基于人工神经网络的微重力流动冷凝换热预测

TK124; 微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型.文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型.选取误差反向传播(Back propagation,BP)和径向基函数(Radial basis function RBF)两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出.结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32％;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35％.相对于BP神经网络,RBF...

Full description

Saved in:
Bibliographic Details
Published in南京航空航天大学学报 Vol. 53; no. 6; pp. 989 - 995
Main Authors 陈亚琴, 彭浩, 冯诗愚
Format Journal Article
LanguageChinese
Published 上海海事大学航运仿真技术教育部工程研究中心,上海 201306%南京航空航天大学航空学院飞行器环境控制与生命保障工业和信息化部重点实验室,南京 210016 01.12.2021
Subjects
微重力;流动冷凝;换热系数;反向传播神经网络;径向基函数神经网络
Online AccessGet full text
ISSN1005-2615
DOI10.16356/j.1005-2615.2021.06.019

Cover

More Information
Summary:TK124; 微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型.文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型.选取误差反向传播(Back propagation,BP)和径向基函数(Radial basis function RBF)两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出.结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32％;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35％.相对于BP神经网络,RBF神经网络精度更高.基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94％的实验值和数值模拟结果的相对误差在±10％以内.
ISSN:1005-2615
DOI:10.16356/j.1005-2615.2021.06.019