低阶模型在求解自然对流换热反问题中的应用

传热反问题在许多工程领域中有重要的应用价值，传热反问题的求解理论和求解方法至今仍然是国际上十分活跃的研究领域。对于导热反问题以及强制对流换热反问题的研究进行得已经较为深入，但是对于自然对流换热反问题的研究非常欠缺。.本研究的主要目的是研究求解三维复杂区域内自然对流换热反问题的高效快速算法。本研究拟在非结构六面体网格系统上采用全隐分离式算法IDEAL来处理不可压缩流体压力和速度之间的耦合问题，采用最佳最佳正交分解技术（POD）获取自然对流换热问题所处的低维空间，采用POD-Galerkin方法建立起自然对流换热问题的低阶模型，并开发出基于低阶模型的求解自然对流换热反问题的共轭梯度法。同时本研究在国际上首次将现代仿生智能优化算法：遗传算法、粒子群优化算法引入到自然对流换热反问题的求解中。项目所开发的方法，对于实际生产中需要依靠求解传热反问题进行实时预测和控制的场合有重要的应用价值。

提出了一种基于非结构网格系统的不可压缩求解器。通过求解三个基准解问题，比较了与经典SIMPLE算法的性能。计算结果表明，新算法可以在较宽广的松弛因子范围内求得瘦脸的解，在求解速度上比SIMPLE算法至少两倍的速度提升。在强对流的情况下，新算法的优势更为明显。. 提出了一种强化粒子群算法，克服了经典粒子群算法的过早收敛的缺点。通过求解一些基准解测试了强化粒子群算法的性能，结果表明:对于高纬度的优化问题，强化粒子群算法有较强的防陷功能，避免了经典粒子群算法不能越出局部陷阱的问题。利用强化粒子群算法求解了一对流换热反问题，预测了管道避面上的未知热流密度，结果表明，强化粒子群算法能够在测试结果含有一定测量误差的情况下，预测出未知的热流密度。比起常规的求解反问题的共轭梯度算法，强化粒子群算法具有实施简单的特点。