73 0

Machine-Learning-Based Classification and Flow-Induced Noise Reduction of Gas-Liquid Two-Phase Flow Using Flow Visualization

Title
Machine-Learning-Based Classification and Flow-Induced Noise Reduction of Gas-Liquid Two-Phase Flow Using Flow Visualization
Other Titles
유동 가시화를 이용한 기액 이상 유동의 머신러닝 기반 패턴 구분 및 유동 소음 저감
Author
Kim, Gangjune
Alternative Author(s)
김강준
Advisor(s)
송시몬
Issue Date
2019. 8
Publisher
한양대학교
Degree
Doctor
Abstract
본 논문은 기∙액 이상 유동 가시화를 이용한 유동 패턴 분류 및 유동 소음 저감에 대한 것이다. 기∙액 이상 유동은 산업 전반`에 걸쳐 자주 관찰되며, 공학적으로 중요한 역할을 하거나 중대한 문제를 발생시키기도 한다. 이러한 이상 유동의 역할, 문제 및 해석 인자(parameter)들은 모두 유동 패턴에 큰 영향을 받는데, 유동 패턴을 구분함에 있어 최근 머신러닝(machine learning,ML) 기법이 많이 사용된다. 또한, 이러한 문제들 중 냉매의 이상 유동 소음은 특히 주거용 에어컨 시스템에서 열∙음향 편의를 위해 해결되어야 하는 중요한 문제이다. 이에 본 논문은 공기∙물 이상 유동을 가시화한 이미지와 머신러닝 기법을 이용하여 이상 유동 패턴을 정량적으로 구분하는 것과, 에어컨시스템 중 하나인 다중분할(multi-split) 공기열원 히트 펌프(air-sourceheat pump, ASHP)의 전기 팽창 밸브(electric expansion valve, EEV) 근처 냉매 R410A 이상 유동 소음을 저감하는 것에 초점을 두고 있다. 냉매 R410A의 이상 유동 소음은 EEV 근처의 배관 레이아웃(layout)을 변경하거나, 허니컴(honeycomb) 구조물, 다공성 금속(porous metal)과 같은 유동 컨디셔너(flow conditioner)를 적용함으로써 저감된다. 머신러닝 기법과 유동가시화 이미지는 냉매 R410A 이상 유동 패턴을 정량적으로 구분하는 데에도 사용된다. 본 논문은 유동 가시화 이미지와 지도 학습(supervised learning, SL), 컨볼루션 신경망(convolutional neural network, CNN)과 같은 머신러닝 기법을 이용하여 새로운 유동 패턴 맵(map) 제안하였다. 이 패턴 맵을 사용하면, CNN에 의해 자동으로 얻어진 각 패턴 성분에 대한 확률을 이용하여 유동 패턴을 정량적으로 표현할 수 있다. 이는 특히 과도 패턴(transitional pattern) 을 구분하는데 장점을 가지는데, 과도 패턴의 경우 여러 패턴의 특성이 동시에 나타남에도 불구하고 기존 연구에서는 하나의 패턴만으로 구분하거나, '과도 패턴'이라는 이름 그대로 정의해 왔다. CNN을 이용한 패턴 맵을 제작하기 위해, 공기∙물 이상 유동을 가시화한 후, 관찰자의 주관으로도 확실하게 구분되는 유동 패턴 이미지를 먼저 선정하여 이를 정답으로 인식하게끔 CNN을 학습시켰다. 학습이 끝난 후 학습된 CNN을 다시 이용하여 이상 유동 패턴 구분을 진행하였으며, 그 결과로 8가지 주요 유동 패턴에 대한 확률을 얻을 수 있다. 또한 본 연구에서 제작한 패턴 맵은 기존의 Coleman 맵과 비교했을 때 대부분의 영역에서 거의 일치한 패턴 구분을 보였다. 에어컨 시스템 중, 다중분할 ASHP는 여러 공간의 냉난방에 모두 사용되며, 때문에 EEV가 실내기(indoor unit, IDU)에도 위치하면서 냉매의 이상 유동 소음을 증가시켰다. 본 연구에서는 4개의 IDU가 있는 다중분할 ASHP가 난방 사이클(cycle)이 작동되는 동안, IDU 내부 EEV 근처의 냉매 R410A 이상 유동 패턴과 소음을 실험적으로 조사하였다. 온도 24–38 ° C, 압력 1.7–2.7 MPa, 질량 유량 6.2–41.9 kg/h의 과도 작동(transient operation) 조건에서 EEV 배관 레이아웃을 변화시켜, 이상 유동 패턴 및 소음에 대한 영향을 조사하였다. 그 결과, 공통적으로 EEV의 냉매 이상 유동 소음은 EEV의 입구 및 출구의 이상 유동 패턴에 큰 영향을 받으며, 특히 EEV 입구에 intermittent나 churn/slug 유동이 나타날 때 큰 소음이 발생하였다. 또한 본 연구에서는 수직 배관 레이아웃에서의 소음이 수평 레이아웃 보다 더 작게 나타났다. 이는 기존의 냉장고나 R22용 에어컨과는 다른 결과로, R410A를 사용하는 난방(heating) 사이클이 냉장고나 R22용 에어컨보다 높은 압력 및 질량 유속(mass flux) 조건에서 작동하기 때문에, 그에 따라 EEV 근처에 소음에 유리한 유동 패턴이 나타나기 때문인 것으로 예상된다. 이상 유동 패턴은 배관 레이아웃, 위상 및 작동 조건에 따라 달라짐을 인지해야 하며, 냉매 소 음 감소를 위한 설계 시 중요한 요인 중 하나로 고려해야 한다. 또한, 팽창 장치에서 발생하는 이상 유동은 에어컨의 냉매 소음의 주요 원인 중 하나이다. 다중 분할 ASHP의 냉난방 겸용에 따라, IDU에 EEV가 포함되면서 소비자에게 소음이 더 잘 들리는 환경이 되었다. 이 소음을 저감하기 위해, EEV에 허니컴 구조물과 다공성 금속을 유동 컨디셔너로서 적용하여 이상 유동과 그에 따른 소음을 실험적으로 조사하였다. 그 결과, 허니컴과 다공성 금속의 적용은 이상 유동을 보다 안정적이고 균일하게 만들었으며, 세 가지 작동 모드에 대해서 소음이 저감되고, 소음 발생 주파수가 변화하기도 하였다. 실제 제품의 과도 작동에 적용한 결과에서도 마찬가지로 소음이 저감되 는 것을 확인하였다.
This thesis addresses the flow pattern classification and flow-induced noise reduction of a gas-liquid two-phase flow by using the flow visualization and machine learning (ML). Gas-liquid two-phase flows are often observed throughout the industrial and engineering systems, and not only act imperative roles but also involve crucial problems. These roles, problems, and important parameters of two-phase flow are severely affected by flow patterns, which can be classified using ML techniques that have recently been recognized as useful tools for the flow pattern classification. Furthermore, among these problems, the refrigerant induced noise of a two-phase flow is an important issue for residential air conditioners (ACs) with respect to both thermal and acoustic comfort. Hence, this work addresses the classification of two-phase flows by using the flow visualization images and ML techniques. This thesis also focuses on the noise reduction and flow pattern visualization of the two-phase flow of refrigerant R410A near the electric expansion valve (EEV) in a multi-split air-source heat pump (ASHP) by varying the pipe layout and by applying a flow conditioner. The ML techniques and flow visualization images are applied to quantitatively identify two-phase flow patterns of refrigerant R410A. A new flow pattern map is proposed for classifying horizontal two-phase flow patterns by using flow visualization images and ML techniques, including supervised learning (SL) and a convolutional neural network (CNN). By using presented pattern map, the flow pattern can be quantitatively identified based on pattern component probabilities that were automatically estimated by the CNN. This feature of the pattern map has advantages in identifying transitional patterns that have been defined as a single pattern in previous pattern maps despite exhibiting combined features for multiple patterns. To produce a pattern map using the CNN, we visualized an air-water two-phase flow and selected images that vividly show the characteristics of the major patterns that were sufficiently distinguishable by observation. CNN was trained by applying these selected images as the answer. Pattern classification was then performed using the trained CNN, and a pattern map was created from the eight major flow pattern probabilities. It was observed that most of the patterns predicted by the CNN pattern map are in good agreement with the Coleman map results for a small horizontal pipe. Among air-conditioning systems, multi-split ASHPs have been widely used for both heating and cooling. An EEV is frequently positioned in the indoor unit (IDU), thus leading to an increase in the two-phase flow noise of the refrigerant. In this study, we experimentally investigated the two-phase flow patterns and flow-induced noise of refrigerant R410A near the EEV in an IDU during the heating cycle of a multi-split ASHP with four IDUs. The flow-induced noise and two-phase flow patterns for horizontal and vertical pipe layouts near the EEV were simultaneously measured under a transient operation condition of temperatures (24–38 °C), pressures (1.7–2.7 MPa), and mass flowrates (6.2–41.9 kg/h). Substantial noise near the EEV was generated for an intermittent flow and a churn/slug flow pattern at the EEV inlet for both horizontal and vertical pipe layouts, respectively. Unlike refrigerators and cooling ACs, a vertical pipe layout exhibits two-phase flow patterns that are advantageous for noise reduction near the EEV because of the high operating mass flux and pressure for R410A in the heating cycle of a multi-split ASHP. The two-phase flow-induced noise of the refrigerant near the EEV was strongly affected by the flow patterns at the EEV's inlet and outlet. The present study indicates that the flow patterns, which are affected by pipe layout, phase properties, and operating conditions, should be considered as one of the important factors in designing a refrigerant system of reduced noise. Moreover, the two-phase flow, particularly generated in the expansion device, is a primary cause of the refrigerant-induced noise of an air-conditioning system. The IDU of a multi-split ASHP for both heating and cooling must include an EEV
therefore, consumers have perceived the increased noise. To reduce this noise, we experimentally investigated the two-phase flow and consequent noise by applying a honeycomb and a porous metal as a flow conditioner to a vertical-layout EEV in the IDU of multi-split ASHP. Flow conditioning near the EEV with the honeycomb and porous metal made the two-phase flow steadier and more uniform, leading to reduced noise and frequency control for the three heat operation modes. The noise reduction was also verified in the transient operating modes of a real IDU.
URI
http://dcollection.hanyang.ac.kr/common/orgView/000000110381http://repository.hanyang.ac.kr/handle/20.500.11754/109066
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > MECHANICAL CONVERGENCE ENGINEERING(융합기계공학과) > Theses (Ph.D.)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE