珊瑚细砂热物理参数简化预测模型及其试验装置和方法

1.本发明属于土木、岩土工程中砂土热物理参数研究技术领域，尤其涉及一种珊瑚细砂热物理参数简化预测模型及其试验装置和方法。
2.珊瑚岛礁以其独特的战略地位、丰富的油气资源及生物资源在国家经济发展、资源开发和国防建设中占有重要地位。随着珊瑚礁海域的石油开发、填海工程与淡水资源开采等建设需要，人们逐渐认识到研究珊瑚细砂这种特殊岩土介质的重要性，继而对珊瑚细砂的物理力学性质和工程应用等有了更深的研究。
3.在热物理方面，相同干密度条件下，珊瑚细砂导热系数随含水率的增加而上升；不同干密度条件下，干密度越大，珊瑚细砂导热系数越高，导热性能越好。岩土体的体积热容，组成上等于单位体积的固、液、气各组分热容之和，体积比热容呈现随含水率及干密度的增大而增大。干密度越大促使颗粒间接触热减小，导温性能更好，随着热扩散系数小的液相增多，珊瑚细砂热扩散系数增幅逐渐平缓并呈下降趋势。热物理参数与含水率、干密度的影响规律，是建立考虑水力、热力学特性相互影响的砂土模型，进行砂土固液耦合分析等研究的基础；基于常温条件下论证各类砂土的热物理参数经典模型与珊瑚细砂的线性关系具有重要的意义。对于常温条件下的热物理参数，目前一般通过建立与孔隙比的经验关系进行预测，这种方法对相关机理研究不够深入，不同介质预测值也相差较大，预测精度有待提高。
4.因此，本发明将以测试试验获取完整、可靠的数据为前提，提出一种珊瑚细砂热物理参数的简化预测模型，快捷获取珊瑚细砂的导热系数、体积比热容和热扩散系数，以期为中国南海岛礁珊瑚砂导热机理研究和后续的预测发展技术提供一定的的基础数据和参考价值。


技术实现要素：

5.本发明的目的就是针对现有技术的不足，基于导热系数、体积比热容、热扩散系数已有模型，进行试验实测校核和线性修正，提供一种珊瑚细砂热物理参数简化预测模型及其试验装置和方法，克服了现有热物理参数获取以试验为主、工作繁琐缓慢和适用性不足等缺点，方便快捷地获取珊瑚细砂的热物理参数。
6.本发明的目的是是这样实现的，具体地说：
7.一、珊瑚细砂热物理参数简化预测模型
8.适用于常温下珊瑚细砂热物理参数的简化预测模型如下：
9.1、基于gangadhara rao导热系数模型，通过试验实测校核和线性修正提出一种适用于珊瑚细砂的导热系数简化预测模型：
[0010][0011]
公式(1)式中：ρd为干密度(g/cm3)；ω为含水率(％)；待定系数b＝53.75-127.462ρd+ 100.857ρ
d2-26.667ρ
d3
；
[0012]
2、选取de vries模型进行体积比热容预测分析，通过试验实测校核和线性修正提出适用于珊瑚细砂的体积比热容简化预测模型：
[0013]
c＝0.22199+0.70217
×
(ρbcs+ρ
ωcω
θ)
ꢀꢀꢀ
(2)
[0014]
公式(2)中：ρb为土壤体积质量(kg/m3)；cs为质量热容(珊瑚礁砂质量比热容：0.793 kj/(kg
·
k))；ρ
ωcω
为常温下水的热容量(4.18mj/(m3·
k))；θ为土壤体积含水率(m3/m3)，ρ
ω
为水的密度(1000kg/m3)；
[0015]
3、选取baoming dai模型进行热扩散系数预测分析，通过试验实测校核和相关参数拟合提出适用于珊瑚细砂的体积比热容简化预测模型：
[0016]
d＝aρd+bρ
d2-21.405ρ
d3
+5.46ρ
d4
+c
ꢀꢀꢀ
(3)
[0017]
公式(3)中：ρd为干密度(kg/m3)，a、b、c均为拟合相关参数，珊瑚细砂二元拟合相关参数取值如表1。
[0018]
表1 珊瑚细砂拟合相关参数表达式
[0019][0020]
表中：ω为质量含水率(％)，ρd为干密度(kg/m3)。
[0021]
由此可见，基于导热系数、体积比热容和热扩散系数已有模型，进行试验实测校核和线性修正，能快捷获取，克服了现有热物理参数获取以试验为主、工作繁琐缓慢，预测模型在珊瑚细砂适用性不足等缺点，方便快捷的获取珊瑚细砂的热物理参数，对中国南海岛礁隔热、控温工程设计以及珊瑚砂热物理特性研究有着重要的意义。
[0022]
二、珊瑚细砂热物理参数试验装置。
[0023]
本装置包括被测对象——珊瑚礁砂；
[0024]
设置有模拟单元和采集单元；
[0025]
模拟单元由降雨装置和砂箱组成；
[0026]
采集单元由三参数传感器、数据采集器和电脑组成；
[0027]
其位置和连接关系是：
[0028]
在砂箱内的底部装有珊瑚礁砂，在砂箱的顶部装有降雨装置，置于支架上；
[0029]
三参数传感器插入珊瑚礁砂中，监测体积含水率和温度的变化；
[0030]
三参数传感器、数据采集器和电脑依次连接，实现自动测量。
[0031]
三、珊瑚细砂热物理参数预测方法
[0032]
本方法包括下列步骤：
[0033]
①
将装置放置在水平地面上，检查各部件功能均能正常工作；
[0034]
②
将提前配好的珊瑚细砂放入砂箱中压实；
[0035]
③
从砂箱顶端注水令水位逐渐缓慢升高，使得砂箱内珊瑚礁砂充分饱水；
[0036]
④
将土壤三参数传感器从砂箱右侧插入珊瑚细砂；
[0037]
⑤
打开砂箱的出水阀，监测温度及含水率变化情况；
[0038]
⑥
关闭降雨装置，记录实验数据并采用珊瑚细砂热物理参数简化预测模型计算参数。
[0039]
本发明具有下列的优点和积极效果：
[0040]
①
可以设置雨强及干密度多个变量，能全面地对雨水入渗特性及热物理规律进行研究；
[0041]
②
操作简单，不需要太多繁琐步骤；
[0042]
③
适用于雨水入渗导致珊瑚细砂不同层位导热性能变化规律的相关试验；
[0043]
④
对中国南海岛礁隔热、控温工程设计以及珊瑚细砂热物理特性研究有着重要的意义。
附图说明
[0044]
图1是本装置的结构方框图；
[0045]
图2是本装置的结构示意图；
[0046]
图3是模拟单元10的结构示意图；
[0047]
图4是降雨装置11的结构示意图；
[0048]
图5是砂箱12的结构示意图；
[0049]
图6是采集单元20的结构示意图。
[0050]
图中：
[0051]
00—珊瑚礁砂。
[0052]
10—模拟单元，
[0053]
11—降雨装置；
[0054]
110—支架，111—储水箱，112—控水阀，113—雾化喷头，114—雨罩，
[0055]
115—流量计，116—软管，117—水泵；
[0056]
12—砂箱，
[0057]
120—砂箱箱体，121—砂箱三参数传感器孔口，122—砂箱排水口，
[0058]
123—砂箱排水阀，124—滑轮。
[0059]
20—采集单元，
[0060]
21—三参数传感器；
[0061]
22—数据采集器；
[0062]
23—电脑。
[0063]
英译汉：
[0064]
1、gangadhara rao：是模型名称，模型名称以作者本人名字命名。
[0065]
2、de vries：是模型名称，模型名称以作者本人名字命名。
[0066]
3、baoming dai：是模型名称，模型名称以作者本人名字命名。
具体实施方式
[0067]
下面结合附图和实施例详细说明：
[0068]
一、简化预测模型
[0069]
基于导热系数、体积比热容和热扩散系数已有模型，进行试验实测校核和线性修正。
[0070]
1、导热系数模型选取如下9种模型：
[0071]
1)kersten模型：
[0072][0073]
公式(1)中：k为导热系数(w/m
·
k)；ω为含水率(％)；ρd为干密度(g/cm3)。
[0074]
2)johansen模型：
[0075][0076]
公式(2)中：k
water
、k
solid
分别为水和珊瑚礁砂的导热系数；n为孔隙率；ρd为干密度(g/cm3)； sr为饱和度。
[0077]
3)cote&konrad模型：
[0078][0079]
公式(3)中：k
water
、k
solid
分别为水和珊瑚礁砂的导热系数；n为孔隙率；x和η为考虑了土种类和颗粒形状对干土导热系数影响的参数，根据本文珊瑚细砂试验数据建议x＝0.92，η＝1.34；κ为反映土体种类不同对k
r-sr关系的影响系数，通过试验数据拟合建议珊瑚细砂取值为3.79。
[0080]
4)donazzi模型：
[0081][0082]
公式(4)中：k
water
、k
solid
分别为水和珊瑚礁砂的导热系数；n为孔隙率；ρd为干密度(g/cm3)； sr为饱和度。
[0083]
5)gangadhara rao模型：
[0084][0085]
公式(5)中：ρd为干密度(g/cm3)；ω为含水率(％)；b的取值与土种类有关，珊瑚细砂建议取值b＝0.104。
[0086]
6)lu模型：
[0087][0088]
公式(6)中：k
water
、k
solid
分别为水和珊瑚礁砂的导热系数；n为孔隙率；a和b为确定
干土热传导系数的参数，根据珊瑚细砂拟合数据建议分别取a＝0.77和b＝0.84；α反映土种类对kersten变量的影响，针对珊瑚细砂取0.98；sr为饱和度。
[0089]
7)chen模型：
[0090]
公式(7)中：k
water
、k
solid
分别为水和珊瑚礁砂的导热系数；n为孔隙率；sr为饱和度； b、c均为经验参数，针对珊瑚礁砂的建议取值分别为b＝0.132和c＝1.725
[0091]
8)付慧丽模型：k＝0.0209ω+0.2051
ꢀꢀꢀ
(8)
[0092]
公式(8)中：ω为含水率(％)。
[0093]
9)杨二静模型：k＝0.9784ω
0.3008
+0.0224e
0.0453t
+0.0055
ꢀꢀꢀ
(9)
[0094]
公式(9)中：ω为含水率(％)，e为孔隙比，t为温度(℃)。
[0095]
体积比热容模型选取如下2种模型：
[0096]
10)de vries模型：
[0097]
c＝ρbcs+ρ
ωcω
θ
ꢀꢀꢀ
(10)
[0098]
11)xiaoming xu模型：
[0099][0100]
热扩散系数模型选取如下：
[0101]
12)baoming dai模型：
[0102]
d＝a+bω+cω2+dω3+eρd+fρ
d2
ꢀꢀꢀ
(12)
[0103]
式中：ω为质量含水率(％)，ρd为干密度(kg/m 3
)，a、b、c、d、e、f均为拟合相关参数。
[0104]
对各导热系数模型、体积比热容模型、热扩散系数模型与基本参数相关系数进行列举分析，同时结合实测数据与预测数值分析比较，择选出最优模型进行修正，以适于热物理参数预测模型。
[0105]
13)基于gangadhara rao模型预测值与实测值最为接近，伴随干密度增大，模型曲线分布形式及实测数据数值愈发集中。因此，择选gangadhara rao模型进行修正，提出一种适用于珊瑚细砂的导热系数简化预测模型：
[0106][0107]
公式(13)式中：ρd为干密度(g/cm3)；ω为含水率(％)；待定系数b＝53.75-127.462ρd+ 100.857ρ
d2-26.667ρ
d3
。
[0108]
14)基于实测数据与de vries模型相关系数更高，通过试验实测校核和线性修正提出适用于珊瑚细砂的体积比热容简化预测模型：
[0109]
c＝0.22199+0.70217
×
(ρbcs+ρ
ωcω
θ)
ꢀꢀꢀ
(14)
[0110]
公式(14)中：ρb为土壤体积质量(kg/m3)；cs为质量热容(珊瑚礁砂质量比热容：
0.793 kj/(kg
·
k))；ρ
ωcω
为常温下水的热容量(4.18mj/(m3·
k))；θ为土壤体积含水率(m3/m3)，ρ
ω
为水的密度(1000kg/m3)。
[0111]
15)选取baoming dai模型进行热扩散系数预测分析，通过试验实测校核和相关参数拟合提出适用于珊瑚细砂的体积比热容简化预测模型：
[0112]
d＝aρd+bρ
d2-21.405ρ
d3
+5.46ρ
d4
+c
ꢀꢀꢀ
(15)
[0113]
公式(15)中：ρd为干密度(kg/m3)，a、b、c均为拟合相关参数，珊瑚细砂二元拟合相关参数取值如表1。
[0114]
表1 珊瑚细砂拟合相关参数表达式
[0115][0116]
表中：ω为质量含水率(％)，ρd为干密度(kg/m3)。
[0117]
下面以珊瑚细砂的实验数据为基础，本节对热物理参数模型与基本参数相关系数一一列举比较，进而分析对导热系数贡献占比最突出的影响因素，并根据相关系数大小并结合图像择选出最优模型进行修正，以适于热物理参数预测模型。其主要数据指标见表2、表3和表4。
[0118]
下面结合具体实例对本发明作进一步描述：
[0119]
试验所需试样来源于中国南海海域某珊瑚礁岛。室内初步试验发现不同粒径的珊瑚砂导热系数随含水率、干密度变化的趋势大致相同，且粒径均匀的珊瑚细砂热参数离散性小，规律性强，因而在随后的试验中均通过筛分，选取粒径0.075～0.25mm的珊瑚细砂进行热参数试验测试。经测试珊瑚细砂比重2.81，干密度1.156～1.554g/cm3，孔隙率0.448～0.591，饱和含水率23.1％～41.1％，因而配制不同干密度和含水率的试样，且在低含水率(0～10％)下含水率变化率设置δω＝0.5％，之后以δω＝1.0％至含水率30％。
[0120]
实施例1：
[0121]
从表2中易看出导热系数与饱和度相关系数最高，且与含水率相关系数较为接近，其次导热系数与天然密度相关性较大，和干密度相关性最小。本文实测数据与cote&konrad模型相关系数最高，与gangadhara rao模型相关系数最低，但去除gangadhara rao模型在低含水率的无效导热系数值，模型预测值与实测值最为接近，因此，择选gangadhara rao模型进行修正。
[0122]
表2 珊瑚细砂导热系数模型与基本参数的相关系数
[0123][0124]
实施例2：
[0125]
由表3可看出，珊瑚细砂体积比热容与饱和度相关系数最大，含水率相关系数与其接近程度大于导热系数，分析认为是水分体积热容居于三相之首，含水率对饱和度的占比贡献更大，因而饱和度相关系数与含水率相关系数更为接近，实测数据与de vries模型相关系数更高。故而对de vries模型进行线性修正，推算出计算珊瑚细砂体积热容的预测模型。
[0126]
表3 珊瑚细砂体积比热容模型与基本参数的相关系数
[0127][0128]
实施例3：
[0129]
选用baoming dai模型，代入实测数据对模型相关系数进行二元拟合，从表4易看出模型相关系数与干密度相关性最大，天然密度次之，再者饱和度，含水率最小，且较导热系数和体积比热容而言，热扩散系数与含水率和饱和度相关系数均大幅降低。缘于气相热扩散系数最大而液相最小，液相对珊瑚细砂热扩散系数贡献占比骤减。
[0130]
表4 珊瑚细砂热扩散系数模型与基本参数的相关系数
[0131][0132]
二、装置
[0133]
1、总体
[0134]
如图1、2，本装置包括被测对象——珊瑚礁砂00；
[0135]
设置有模拟单元10和采集单元20；
[0136]
模拟单元10由降雨装置11和砂箱12组成；
[0137]
采集单元20由三参数传感器21、数据采集器22和电脑23组成；
[0138]
其位置和连接关系是：
[0139]
在砂箱12内的底部装有珊瑚礁砂00，在砂箱12的顶部装有降雨装置11，置于支架上；
[0140]
三参数传感器21插入珊瑚礁砂00中，监测体积含水率和温度的变化；
[0141]
三参数传感器21、数据采集器22和电脑23依次连接，实现自动测量。
[0142]
2、功能单元
[0143]
1)模拟单元10
[0144]
如图3，模拟单元10由降雨装置11和砂箱12组成；
[0145]
(1)降雨装置11
[0146]
如图4，降雨装置11包括支架110、储水箱111、控水阀112、雾化喷头113、雨罩114、流量计115、软管116和水泵117；
[0147]
其位置和连接关系是：
[0148]
在储水箱111内设置有水泵117，在支架110上设置有雨罩114和雾化喷头113，雾化喷头113对准储水箱111；
[0149]
水泵117、流量计115、控水阀112、雨罩114和雾化喷头113通过软管116依次连接。
[0150]
其功能是：对珊瑚礁砂00进行降雨，储水箱111提供水量，水泵117提供水动力，控水阀112控制雨量大小，并用流量计115统计过水量，降雨装置11全程用软管116连接，支架 130的高度实现喷头113在不同高度处对珊瑚礁砂00进行降雨。
[0151]
(2)砂箱12
[0152]
如图5，砂箱12包括砂箱箱体120、砂箱三参数传感器孔口121、砂箱排水口122、砂箱排水阀123和滑轮124；
[0153]
其位置和连接关系是：
[0154]
砂箱箱体120是一种顶部开口的长方体容器，在砂箱箱体120的右侧，从上到下，设置有依次排列的3个砂箱三参数传感器孔口122；
[0155]
在砂箱箱体120的后侧底部还设置有砂箱排水口125及砂箱排水阀126；
[0156]
砂箱12位于降雨箱11下方。
[0157]
其功能是：放置珊瑚礁砂00，是试验进行的主体，右侧砂箱三参数传感器孔口121供插入三参数传感器21使用。
[0158]
2)采集单元20
[0159]
如图6，采集单元20包括三参数传感器21、数据采集器22和电脑23；
[0160]
其连接关系是：
[0161]
三参数传感器21通过砂箱12右侧的砂箱三参数传感器孔口122插入珊瑚礁砂00中，测量电导率、温度和体积含水率；
[0162]
数据采集器22对三参数传感器21测到的数据进行采集并传送到电脑23；
[0163]
电脑23显示采集的数据；
[0164]
降雨结束后对砂箱12热物理规律进行探究和分析。
[0165]
3、工作机理：
[0166]
本装置模拟循环降雨不同地层深度的珊瑚礁砂00水分运移。
[0167]
试验开始，在砂箱三参数传感器孔口121处测量珊瑚礁砂00初始体积含水率及温度值，随后将砂箱12后侧的砂箱排水阀126开启，使用降雨装置11均匀喷洒珊瑚礁砂00。
[0168]
当雨水到达最顶处三参数传感器孔口121时，停止降雨，采用珊瑚细砂热物理参数简化预测模型计算珊瑚礁砂00热物理参数值。
[0169]
继续降雨，当雨水到达第二处三参数传感器孔口121时，停止降雨，采用珊瑚细砂热物理参数简化预测模型计算顶处及二层处珊瑚礁砂00热物理参数值。
[0170]
继续降雨，当雨水到达第三处三参数传感器孔口121时，停止降雨，采用珊瑚细砂热物理参数简化预测模型计算三处珊瑚礁砂00热物理参数值。
[0171]
随后再次模拟降雨，在砂箱排水口125有水分流出视为砂层完全饱和，停止降雨，采用珊瑚细砂热物理参数简化预测模型计算三处珊瑚礁砂00热物理参数值。
[0172]
砂箱12右侧插入的三参数传感器21，可以采集降雨、直至水分充满砂层时整个含水率及温度变化。
[0173]
试验后通过记录下的数据，利用绘图软件，可以统计、计算和分析降雨入渗过程中珊瑚礁砂00水分运移与导热性能变化的过程。
[0174]
三、方法
[0175]
在砂箱内可放置不同干密度的珊瑚细砂，随后启动降雨装置，三参数传感器置入砂箱内可时时监测不同深处的砂层温度和体积含水率，在砂层未完全饱和时，由于雨水是由上至下渗透，因而砂箱不同深度处的体积含水率不一样，因而不同砂层处导热性能不尽相同，此时便采用本发明提出的导热系数模型k和体积比热容模型c以及热扩散系数模型d，基于干密度是已知量，可自行控制，含水率由传感器可测得，因而将干密度和含水率代入三大模型中，便可求取不同深度处的导热系数、体积比热容和热扩散系数，进行此模型试验的目的是为进一步探究并反映降雨对不同砂层深度导热性能的影响的现实意义。