Critical heat flux diagnosis using conditional generative adversarial networks

要約

タイトル： 条件付き生成的敵対ネットワークを用いた臨界熱流量診断
要約：
-臨界熱流量(Critical heat flux; CHF) は、高熱流量の熱水力システムで使用される沸騰熱伝達過程における必須の安全境界である。
– CHFの特定は、装置の損傷を防止し、全体的なシステムの安全性を確保するために重要であるが、現象の複雑性のために困難である。
– 複雑な現象を深く理解するために、様々な方法論が考案されているが、高解像度のデータの取得にはかなりのリソース消費が必要であり限界がある。
– 本研究では、条件付き生成的敵対ネットワーク(cGANs)を用いた沸騰系のCHFにおける熱データ再構成のためのデータ駆動的なimage-to-imageの変換手法を提案する。
– 監督学習のプロセスは、全反射視覚化と赤外線温度計測定を含むペアの画像に依存する。
– 提案手法は、位相インタフェースのダイナミクスと熱分布の関係を証明するためのエビデンスを提供するだけでなく、赤外線熱画像に関連する手間のかかる試験設備およびデータ削減手順を単純化することにより、 CHF診断の効果的な解決策を提供する可能性がある。

要約(オリジナル)

The critical heat flux (CHF) is an essential safety boundary in boiling heat transfer processes employed in high heat flux thermal-hydraulic systems. Identifying CHF is vital for preventing equipment damage and ensuring overall system safety, yet it is challenging due to the complexity of the phenomena. For an in-depth understanding of the complicated phenomena, various methodologies have been devised, but the acquisition of high-resolution data is limited by the substantial resource consumption required. This study presents a data-driven, image-to-image translation method for reconstructing thermal data of a boiling system at CHF using conditional generative adversarial networks (cGANs). The supervised learning process relies on paired images, which include total reflection visualizations and infrared thermometry measurements obtained from flow boiling experiments. Our proposed approach has the potential to not only provide evidence connecting phase interface dynamics with thermal distribution but also to simplify the laborious and time-consuming experimental setup and data-reduction procedures associated with infrared thermal imaging, thereby providing an effective solution for CHF diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI