參數(shù)集內(nèi)，抽取50 組參數(shù)組合作為訓練集，完成神經(jīng)網(wǎng)絡(luò)模型訓練；再抽取10 組參數(shù)組合作為測試集，對模型精度進行驗證。將訓練集與測試集參數(shù)代入流體模型，得到對絕緣子的沖蝕率，如表1和表2所示。

表1 部分訓練集參數(shù)及沖蝕率

表2 測試集參數(shù)及沖蝕率

3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP 神經(jīng)網(wǎng)絡(luò)是一種誤差逆向傳播的前饋網(wǎng)絡(luò)，特點在于通過大量樣本的儲存與學習，依靠權(quán)值與閾值的向前修正迭代，建立起的無需物理模型解釋的近似模型。

其結(jié)構(gòu)分為三層，分別是輸入層、隱含層、輸出層。在干冰清洗絕緣子研究中，輸入層有四個輸入，分別為干冰質(zhì)量流量、壓縮空氣壓強、清洗角度、清洗靶距；隱含層通常分為單層與多層，本案例情況不太復雜，選擇單層結(jié)構(gòu)，而隱含層節(jié)點數(shù)計算則是依靠經(jīng)驗公式［20］，有7 個；輸出層則為單輸出，輸出為沖蝕率。神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖5 所示。

圖5 神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)

3.3 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

該神經(jīng)網(wǎng)絡(luò)模型中，神經(jīng)元激勵函數(shù)選擇tansig，訓練函數(shù)選擇trainlm，最大訓練次數(shù)為200 次，訓練目標為10-4，學習率設(shè)置為0.05。

3.4 神經(jīng)網(wǎng)絡(luò)模型驗證

將測試集參數(shù)以隨機次序代入訓練好的神經(jīng)網(wǎng)絡(luò)模型，以驗證模型準確性。通常以可決系數(shù)R2為量化指標衡量模型精度。如圖6 所示，可知測試集CFD實驗結(jié)果與神經(jīng)網(wǎng)絡(luò)模型輸出結(jié)果對比，求得可決系數(shù)為0.9795，所以判斷該神經(jīng)網(wǎng)絡(luò)模型為高精度模型。

圖6 測試集結(jié)果對比圖

3.5 結(jié)果分析

為研究各清洗參數(shù)對干冰清洗效果的交互影響，本文采用BP 神經(jīng)網(wǎng)絡(luò)模型繪制各變量對清洗效果評價指標即沖蝕率的影響圖，并進行分析。

如圖7 所示，在清洗靶距0.6m，清洗角度30°時，干冰質(zhì)量流量一定，隨著壓縮空氣壓強增大，清洗效果提高，并且當質(zhì)量流量大于3.5kg/min，清洗效果提升更加顯著。當壓縮空氣壓強一定，清洗效果隨干冰質(zhì)量流量增加而提高，當壓縮空氣壓強大于0.85MPa，清洗效果提升最顯著。高壓縮空氣壓強與高干冰質(zhì)量流量清洗組合效果最好，為避免浪費，不宜采用高壓強搭配低流量或者高流量搭配低壓強。

圖7 壓縮空氣壓強與干冰質(zhì)量流量對清洗效果影響圖

如圖8 所示，在干冰質(zhì)量流量2kg/min，清洗靶距0.6m 時，不同的壓縮空氣壓強的情況下，都存在一個最優(yōu)清洗角度，在壓強為0.5MPa～0.7MPa 時，最優(yōu)清洗角度為25°，壓強為0.7MPa～1MPa 時，最優(yōu)清洗角度為30°。為達到最好的清洗效果，需使用匹配當前情況的最優(yōu)清洗角度。

圖8 清洗角度與壓縮空氣壓強對清洗效果影響圖

如圖9 所示，在干冰質(zhì)量流量2kg/min，清洗角度30°時，清洗靶距一定，清洗效果隨壓縮空氣壓強增加而提高。壓縮空氣壓強在0.5MPa～0.8MPa 時，存在最優(yōu)清洗靶距，而且最優(yōu)靶距隨壓強增加而增加。壓縮空氣壓強在0.8MPa～1MPa 時，靶距越大清洗效果越好。

圖9 清洗靶距與壓縮空氣壓強對清洗效果影響圖

如圖10所示，在壓縮空氣壓強0.8MPa，清洗靶距0.6m 時，清洗角度一定，清洗效果隨干冰質(zhì)量流量增加而提高，但是在清洗角度為35°～60°時，清洗效果隨干冰質(zhì)量流量增加而提高的顯著性下降，所以在這種情況下不宜采用較高干冰質(zhì)量流量，避免清洗成本浪費。干冰質(zhì)量流量一定時，存在最優(yōu)清洗角度，為30°。

圖10 清洗角度與干冰質(zhì)量流量對清洗效果影響圖

如圖11所示，在壓縮空氣壓強0.8MPa，清洗角度30°時，清洗靶距一定，清洗效果隨干冰質(zhì)量流量增加而提高，但是在靶距為0.4～0.5m 時，清洗效果提高顯著性較低，所以建議在靶距較近時不宜采用較大干冰質(zhì)量流量。

圖11 清洗靶距與干冰質(zhì)量流量對清洗效果影響圖

如圖12所示，在壓縮空氣壓強0.8MPa，干冰質(zhì)量流量2kg/min 時，清洗靶距在0.4m～0.76m 時，存在最優(yōu)清洗角度，清洗靶距在0.76m～0.8m 時，清洗效果隨清洗角度增加而降低。

圖12 清洗靶距與清洗角度對清洗效果影響圖

綜合所有圖像對比可知，壓縮空氣壓強與干冰質(zhì)量流量的交互影響對清洗效果的影響最大，清洗角度與壓縮空氣壓強的交互影響對清洗效果影響最小。

4 結(jié)語

1）建立了基于CFD 方法的干冰清洗QBN2-25型接觸網(wǎng)絕緣子的流體模型，確定了采用通用型沖蝕率來量化衡量清洗效果的研究方法。

2）采用拉丁超立方抽樣方法，在符合實際情況與相關(guān)安全標準的情況下，抽樣50 組干冰清洗參數(shù)作為訓練集，建立BP 神經(jīng)網(wǎng)絡(luò)模型，通過10 組測試集驗證模型，可決系數(shù)為0.9795，故判斷為高精度模型，具有良好的泛化能力。提出了干冰清洗參數(shù)研究的新方法。

3）壓縮空氣壓強與干冰質(zhì)量流量的合理選擇對清洗效果影響最大，通常高壓強需搭配高流量。當采用不同壓縮空氣壓強時，需匹配對應最優(yōu)清洗角度與清洗靶距。清洗角度與清洗靶距存在一定范圍，使干冰質(zhì)量流量對清洗效果影響降低，需要避免，以防止浪費。