In this study, the onset of flow instability (OFI) heat flux of a one-side heated swirl tube is experimentally investigated. The OFI heat flux means the minimum heat flux that can cause flow instability by the vapor generated in the flow path. An analysis of the effect of system parameters on the OFI heat flux indicates that as the pressure increases, the bubble size decreases. Therefore, the void fraction decreases and, consequently, the OFI heat flux tends to increase. Similarly, the higher the flow rate and degree of subcooling, the faster the vapor can be removed; thus, the OFI heat flux increases. In addition, the prediction performances of the existing OFI correlations developed under the subcooled flow-boiling condition are evaluated. Therefore, although the Wang correlation indicates the lowest error rate, it yields a high mean absolute error rate of 87.75%. Thus, it is difficult to predict the OFI heat flux of a one-side heated swirl tube using the existing OFI correlations. Therefore, in this study, a new correlation is developed using a Python code created by employing an artificial intelligence regression method. The developed correlation incorporates the impact of one-side heating, swirl tape, mass flow rate, subcooling, and pressure (mean absolute error = 12.17%, root mean square error = 14.99%).
本研究では、片側加熱された旋回管における流動不安定性（OFI）熱流束を実験的に調査した。OFI熱流束とは、流路内で発生する蒸気によって流動不安定性を引き起こす最小の熱流束を意味する。OFI熱流束に対するシステムパラメータの影響を分析した結果、圧力が増加すると気泡サイズが小さくなることが示された。したがって、ボイド率が減少し、その結果、OFI熱流束は増加する傾向にある。同様に、流量とサブクール度が高いほど、蒸気の除去が速くなり、OFI熱流束は増加する。さらに、サブクール沸騰条件下で開発された既存のOFI相関式の予測性能を評価した。その結果、Wang相関式が最も低い誤差率を示すものの、平均絶対誤差率は87.75%と高い値となった。したがって、既存のOFI相関式を用いて片側加熱された旋回管のOFI熱流束を予測することは困難である。そこで、本研究では、人工知能回帰手法を用いて作成したPythonコードにより、新しい相関式を開発した。開発した相関式は、片側加熱、旋回テープ、質量流量、サブクール度、圧力の影響を組み込んでおり、平均絶対誤差率は12.17%、二乗平均平方根誤差率は14.99%である。