基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究
事故紧急停堆后铅铋快堆上腔室发生的热分层现象对堆内结构完整性和自然循环余热排出能力具有显著影响。基于计算流体动力学（Computational Fluid Dynamics，CFD）方法开展热分层现象研究，存在计算资源开销大、耗时长等问题，而现有的标准动态模态分解（Dynamic Mode Decomposition，DMD）方法对热分层现象的预测效果不佳。本文首先基于CFD程序FLUENT得到高精度全阶快照；然后在截断DMD的基础上，依据特征频率压缩时间步样本，并结合长短期记忆（Long Short-Term Memory，LSTM）神经网络构建热分层降阶模型。通过与CFD全阶热分层模拟对热...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Science Press
2025-05-01
|
| Series: | He jishu |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.240147 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849716738442133504 |
|---|---|
| author | 温 从义 邓 俊杰 刘 紫静 李 卫 赵 鹏程 |
| author_facet | 温 从义 邓 俊杰 刘 紫静 李 卫 赵 鹏程 |
| author_sort | 温 从义 |
| collection | DOAJ |
| description | 事故紧急停堆后铅铋快堆上腔室发生的热分层现象对堆内结构完整性和自然循环余热排出能力具有显著影响。基于计算流体动力学（Computational Fluid Dynamics，CFD）方法开展热分层现象研究，存在计算资源开销大、耗时长等问题，而现有的标准动态模态分解（Dynamic Mode Decomposition，DMD）方法对热分层现象的预测效果不佳。本文首先基于CFD程序FLUENT得到高精度全阶快照；然后在截断DMD的基础上，依据特征频率压缩时间步样本，并结合长短期记忆（Long Short-Term Memory，LSTM）神经网络构建热分层降阶模型。通过与CFD全阶热分层模拟对热分层现象进行对比分析，该热分层降阶模型能较好地模拟上腔室温度分布、实现对热分层现象的快速预测。 |
| format | Article |
| id | doaj-art-b7bbfdcddf1a43cdaaca3b02f37f46a0 |
| institution | DOAJ |
| issn | 0253-3219 |
| language | zho |
| publishDate | 2025-05-01 |
| publisher | Science Press |
| record_format | Article |
| series | He jishu |
| spelling | doaj-art-b7bbfdcddf1a43cdaaca3b02f37f46a02025-08-20T03:12:53ZzhoScience PressHe jishu0253-32192025-05-014810.11889/j.0253-3219.2025.hjs.48.2401470d899a51基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究温 从义0邓 俊杰1刘 紫静2李 卫3赵 鹏程4["南华大学 核科学技术学院 衡阳 421000"]["南华大学 核科学技术学院 衡阳 421000"]["南华大学 核科学技术学院 衡阳 421000"]["南华大学 核科学技术学院 衡阳 421000"]["南华大学 核科学技术学院 衡阳 421000"]事故紧急停堆后铅铋快堆上腔室发生的热分层现象对堆内结构完整性和自然循环余热排出能力具有显著影响。基于计算流体动力学（Computational Fluid Dynamics，CFD）方法开展热分层现象研究，存在计算资源开销大、耗时长等问题，而现有的标准动态模态分解（Dynamic Mode Decomposition，DMD）方法对热分层现象的预测效果不佳。本文首先基于CFD程序FLUENT得到高精度全阶快照；然后在截断DMD的基础上，依据特征频率压缩时间步样本，并结合长短期记忆（Long Short-Term Memory，LSTM）神经网络构建热分层降阶模型。通过与CFD全阶热分层模拟对热分层现象进行对比分析，该热分层降阶模型能较好地模拟上腔室温度分布、实现对热分层现象的快速预测。https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.240147动态模态分解长短期记忆神经网络铅铋快堆上腔室热分层温度振荡 |
| spellingShingle | 温 从义 邓 俊杰 刘 紫静 李 卫 赵 鹏程 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 He jishu 动态模态分解 长短期记忆神经网络 铅铋快堆上腔室 热分层 温度振荡 |
| title | 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 |
| title_full | 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 |
| title_fullStr | 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 |
| title_full_unstemmed | 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 |
| title_short | 基于改进<bold>DMD</bold>和<bold>LSTM</bold>的铅铋快堆上腔室热分层降阶分析模型研究 |
| title_sort | 基于改进 bold dmd bold 和 bold lstm bold 的铅铋快堆上腔室热分层降阶分析模型研究 |
| topic | 动态模态分解 长短期记忆神经网络 铅铋快堆上腔室 热分层 温度振荡 |
| url | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.240147 |
| work_keys_str_mv | AT wēncóngyì jīyúgǎijìnbolddmdboldhéboldlstmbolddeqiānbìkuàiduīshàngqiāngshìrèfēncéngjiàngjiēfēnxīmóxíngyánjiū AT dèngjùnjié jīyúgǎijìnbolddmdboldhéboldlstmbolddeqiānbìkuàiduīshàngqiāngshìrèfēncéngjiàngjiēfēnxīmóxíngyánjiū AT liúzǐjìng jīyúgǎijìnbolddmdboldhéboldlstmbolddeqiānbìkuàiduīshàngqiāngshìrèfēncéngjiàngjiēfēnxīmóxíngyánjiū AT lǐwèi jīyúgǎijìnbolddmdboldhéboldlstmbolddeqiānbìkuàiduīshàngqiāngshìrèfēncéngjiàngjiēfēnxīmóxíngyánjiū AT zhàopéngchéng jīyúgǎijìnbolddmdboldhéboldlstmbolddeqiānbìkuàiduīshàngqiāngshìrèfēncéngjiàngjiēfēnxīmóxíngyánjiū |