本发明专利技术公开了一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，具体包括：S1，收集现有实验数据；S2，建立飞行甲板航空煤油池火数值模拟模型；S3，数值模拟模型输出数值模拟数据；S4，对数值模拟数据进行无量纲处理和归一化处理；S5，利用步骤S4中处理后的数据组建立神经网络模型；S6，预测环境风作用下飞行甲板航空煤油多尺度池火热辐射。本发明专利技术克服了获取航空煤油池火热辐射样本数据的困难；避免了航空煤油池火实验与数值模拟，降低了预测成本；降低了数据集的维度，提高了神经网络训练效率；实现了环境风作用下航空煤油池火热辐射的多尺度预测，为预测航空煤油池火热辐射开辟了新途径。了新途径。了新途径。
【技术实现步骤摘要】
一种环境风作用下飞行甲板航空煤油池火热辐射预测方法
[0001]本专利技术属于专门适用于特定应用的数字计算或数据处理的方法
，具体涉及环境风作用下飞行甲板航空煤油池火热辐射预测领域。
技术介绍
[0002]航空母舰是一种以舰载机为主要武器的水面大型作战舰船，是现在海军作战不可或缺的重要军事装备。航空煤油因其热值高、燃烧速率大等特征，在航空航天和军事等领域有着十分广泛的应用。然而，航空煤油这些特征，也使其成为一种独特的危险源。航母飞行甲板上因航空煤油泄露而引发的油池火灾，而其导致的热辐射会对甲板上人员、载机、武器、设备造成伤害。与一般火灾相比，在开放空间中的航空煤油池火由于油层较薄，燃烧面积相对较大，火羽流容易受到周围环境的影响，其危害更加严重。因此研究热辐射不仅能够更好的保护人员的生命健康，同时也能为消防救援工作提供有价值的参考依据。
[0003]目前，不少学者已经对航空煤油池火热辐射进行了实验研究，但受到经济成本高和实验参数控制困难等因素的制约，此前研究往往都局限于中小尺度等单一尺度，因此传统实验方法难以满足现阶段对多尺度航空煤油池火热辐射研究的需要。近年来，数值模拟方法因其经济成本较低获得了不少人的青睐，例如DOI为
[0004]10.3969/j.issn.1006
‑
7906.2021.03.016.的论文“航空煤油罐区煤油泄漏事故后果模拟分析”便利用数值模拟方法模拟了航空煤油泄露后引发的燃烧、爆炸现象，同时对其热辐射影响范围进行了分析。但是数值模拟方法也有其缺点：模拟结果需要用相应的实验结果的进行验证；数值模拟参数需要不断调整，如热辐射分数不仅仅受油池尺度的影响，同时还与风速的大小有关；模拟的时间成本较高，一个工况可能需要数十个小时甚至更多。因而对于多尺度航空煤油池火研究，数值模拟方法在短时间内难以获取大量值得信赖的数据。
[0005]人工神经网络因其强大的非线性回归能力，被广泛的应用于回归预测领域。在油池火灾领域，人工神经网络也显示出其优越性，通过人工神经网络分析预测了射流火灾、早期油池火灾和晚期油池火灾的危险后果。但是，现有人工神经网络预测手段中的验证数据仅为特定尺度下的燃料池火热辐射，没有进一步对全尺度下的燃料池火热辐射进行研究，训练数据往往包含火源直径、风速、质量损失速率、距离等多个维度，其较高的数据维度使得神经网络训练较为困难。
技术实现思路
[0006]有鉴于此，本专利技术提供一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，包含如下步骤：
[0007]S1、收集现有实验数据；
[0008]S2、建立飞行甲板航空煤油池火的数值模拟模型，并通过步骤S1收集的实验数据，对建立的数值模拟模型进行验证，直至数值模拟模型模拟出的模拟数据与步骤S1实验数据
在误差阈值范围内；
[0009]S3、数值模拟模型输出数值模拟数据；所述数值模拟数据包括多个数据组，每个数据组包括火源直径、环境风速以及距离火源中心不同距离处的辐射热流密度；
[0010]S4、对数值模拟数据进行无量纲处理和归一化处理，得到处理后的数据组，每一处理后的数据组包括无量纲风速距离、距离火源中心不同距离处的无量纲辐射热流密度；
[0011]S5、利用步骤S4中处理后的数据组建立神经网络模型，以处理后的数据组中的无量纲风速距离为输入参数，以处理后的数据组中无量纲辐射热流密度为输出参数建立神经网络模型，并将S4中处理后的数据组作为数据样本对神经网络模型进行训练，得到最佳的神经网络模型；
[0012]S6、利用步骤S5中得到的最佳的神经网络模型预测不同火源直径、不同风速距离条件下距离火源中心不同距离处的辐射热流密度。
[0013]进一步地，步骤S2中建立飞行甲板航空煤油池火的数值模拟模型的过程如下：选择火灾模型、确定燃烧速率、调整网格尺寸和辐射分数。
[0014]进一步地，步骤S2中确定燃烧速率依据下式：
[0015][0016]式中：u
w
为环境风速，m/s；m"为燃烧速率，kg/(m2·
s)；D为火源直径，m；
[0017]进一步地，步骤S2中，网格尺寸取值范围为[D*/16，D*/4]。其中，D*为火源的特征直径，其计算公式为：
[0018][0019]式中：Q为热释放速率，kW；ρ
∞
为空气密度，kg/m3；c
p
为空气定压比热容，kJ/(kg
·
K)；T
∞
为环境温度，K；g为重力加速度，m/s2；
[0020]进一步地，步骤S2中，热释放速率Q计算公式如下：
[0021]Q＝m
″
ΔH
c
A
[0022]式中：Q为热释放速率，kW；m"为燃烧速率，kg/(m2·
s)；ΔH
c
为燃烧热，kJ/kg；A为油池面积，m2；
[0023]进一步地，步骤S2中的火灾模型包括流体动力学子模型、湍流子模型、燃烧子模型和热辐射子模型。
[0024]进一步地，所述热辐射子模型的方程为：
[0025][0026]式中：为位置向量；为方向向量；为散射方向向量；a为吸收系数；n为折射系数；σ
s
为散射系数；σ为斯蒂芬
‑
玻尔兹曼常数，取值为5.672
×
10
‑8W/(m2·
K4)。I为辐射强度，W/m2；Φ为凝聚相的散热相函数；Ω
′
为立体角，rad；
[0027]进一步地，步骤S4中对数值模拟数据进行无量纲处理和归一化处理的过程如下：
[0028]对数据组火源直径、环境风速以及距离火源中心不同距离处的辐射热流密度分别
进行无量纲处理，然后对无量纲处理后的数据进行归一化处理；
[0029]其中对辐射热流密度无量纲处理的表达式为：
[0030][0031]式中，q
*
为无量纲辐射热流密度；q为辐射热流密度，kW/m2；m"为燃烧速率，kg/(m2·
s)；c
p
为空气的定压比热容，kJ/(kg
·
K)；T
∞
为环境温度，K；
[0032]其中将火源直径和环境风速组合为无量纲风速距离的表达式为：
[0033][0034]式中，u
*
为无量纲环境风速；L
*
为无量纲距离；g为重力加速度，m/s2；m"为燃烧速率，kg/(m2·
s)；D为火源直径，m；ρ
∞
为空气密度，kg/m3；u
w
为环境风速，m/s；L为到油池中心的水平距离，m；
[0035]对无量纲处理后的数据进行归一化处理的表达式为：
[0036][0037]式中，为归一化处理后的数据；x
i
为无量纲数据；x
min
为样本数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，包含如下步骤：S1、收集现有实验数据；S2、建立飞行甲板航空煤油池火的数值模拟模型，并通过步骤S1收集的实验数据，对建立的数值模拟模型进行验证，直至数值模拟模型模拟出的模拟数据与步骤S1实验数据在误差阈值范围内；S3、数值模拟模型输出数值模拟数据；所述数值模拟数据包括多个数据组，每个数据组包括火源直径、环境风速以及距离火源中心不同距离处的辐射热流密度；S4、对数值模拟数据进行无量纲处理和归一化处理，得到处理后的数据组，每一处理后的数据组包括无量纲风速距离、距离火源中心不同距离处的无量纲辐射热流密度；S5、利用步骤S4中处理后的数据组建立神经网络模型，以处理后的数据组中的无量纲风速距离作为输入参数，以处理后的数据组中无量纲辐射热流密度为输出参数建立神经网络模型，并将S4中处理后的数据组作为数据样本对神经网络模型进行训练，得到最佳的神经网络模型；S6、利用步骤S5中得到的最佳的神经网络模型预测不同火源直径、不同风速距离条件下距离火源中心不同距离处的辐射热流密度。2.根据权利要求1所述的一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，步骤S2中建立飞行甲板航空煤油池火的数值模拟模型的过程如下：选择火灾模型、确定燃烧速率、调整网格尺寸和辐射分数。3.根据权利要求2所述的一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，步骤S2中确定燃烧速率依据下式：式中：u
w
为环境风速；m"为燃烧速率；D为火源直径。4.根据权利要求2所述的一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，步骤S2中，网格尺寸取值范围为[D*/16，D*/4]，其中，D*为火源的特征直径，其计算公式为：式中：Q为热释放速率；ρ
∞
为空气密度；c
p
为空气定压比热容；T
∞
为环境温度；g为重力加速度。5.根据权利要求4所述的一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，步骤S2中，热释放速率Q计算公式如下：Q＝m
″
ΔH
c
A式中：Q为热释放速率；m"为燃烧速率；ΔH
c
为燃烧热；A为油池面积。6.根据权利要求2所述的一种环境风作用下飞行甲板航空煤油池火热辐射预测方法，其特征在于，步骤S2中的火灾模型包括流体动力学子模型、湍流子模型、燃烧子模型和热辐
【专利技术属性】
技术研发人员：李昕，钟宇，丁彦铭，张民勋，李翔，王怀远，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。