唐国智 汪垒 李顶根†

1) (华中科技大学能源与动力工程学院, 武汉 430074)

2) (中国地质大学(武汉)数学与物理学院, 武汉 430074)

多孔介质在工程领域中的应用非常广泛, 其中有效导热率和孔隙率为多孔介质材料非常重要的性质, 得到一个符合需要的有效导热率和孔隙率的多孔介质材料具有重要意义.本文使用四参数随机生成方法制作了训练数据集, 搭建了一个条件生成对抗网络(CGAN), 使用预定的有效导热率和孔隙率作为输入, 生成一个满足输入条件的多孔介质结构.特别地, 由于多孔介质的孔隙结构分布对材料的有效导热率影响巨大, 提出局部结构损失函数参与网络训练, 使得网络更好地学习到孔隙分布与导热率之前的关系.通过使用格子Boltzmann 方法验证神经网络生成的多孔介质结构的有效导热率, 结果表明该方法能够快速且准确地生成预定参数的多孔介质结构.

1 引 言

多孔介质在工程领域的应用非常广泛, 其有效导热率是衡量多孔介质传热能力的重要物理参数.一般而言, 导热率高的多孔介质可以用于制作散热器件[1,2], 而导热率低的多孔介质可用于制作热阻器件[3,4].据此, 研究多孔介质微观结构与其宏观表征参数(例如有效导热率)的关系对探究多孔介质内流体输运过程具有重要的科学意义和现实价值[5].

目前, 国内外已有许多研究人员从表征体元尺度和孔隙尺度对多孔介质内流体输运问题开展了研究[6,7], 结果表明多孔介……