双射流转子-定子流动系统中传热的实验验证与智能预测

《Next Materials》：Experimental validation and intelligent prediction of heat transfer in a dual-jet rotor–stator flow system

　　

本研究对经受双射流空气喷射的转子-定子腔体中的传热和流动行为进行了全面研究。采用基于物理的数值和实验框架，并由机器学习支持，分析了关键参数的影响，如射流雷诺数（Re_j）范围从1.6×10⁴到5×10⁴，旋转雷诺数（Re_ω）范围从2×10⁵到5×10⁵，以及无量纲轴向间距G。使用RANS（雷诺平均Navier-Stokes）方程和网格细化的CFD（计算流体动力学）模拟，通过与从定制试验台获得的实验数据对比进行了验证。结果表明，由于更强的涡旋形成和射流-旋转相互作用，增加的旋转和射流强度增强了局部和平均努塞尔数（Nusselt number）。速度场分析证实了Batchelor型流态的发展，在转子附近具有切向主导，在定子方向具有径向再循环。此外，利用数值和实验数据集开发了人工神经网络（ANN）来预测局部努塞尔数分布。ANN与参考数据表现出很强的整体一致性，并令人满意地再现了主要的传热特征，包括射流冲击峰值和旋转主导的外区域。这些发现表明了所提出的组合框架在快速热预测和分析复杂旋转系统方面的潜力。

论文《Next Materials》发表的研究，系统探讨了双射流转子-定子腔体中的传热与流动行为，为解决旋转机械冷却中的复杂热管理问题提供了新途径。

**研究背景与问题**
转子-定子腔体广泛存在于涡轮机、电机等旋转机械中，常通过射流冲击增强对流冷却。然而，热交换受几何参数（如轴向间距）和动态参数（如射流速度、旋转速度）的复杂耦合影响，精确预测难度大。现有研究多集中于单射流或轴向流配置，对双射流（轴向中心射流与偏心射流同时注入）的协同作用研究不足；机器学习方法虽在热预测中显示出潜力，但极少与实验验证的CFD模型结合用于双射流旋转系统。因此，本研究旨在建立统一的实验-数值-数据驱动框架，填补这一空白，系统分析射流雷诺数（Re_j）、旋转雷诺数（Re_ω）和轴向间隙比（G）对局部与平均努塞尔数（Nusselt number, Nu）的影响，并开发基于人工神经网络（ANN）的快速预测工具。

**主要技术方法**
研究人员采用以下关键方法：1）基于RANS（雷诺平均Navier-Stokes）方程和RSM（雷诺应力模型）的CFD模拟，对网格进行细化并验证独立性；2）搭建专用试验台（转子直径0.31 m，陶瓷涂层），通过红外热成像和热电偶测量局部努塞尔数，并应用Kline-McClintock误差传播法评估不确定性（总体不确定度±4.5%）；3）开发具有4-12-1结构的ANN模型（输入：Re_j、Re_ω、无量纲径向位置r/D、G；输出：局部Nu_r），使用Levenberg-Marquardt算法训练，基于2146个数据样本（65%训练、20%验证、15%测试）。

**研究结果**
**4.1 平均努塞尔数数值分析**
通过CFD模拟，研究了平均努塞尔数（Nu?）随Re_ω和G的变化。在最小间距G=0.02时，Nu?随Re_ω增长缓慢，粘性主导，传热增强有限；随着G增大至0.07和0.09，旋转效应增强，Nu?对Re_ω的敏感性上升，出现混合Stewartson-Batchelor流态；在G=0.15时，惯性力克服粘性，Nu?随Re_ω显著增加，表明旋转诱导的离心泵送和湍流强化了传热。

**4.2 局部努塞尔数**
局部努塞尔数（Nu_r）沿径向分布呈现双峰结构：第一峰靠近射流冲击区（r/D≈6-7），由射流冲击导致；第二峰出现在外围区域（r/D>10），由旋转主导。随着Re_ω增加，第二峰增强并向外扩展；而G的增大则促进射流与旋转的耦合，当G=0.07-0.09时，热传递效果最佳。

**4.3 基于ANN的传热预测**
ANN模型（4-12-1结构）预测局部努塞尔数，与CFD和实验数据对比显示：整体相关系数R=0.95265，决定系数R2=0.90754，RMSE=27.28，MAE=21.77，MAPE=7.15%。测试集表现最佳（R=0.9599，MAPE=6.59%），表明模型具有良好的泛化能力，能准确捕捉射流冲击峰和旋转主导区的热传递特征。

**4.4 努塞尔数关联式**
尝试建立峰值努塞尔数（Nu_max）的通用关联式，但发现Nu_max随G变化非单调，故采用分段幂律表达式：0.02≤G≤0.07时，Nu_max=3.768 G^0.09 Re_j^0.5（R2=0.562）；0.07≤G≤0.09时，Nu_max=6.475 G^0.29 Re_j^0.5（R2=0.816）；0.09≤G≤0.15时，Nu_max=4.091 G^0.1 Re_j^0.5（R2=0.705）。这些关联式仅适用于研究参数范围，不可外推。

**4.5 速度场分析**
速度剖面显示，在G=0.15、Re_j=5×10⁴时，径向速度在转子附近为正（离心向外），外围区域为负（向心回流）；切向速度在转子表面最大，向定子衰减。随着Re_ω增加，旋转边界层变薄，腔体核心维持有限切向速度，呈现Batchelor型流态特征（旋转核心+边界层），而非Stewartson型。

**4.6 转子-定子腔中速度场表征**
在G=0.05、Re_j=3×10⁴下，径向速度场显示低Re_ω时射流局限于冲击区，高Re_ω时径向扩展并出现外围再循环；轴向速度场显示射流渗透随旋转增强而再分布，验证了旋转主导流动结构的发展。

**结论与讨论**
研究人员总结认为，本研究成功结合实验、CFD和ANN，揭示了双射流注射、转子运动和轴向间距对传热的协同控制机制。主要结论：1）传热性能由Re_j、Re_ω和G联合决定，提升射流强度和旋转速度均能增强局部和平均努塞尔数；2）局部努塞尔数分布呈现双峰特征，射流冲击区与旋转主导区分别贡献峰值；3）速度场证实Batchelor型流态，旋转核心形成促进了外围传热；4）ANN模型以低计算成本准确预测局部努塞尔数（整体MAPE=7.15%），可作为快速热设计工具。研究局限性包括仅使用空气作为工质、稳态RANS假设以及参数范围有限，但所提出的混合框架为复杂旋转系统的热管理优化提供了新方向。