论文部分内容阅读
针对污水源、海水源热泵系统中换热设备与管道腐蚀引起的换热性能的降低,本文通过腐蚀速率的实验测算、腐蚀对换热性能影响的数值模拟以及基于SOM-RBF神经网络的腐蚀速率预测方法对换热设备中金属的腐蚀性能进行研究,以期为工程实际中换热设备的换热性能提供数据支撑和腐蚀速率预测方法的可行性参考。通过设计腐蚀挂片实验模拟换热设备工作环境,分析换热设备介质的流速、含氧量、盐度以及电偶对等因素对腐蚀速率的影响,结果表明:流动不仅削弱产物沉积对进一步腐蚀的阻滞,还加速溶解氧到达金属表面,在一定程度上增强腐蚀,持续进氧状态下海水组和污水组其流动状态比非流动状态的腐蚀速率分别平均增加了4.8%和3.4%;溶解氧是腐蚀的根本原因,通常工质含氧量越高腐蚀程度越深,流动状态下海水组和污水组其持续进氧状态比非持续进氧状态的腐蚀速率分别平均增加了12.5%和8.5%;铝合金LF21在与碳钢10#偶合中点蚀敏感性急剧增大;碳钢10#在与紫铜T2的电偶对中有明显加速腐蚀的迹象,紫铜T2在与不锈钢316L组成的电偶对实验中腐蚀程度有轻微增强。借助扫描电镜对实验后金属试样进行金相组织观察,并结合腐蚀机理分析,结果发现:实验所用金属最常见的腐蚀类型为点蚀,碳钢10#表面蜂窝状蚀坑数量较多且最大深度达0.25mm左右,紫铜T2出现少量点蚀孔,密度约为0.5个/μm2,最大腐蚀深度约为0.15mm,不锈钢316L表面受腐蚀破坏程度最轻。结合实验获得的铜的腐蚀深度的数据,对未腐蚀前、腐蚀结垢后与清除腐蚀产物后铜管壁面的换热情况进行数值模拟,结果发现,腐蚀结垢后流体与换热铜管壁的表面传热系数比未腐蚀时减小了约0.6%;清除腐蚀产物后由于强化换热的作用,流体与换热铜管壁的表面传热系数大约是未腐蚀时表面传热系数的1.7倍。通过SOM-RBF神经网络方进行样本训练和金属在海水中的腐蚀速率预测,并与BP神经网络方法的预测结果进行比较。结果表明:SOM-RBF网络组合模型的预测结果,除30号样本外,相对误差都在10%以下,相比BP网络的相对误差最多可以减小50%左右。说明在训练样本少且分布不均的情况下,SOM-RBF组合方法相比于单独采用BP神经网络模型,能够显著提高了预测精度。本文进行的腐蚀实验、腐蚀对换热性能影响的数值模拟和基于SOM-RBF神经网络方法的仿真预测工作为水源热泵用换热设备金属材料的选择提供了理论和数据依据,符合“腐蚀大数据”的发展趋势,具有工程应用价值。