馬小晶, 周 鑫, 吐松江·卡日, 許瀚文

(新疆大學(xué) 電氣工程學(xué)院, 烏魯木齊 830047)

0 引 言

液滴撞擊高溫壁面后的蒸發(fā)現(xiàn)象普遍存在于自然界和工業(yè)生產(chǎn)中[1].液滴撞擊高溫壁面后,由于相變作用內(nèi)部產(chǎn)生大量氣泡,氣泡破碎產(chǎn)生二次液滴,液滴表面產(chǎn)生不規(guī)則形變.顯然,液滴撞擊蒸發(fā)過(guò)程是一個(gè)伴隨著能量交換和相變過(guò)程的復(fù)雜傳熱傳質(zhì)問(wèn)題.

目前,國(guó)內(nèi)外學(xué)者已采用多種研究方法,對(duì)液滴撞壁這一復(fù)雜的流動(dòng)過(guò)程展開(kāi)了大量研究.沈勝?gòu)?qiáng)等[2]通過(guò)高速攝像儀觀測(cè)了水和乙醇兩種液滴撞擊高溫壁面的流動(dòng)及蒸發(fā)過(guò)程,分析討論了液滴的蒸發(fā)特性.Guo等[3]通過(guò)實(shí)驗(yàn)研究了液滴沖擊高溫圓柱表面的流動(dòng)傳熱問(wèn)題,探討了柱面溫度等因素對(duì)液滴沸騰流動(dòng)過(guò)程的影響.He等[4]通過(guò)粒子圖像測(cè)速法研究了不同體積比乙醇水溶液液滴蒸發(fā)過(guò)程,并分析了液滴蒸發(fā)機(jī)理.Susmita等[5]通過(guò)實(shí)驗(yàn)方法研究了水滴在光滑疏水表面的蒸發(fā)特性,觀察研究了液滴幾何參數(shù)隨時(shí)間的變化.

近幾年以來(lái),數(shù)值模擬方法已經(jīng)廣泛應(yīng)用于多相流動(dòng)和傳熱等領(lǐng)域,并且取得了大量研究成果[6].吳蘇晨等[7]基于格子Boltzmann方法建立了數(shù)值模型,研究了液滴撞擊過(guò)程中的相變傳熱機(jī)制,并分析討論了壁面溫度和Weber數(shù)(We)的影響規(guī)律;董佰揚(yáng)等[8]基于分段模擬蒸發(fā)的數(shù)值模型,通過(guò)引入動(dòng)態(tài)接觸角實(shí)現(xiàn)了恒接觸半徑蒸發(fā)模式到恒接觸角蒸發(fā)模式的連續(xù)模擬;Semenov等[9]結(jié)合蒸發(fā)擴(kuò)散模型和動(dòng)力學(xué)模型,研究了蒸發(fā)潛熱等因素對(duì)靜置在高導(dǎo)熱基底上不同大小液滴蒸發(fā)速率的影響.

目前,學(xué)者對(duì)液滴撞擊高溫壁面后液滴沸騰蒸發(fā)過(guò)程中剩余液滴隨時(shí)間的變化過(guò)程研究還較少,因此本文采用CLSVOF(coupled level set and volume of fluid)方法,基于Lee模型建立液滴撞擊高溫壁面沸騰蒸發(fā)模型,模擬研究了乙醇液滴撞擊高溫壁面后的沸騰蒸發(fā)過(guò)程,分析總結(jié)了液滴蒸發(fā)剩余量隨時(shí)間的變化規(guī)律,并通過(guò)與相關(guān)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比,驗(yàn)證了模型的有效性.在此基礎(chǔ)上,模擬分析了壁面潤(rùn)濕性和撞擊速度等對(duì)乙醇液滴沸騰蒸發(fā)過(guò)程的影響.鑒于模擬液滴沸騰蒸發(fā)過(guò)程中存在計(jì)算量大和時(shí)間消耗長(zhǎng)的問(wèn)題,本文在模擬研究的基礎(chǔ)上,通過(guò)引入機(jī)器學(xué)習(xí)算法,對(duì)乙醇液滴蒸發(fā)剩余量隨時(shí)間的變化規(guī)律進(jìn)行了預(yù)測(cè)研究.

1 計(jì)算模型和模型驗(yàn)證

1.1 控制方程

本文基于CLSVOF方法建立數(shù)值模型,將乙醇和乙醇蒸汽均視作不可壓縮流體,控制方程包括連續(xù)性方程、動(dòng)量守恒方程和能量守恒方程[10],即

?·u=0,

(1)

(2)

(3)

式中,u為速度,m·s-1;T為溫度,K;P為壓強(qiáng),Pa;μ為動(dòng)力黏度系數(shù),N·s·m-2;ρ為密度,kg·m-3;σ為表面張力系數(shù),N·m-1;κ為界面曲率,m-1;cp為定壓比熱容,J·(kg·K)-1;λ為導(dǎo)熱系數(shù),W·(m·K)-1;δ(·)為Dirac函數(shù);φ為距離函數(shù).為了在相界面處實(shí)現(xiàn)流體之間密度和黏度參數(shù)的光滑過(guò)渡,在計(jì)算流體密度ρ(φ)和黏度μ(φ)時(shí),引入了Heaviside函數(shù),其定義為

(4)

式中,h為相界面過(guò)渡區(qū)域?qū)挾鹊囊话?本文取為1倍的網(wǎng)格單元寬度.黏度μ(φ)和密度ρ(φ)為

μ(φ)=μl(1-H(φ))+μgH(φ),

(5)

ρ(φ)=ρl(1-H(φ))+ρgH(φ).

(6)

在運(yùn)算過(guò)程中,每次循環(huán)計(jì)算均需要結(jié)合VOF相函數(shù)α和level set距離函數(shù)φ重新構(gòu)造氣液兩相的界面,并對(duì)level set距離函數(shù)φ初始化.CLSVOF方法通過(guò)求解VOF相函數(shù)α和level set距離函數(shù)φ的對(duì)流輸運(yùn)方程,精準(zhǔn)捕捉兩相流界面.

(7)

(8)

通過(guò)level set距離函數(shù)φ可得界面法向量n和界面曲率κ,即

n=?φ/|?φ|,

(9)

κ=?·(?φ/|?φ|).

(10)

考慮到壁面黏附作用,通過(guò)接觸角調(diào)整壁面附近單元的表面法向量ns為

ns=nwcosθ+τwsinθ,

(11)

式中,nw和τw分別為壁面單位法向量和切向量;θ為接觸角.

重新對(duì)距離函數(shù)φ初始化,函數(shù)φ的值是計(jì)算單元中心到相界面的最小距離,函數(shù)φ的符號(hào)可以由VOF相函數(shù)α來(lái)確定,即

Sφ=sgn(0.5-α),

(12)

式中,sgn(·)是符號(hào)函數(shù).

1.2 Lee模型

乙醇液滴撞擊高溫壁面后,由于固液傳熱作用,液滴在達(dá)到飽和溫度后產(chǎn)生沸騰蒸發(fā)現(xiàn)象,本文采用應(yīng)用較廣的Lee模型[11]模擬液滴相變過(guò)程.在Lee模型中,質(zhì)量轉(zhuǎn)移由蒸汽和液體相間的輸運(yùn)方程控制決定,即

(13)

(14)

(15)

式中,ml和mg分別為液相和氣相的相變質(zhì)量轉(zhuǎn)移速率,即蒸發(fā)速率;Tc為控制單元溫度,Ts為飽和溫度;γ為相變調(diào)節(jié)系數(shù).Lee模型通過(guò)汽化潛熱r和質(zhì)量轉(zhuǎn)移速率ml來(lái)計(jì)算蒸發(fā)過(guò)程向外散發(fā)的熱量,即在單位時(shí)間內(nèi)蒸發(fā)散熱Qv等于液滴的汽化潛熱r和質(zhì)量轉(zhuǎn)移速率ml的乘積:

Qv=mlr.

(16)

1.3 動(dòng)態(tài)接觸角模型

由式(11)可知,接觸角會(huì)通過(guò)壁面黏附作用影響液滴流動(dòng)過(guò)程,同時(shí)接觸角又會(huì)隨流動(dòng)過(guò)程發(fā)生改變,采用靜態(tài)接觸角求解會(huì)導(dǎo)致模擬結(jié)果出現(xiàn)較大偏差[12].因此,本文引入Kistler經(jīng)驗(yàn)公式計(jì)算動(dòng)態(tài)接觸角[13],即根據(jù)靜態(tài)接觸角θe,可得動(dòng)態(tài)接觸角θd為

θd=F(Ca+F-1(θe)),

(17)

(18)

式中,Ca為毛細(xì)數(shù).

1.4 模型的驗(yàn)證

模擬研究可以將物理模型簡(jiǎn)化為二維平面模型[10],初始液滴視為球形.初始時(shí)刻液滴底部與壁面相切,此時(shí)液滴的初始速度u0可視為液滴的撞擊速度uc,即uc=u0.壓力與速度耦合采用PISO方法,求解壓力采用PRESTO方法,對(duì)level set方程求解采用QUICK格式,動(dòng)量和能量方程求解采用二階迎風(fēng)格式.模擬過(guò)程中,通過(guò)相函數(shù)α來(lái)計(jì)算乙醇液滴的蒸發(fā)剩余量Sv,并進(jìn)行無(wú)量綱處理,即

(19)

式中,s為一個(gè)計(jì)算網(wǎng)格的大小,a和b分別為計(jì)算域內(nèi)沿坐標(biāo)方向上的網(wǎng)格數(shù)量,S0為液滴初始量,計(jì)算過(guò)程液滴的體積分?jǐn)?shù)為1.

為了驗(yàn)證二維模型網(wǎng)格無(wú)關(guān)性,計(jì)算域取1 cm×2 cm的長(zhǎng)方形區(qū)域,分別采用80×160,100×200,125×250和160×320的四邊形結(jié)構(gòu)化網(wǎng)格模擬乙醇液滴撞擊高溫親水壁面的蒸發(fā)過(guò)程,圖1為4種網(wǎng)格密度下乙醇液滴蒸發(fā)剩余量Sv隨時(shí)間的變化曲線.由圖1可看出,當(dāng)網(wǎng)格密度達(dá)到125×250時(shí),繼續(xù)增加網(wǎng)格密度對(duì)計(jì)算結(jié)果的影響可近似忽略,即計(jì)算結(jié)果不再與網(wǎng)格密度有關(guān).因此,后續(xù)研究均采用125×250的結(jié)構(gòu)化網(wǎng)格.

圖1 不同網(wǎng)格密度下蒸發(fā)剩余量Sv隨時(shí)間的變化曲線

為了驗(yàn)證乙醇液滴蒸發(fā)模型的有效性,本文將模擬結(jié)果與文獻(xiàn)[14]中乙醇液滴撞擊高溫壁面汽化過(guò)程的實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比,如圖2所示.模型中乙醇液滴的物性參數(shù)與尺寸均與實(shí)驗(yàn)一致,密度ρ=800 kg·m-3,表面張力系數(shù)σ=0.022 8 N·m-3,動(dòng)力黏度μ=0.001 001 Pa·s,計(jì)算動(dòng)態(tài)接觸角時(shí),取θe=40°.乙醇液滴初始溫度Td=293 K,乙醇液滴飽和溫度Ts=351 K,撞擊速度uc=0.23 m·s-1,直徑d0=1.64 mm.

(a)Tw=400 K

從圖2中可以看出,模擬研究中乙醇液滴撞擊高溫壁面的沸騰蒸發(fā)過(guò)程與實(shí)驗(yàn)基本一致.在撞擊初期,乙醇液滴在慣性力的作用下逐漸鋪展,此時(shí)乙醇液滴還未達(dá)到飽和溫度,沸騰蒸發(fā)現(xiàn)象不明顯.由于壁面與液滴之間的固液傳熱作用,乙醇液滴溫度逐漸升高,在達(dá)到液滴飽和溫度后開(kāi)始沸騰,發(fā)生劇烈汽化作用,液滴底部產(chǎn)生大量氣泡,氣泡破碎后產(chǎn)生大量二次液滴,液滴表面產(chǎn)生不規(guī)則形變.

圖2(a)中壁面溫度Tw=400 K,圖2(b)中壁面溫度Tw=420 K,從圖中可看出,隨著壁面溫度升高,乙醇液滴沸騰更加劇烈,沸騰蒸發(fā)過(guò)程明顯加快.圖3為乙醇液滴撞擊高溫壁面后液滴蒸發(fā)剩余量Sv隨時(shí)間的變化關(guān)系.從圖3可以看出,在液滴撞擊初始階段,乙醇液滴的溫度較低,液滴蒸發(fā)剩余量隨時(shí)間的變化相對(duì)平緩.由于壁面與液滴之間的傳熱作用,乙醇液滴的溫度逐漸升高,液滴達(dá)到飽和溫度后開(kāi)始沸騰,蒸發(fā)速度加快,液滴蒸發(fā)剩余量隨時(shí)間的變化加快.乙醇液滴撞擊400 K高溫壁面時(shí),液滴蒸發(fā)過(guò)程持續(xù)695 ms,撞擊420 K高溫壁面時(shí),液滴蒸發(fā)過(guò)程持續(xù)455.1 ms.

圖3 乙醇液滴撞擊不同溫度壁面Sv隨時(shí)間的變化曲線 圖4 乙醇液滴撞擊不同溫度壁面蒸發(fā)時(shí)間對(duì)比

為了進(jìn)一步驗(yàn)證液滴蒸發(fā)模型的可行性,本文分別模擬了多種壁面溫度下乙醇液滴沸騰蒸發(fā)過(guò)程,并將模擬結(jié)果與沈勝?gòu)?qiáng)等[2]的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比,圖4為實(shí)驗(yàn)數(shù)據(jù)和模擬數(shù)據(jù)的對(duì)比.由圖4中可以看出,在Tw=360 K時(shí)誤差最大,在其他壁面溫度下,模擬液滴蒸發(fā)時(shí)間與實(shí)驗(yàn)數(shù)據(jù)誤差很小.表1給出了乙醇液滴撞擊不同溫度壁面后蒸發(fā)時(shí)間與實(shí)驗(yàn)結(jié)果[2]的誤差對(duì)比.從表中模擬結(jié)果與實(shí)驗(yàn)結(jié)果的對(duì)比中可以看出,在Tw=360 K時(shí)誤差最大,約為-6.98%.在其他壁面溫度下,模擬乙醇液滴蒸發(fā)時(shí)間與實(shí)驗(yàn)數(shù)據(jù)誤差較小,印證了模擬結(jié)果準(zhǔn)確可靠.

表1 乙醇液滴完全蒸發(fā)時(shí)間與實(shí)驗(yàn)結(jié)果誤差對(duì)比

2 數(shù)值模擬結(jié)果與分析

2.1 液滴撞擊速度對(duì)蒸發(fā)過(guò)程的影響

為了研究撞擊速度對(duì)乙醇液滴撞擊高溫壁面沸騰蒸發(fā)過(guò)程的影響,本文分別模擬研究了直徑為1.64 mm的乙醇液滴以不同初速度撞擊高溫壁面后的沸騰蒸發(fā)過(guò)程.在計(jì)算過(guò)程中,取Tw=400 K,計(jì)算動(dòng)態(tài)接觸角時(shí),取θe=40°.圖5給出了乙醇液滴以不同速度撞擊高溫壁面后蒸發(fā)剩余量Sv隨時(shí)間的變化曲線.

圖5 液滴以不同速度撞擊高溫壁面后Sv隨時(shí)間的變化曲線 圖6 乙醇液滴撞擊不同潤(rùn)濕性壁面Sv隨時(shí)間的變化曲線

由圖5可知,乙醇液滴以不同速度撞擊高溫壁面后,液滴蒸發(fā)剩余量Sv隨時(shí)間的變化規(guī)律基本一致.在撞擊初期,乙醇液滴還未達(dá)到飽和溫度,沸騰蒸發(fā)過(guò)程不明顯,Sv隨時(shí)間變化較小.隨著壁面與液滴之間的溫差傳熱作用,乙醇液滴溫度逐漸升高,在達(dá)到飽和溫度后開(kāi)始沸騰蒸發(fā),液滴蒸發(fā)剩余量Sv迅速減少,直至液滴完全汽化.由圖5中可以看出uc越大時(shí),tmax越小,這是由于uc越大,乙醇液滴在撞擊后越易鋪展,液滴與壁面的接觸面積越大,液滴溫度上升越快,達(dá)到飽和溫度所需的時(shí)間也越短,液滴越早進(jìn)入沸騰蒸發(fā)階段.在隨后的沸騰蒸發(fā)階段,液滴吸收熱量與蒸發(fā)散熱保持平衡,液滴的蒸發(fā)速率沒(méi)有發(fā)生明顯變化,液滴蒸發(fā)曲線斜率基本保持不變,且液滴不同撞擊速度的蒸發(fā)曲線斜率也沒(méi)有明顯差異.液滴撞擊速度對(duì)沸騰蒸發(fā)過(guò)程的影響主要是影響液滴與壁面的接觸面積.

2.2 壁面潤(rùn)濕性對(duì)蒸發(fā)過(guò)程的影響

現(xiàn)有研究表明壁面潤(rùn)濕性是影響液滴沸騰蒸發(fā)過(guò)程的重要影響因素之一[15-16].本文模擬了直徑1.64 mm的乙醇液滴撞擊不同潤(rùn)濕性高溫壁面后的沸騰蒸發(fā)過(guò)程.Tw=400 K,Td=293 K,uc=0.23 m·s-1,圖6給出了乙醇液滴撞擊不同潤(rùn)濕性高溫壁面后Sv隨時(shí)間的變化曲線.

由圖6可知,乙醇液滴撞擊不同潤(rùn)濕性壁面后,液滴的沸騰蒸發(fā)過(guò)程存在較大差異.壁面接觸角越小,壁面的親水性越好,液滴撞擊壁面后,易于鋪展,即液滴與壁面的接觸面積較大,由于高溫壁面和液滴的傳熱作用,液滴的溫度上升快.液滴達(dá)到飽和溫度所需的時(shí)間越短,撞擊后發(fā)生沸騰蒸發(fā)的時(shí)間點(diǎn)越早.同理,在撞擊鋪展后期,液滴在表面張力等作用下會(huì)逐漸收縮,壁面接觸角越大,其疏水性越強(qiáng),液滴越易于收縮,即鋪展面積較小,因此,液滴蒸發(fā)相變速率有所減慢,Sv隨時(shí)間的變化曲線相對(duì)平緩.

3 預(yù)測(cè)研究與分析

3.1 液滴撞擊高溫壁面蒸發(fā)過(guò)程預(yù)測(cè)研究

近些年來(lái),隨著人工智能的快速發(fā)展,機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域內(nèi)的一門(mén)重要學(xué)科,已經(jīng)得到了廣泛的應(yīng)用[17].本文通過(guò)不同機(jī)器學(xué)習(xí)算法建立預(yù)測(cè)模型,對(duì)乙醇液滴撞擊高溫壁面后蒸發(fā)剩余量Sv隨時(shí)間的變化進(jìn)行了預(yù)測(cè)研究,并通過(guò)對(duì)比預(yù)測(cè)結(jié)果與模擬結(jié)果,選出最優(yōu)預(yù)測(cè)模型.

本文選取壁面溫度,表征壁面潤(rùn)濕性的接觸角,液滴撞擊速度以及撞擊時(shí)間作為特征參數(shù),液滴蒸發(fā)剩余量Sv為目標(biāo)參數(shù),液滴初始溫度293 K,環(huán)境溫度298 K.本文通過(guò)收集14種工況下的12 600組模擬數(shù)據(jù)建立數(shù)據(jù)集,并按4∶1的比例將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集.此外,單獨(dú)模擬一種工況下的乙醇液滴撞擊蒸發(fā)過(guò)程并收集Sv隨時(shí)間的變化數(shù)據(jù)作為結(jié)果驗(yàn)證.相關(guān)參數(shù)如表2所示.

表2 模擬工況相關(guān)參數(shù)

圖7為采用不同機(jī)器學(xué)習(xí)算法的預(yù)測(cè)結(jié)果與模擬結(jié)果的對(duì)比.從圖7中可以看出,針對(duì)同一數(shù)據(jù)集,不同機(jī)器學(xué)習(xí)算法的預(yù)測(cè)結(jié)果存在差異.在本算例中,K最近鄰(K-nearest neighbor, KNN)算法和神經(jīng)網(wǎng)絡(luò)(multilayer perceptron, MLP)算法的預(yù)測(cè)曲線與模擬曲線更加接近,預(yù)測(cè)結(jié)果明顯優(yōu)于采用支持向量(support vector regression, SVR)算法和隨機(jī)森林(random forest, RF)算法所得的預(yù)測(cè)結(jié)果.

圖7 不同機(jī)器學(xué)習(xí)算法的預(yù)測(cè)結(jié)果與模擬結(jié)果的對(duì)比 圖8 SSA優(yōu)化預(yù)測(cè)曲線

表3給出了4種算法的預(yù)測(cè)結(jié)果與模擬結(jié)果的誤差對(duì)比.由表3可知,基于 MLP算法建立預(yù)測(cè)模型的預(yù)測(cè)結(jié)果與模擬結(jié)果的誤差最小,且決定系數(shù)R2最接近1,這說(shuō)明通過(guò)MLP算法獲得的預(yù)測(cè)曲線與模擬曲線擬合程度最好,預(yù)測(cè)結(jié)果最精確.

表3 預(yù)測(cè)結(jié)果與模擬結(jié)果的誤差對(duì)比

3.2 超參數(shù)優(yōu)化

為了進(jìn)一步提高預(yù)測(cè)精度,本文引入麻雀搜索算法(sparrow search algorithm, SSA)將預(yù)測(cè)模型輸出的均方誤差作為優(yōu)化算法目標(biāo)參數(shù),分別對(duì)KNN模型和MLP模型超參數(shù)進(jìn)行大范圍搜索,能夠快速準(zhǔn)確地在張量空間中找到 KNN模型和MLP模型的最優(yōu)超參數(shù).經(jīng)過(guò)SSA優(yōu)化后預(yù)測(cè)曲線如圖8所示.觀察圖8可知,采用SSA優(yōu)化后,預(yù)測(cè)曲線更加接近模擬曲線.

表4給出了優(yōu)化后預(yù)測(cè)結(jié)果與模擬結(jié)果的誤差對(duì)比.對(duì)比表3和表4可知,引入SSA對(duì)KNN模型和MLP模型超參數(shù)進(jìn)行優(yōu)化后,兩種預(yù)測(cè)模型的預(yù)測(cè)誤差均有所減小,決定系數(shù)R2比優(yōu)化前更接近1,預(yù)測(cè)曲線與模擬曲線的擬合程度更高,預(yù)測(cè)精度更高.采用SSA優(yōu)化預(yù)測(cè)模型的超參數(shù)能夠有效提高預(yù)測(cè)模型的預(yù)測(cè)精度.

表4 采用SSA優(yōu)化后預(yù)測(cè)結(jié)果與模擬結(jié)果誤差對(duì)比

4 結(jié) 論

本文研究采用CLSVOF方法,引入動(dòng)態(tài)接觸角計(jì)算模型,建立了乙醇液滴撞擊沸騰蒸發(fā)數(shù)值模型,對(duì)乙醇液滴撞擊后的沸騰蒸發(fā)過(guò)程展開(kāi)研究,通過(guò)與實(shí)驗(yàn)結(jié)果的對(duì)比驗(yàn)證了所建模型的有效性.在此基礎(chǔ)上,通過(guò)機(jī)器學(xué)習(xí)算法,建立了預(yù)測(cè)模型,對(duì)乙醇液滴撞擊高溫壁面后Sv隨時(shí)間的變化進(jìn)行了預(yù)測(cè)研究,得出了以下結(jié)論:

1)乙醇液滴撞擊高溫壁面后在慣性力的作用下逐漸鋪展,由于壁面與液滴之間的傳熱作用,液滴溫度逐漸升高,在達(dá)到液滴飽和溫度后進(jìn)入沸騰蒸發(fā)階段,液滴從底部開(kāi)始產(chǎn)生大量氣泡,氣泡破碎,在相界面接觸線處產(chǎn)生二次液滴,液滴表面產(chǎn)生不規(guī)則形變.

2)在乙醇液滴撞擊初始階段,由于液滴的溫度較低,Sv隨時(shí)間的變化相對(duì)平緩;當(dāng)液滴達(dá)到飽和溫度后進(jìn)入沸騰蒸發(fā)階段,蒸發(fā)速度加快,Sv隨時(shí)間的變化加快.在相同撞擊條件下,壁面溫度越高,固液傳熱作用越強(qiáng),液滴進(jìn)入沸騰蒸發(fā)階段所需時(shí)間越短,液滴蒸發(fā)速度越快.在壁面溫度相同的條件下,液滴與壁面的接觸角越小、液滴撞擊速度越快,液滴越易鋪展,液滴撞擊后與壁面的接觸面積越大,液滴更早進(jìn)入沸騰蒸發(fā)階段.液滴在進(jìn)入沸騰蒸發(fā)階段后,液滴吸收熱量與蒸發(fā)散熱保持平衡,液滴的蒸發(fā)速率沒(méi)有發(fā)生明顯變化.

3)采用4種機(jī)器學(xué)習(xí)算法建立預(yù)測(cè)模型,對(duì)乙醇液滴撞擊高溫壁面后Sv隨時(shí)間的變化進(jìn)行了預(yù)測(cè)研究,并將預(yù)測(cè)結(jié)果與模擬結(jié)果進(jìn)行對(duì)比.采用MLP算法得到的預(yù)測(cè)曲線與模擬曲線更加接近,誤差更小,MLP算法更適合用于預(yù)測(cè)研究乙醇液滴撞擊高溫壁面后的沸騰蒸發(fā)過(guò)程.在此基礎(chǔ)上,采用SSA對(duì)預(yù)測(cè)模型進(jìn)行了優(yōu)化,提高了預(yù)測(cè)模型的精度.