Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Nguyen, T.-B.; 廣瀬 意育; 佐藤 聡; 安部 諭; 柴本 泰照; 大川 富雄*
Nuclear Engineering and Design, 457, p.115036_1 - 115036_20, 2026/10
被引用回数：0 パーセンタイル：0.00(Nuclear Science & Technology)The onset of significant void (OSV) is a critical parameter in the thermal-hydraulic design and safety analysis of nuclear reactors. However, existing OSV prediction models suffer from a fundamental lack of consensus regarding the underlying trigger mechanism, with various mechanistic models relying on conflicting assumptions such as bubble detachment, thermal-hydrodynamic limits, or global bubble coalescence. This study develops a novel, simplified prediction model by leveraging artificial neural network (ANN) to resolve these uncertainties and identify the most influential physical drivers. Initially, an ANN framework was employed as a robust analytical tool to evaluate the complex interdependencies among various thermal-hydraulic parameters across an extensive experimental database. Through this systematic feature selection, the complexity of OSV prediction was distilled from numerous variables down to only two primary dimensionless parameters that capture the core physics of the phenomenon. The resulting model provides a direct prediction that transcends the limitations of conflicting theoretical assumptions while maintaining high physical consistency. Benchmarking results demonstrate that the proposed model achieves a substantial improvement over established classical correlation. Furthermore, the model exhibits exceptional geometric robustness, maintaining high predictive accuracy across round tubes, annular, and rectangular channels. By providing a highly accurate and physically grounded tool, this research offers a superior alternative for estimating axial void fraction profiles and enhancing safety margins in light water reactors.
Liu, W.; Podowski, M. Z.*
日本機械学会熱工学コンファレンス2015講演論文集(CD-ROM), 2 Pages, 2015/10
強制流動サブクール沸騰を用いた高熱機器の出力は、冷却限界、いわゆる限界熱流束(Critical Heat Flux: CHF)に制限される。定常の核沸騰から逸脱し、不安定な気液共存伝熱である過渡沸騰、あるいは伝熱面温度の著しい上昇をもたらす膜沸騰の開始点として、Departure from Nucleate Boiling (DNB)が限界熱流束と深く関係する。今後の高熱機器の熱設計は、DNBを含む各伝熱過程に対し物理現象に基づいたモデリングを行い、温度の著しい上昇を含む温度過渡変化を計算することによってCHFを予測することが期待されるが、その技術は確立されていない。そこで、本報では、DNB時における伝熱流動を、Liquid sublayer dryoutモデルに基づいてモデリングし、熱伝導方程式を解くことによって液膜厚さや伝熱面温度の過渡変化を得られた。大気泡下の液膜は、蒸発によってdryoutし、DNB発生する過程を予測できたが、実験で確認された、ヒータ焼損につながる温度の著しい上昇が再現されなかった。これを再現するには、DNB発生時の壁面と接触した大気泡速度、及びDNB発生後の過渡沸騰や膜沸騰領域の伝熱をモデル化する必要があると考える。
Liu, W.; 成合 英樹*
Journal of Heat Transfer, 127(2), p.149 - 158, 2005/02
被引用回数：18 パーセンタイル：52.38(Thermodynamics)サブクール沸騰流動系において、極めて高圧や高流速条件での限界熱流束では、壁面温度が均質核生成温度を超えることがあるため、壁面上の蒸気膜形成が均質核生成により行われる可能性を指摘し、均質核生成の発生に判定基準を提案した。この判定基準に基づき、限界熱流束データの分類を行った。極めて高圧や高流速条件での限界熱流束に対して、均質核生成メカニズムに基づき、機構論的なモデルを作成した。このモデルを実験データで検証し、よい精度で限界熱流束を予測できることがわかった。
木下 秀孝; 成合 英樹*; 稲坂 富士夫*
JSME International Journal, Series B, 44(1), p.81 - 89, 2001/01
水の管内強制流動サブクール沸騰限界熱流束を機構論的モデルの観点から検討を行った。気泡観察及び予備実験の結果、Weisman-Peiの気泡充満モデルが短管及び非均一加熱条件ねじりテープ挿入管の予測に適していると確認した。オリジナルのWeisman-Peiモデルを限界熱流束の物理的機構を表せるように改良した。新しいモデルは非常に短い管を含むストレート管と均一及び非均一加熱条件でのねじりテープ挿入管の限界熱流束を精度良く予測した。
数土 幸夫; 宮田 佳一*; 井川 博雅; 神永 雅紀
Journal of Nuclear Science and Technology, 23(1), p.73 - 82, 1985/00
被引用回数：39 パーセンタイル：94.89(Nuclear Science & Technology)JRR-3改造炉の燃料要素内の1サブチャンネルを模擬した垂直短形流路を用いて実験を行い、JRR-3改造炉の炉心熱水力設計に用いた沸騰開始時の加熱度を予測する相関式の妥当性と誤差を調べた。その結果、(i)従来のBergles-Rohsenowの式は、実測値と比較し下限値に対し約1Kの誤差で沸騰開始時の熱流束と加熱度の関係を良く予測しうること、(ii)上昇流と下向流とで、沸騰開始時の熱流束と加熱度との関係に顕著な差が無いこと、さらに(iii)上昇流、下向流いずれにおいても、沸騰開始点の加熱度にオーバシュートがほとんど見受けられず、強制対流からサブクール沸騰にいたる熱流束と加熱度の関係にも熱流束の昇時と降下時とで、顕著なヒステリシスが見受けられないことがわかった。
Nguyen, T.-B.; 柴本 泰照; 佐藤 聡; 大川 富雄*
no journal, ,
原子炉やその他の高熱流束機器の安全評価には、サブクール沸騰におけるDNB熱流束を正確に予測することが不可欠である。DNB熱流束を予測するための機構論的モデルは、以前よりも複雑な作業環境を有する新世代の原子炉の開発により、既存の相関関係がもはや正確でないため、要求の厳しい課題となっている。加熱された壁に沿って移動する蒸気ブランケット下の液体層の厚さの測定は、DNB機構モデルの開発にとって重要な要素の一つである。サブレイヤー厚さ、いわゆるマクロレイヤーの測定データは入手可能であるが、プール沸騰についてのみである。本研究では、レーザー変位計を用いたフロー沸騰における液体下層の厚さのデータセットを作成することを目的とする。また、水蒸気通過時のデータ変化を解析するため、同期した高速度動画を収集した。
Nguyen, T.-B.; 廣瀬 意育; 佐藤 聡; 安部 諭; 柴本 泰照
no journal, ,
To ensure light water reactor safety, accurate Departure from Nucleate Boiling (DNB) heat flux prediction is essential but remains challenging. This study used an Artificial Neural Network (ANN) to analyze six dimensionless variables, identifying mass flux, channel diameter, and subcooling as the most critical parameters. The resulting simplified correlation outperforms existing models in robustness, simplicity, and applicability across diverse operating conditions.
