遗传神经网络对水平通道流动沸腾传热系数的预测

作者：章静; 丛腾龙; 苏光辉; 秋穗正

来源：原子能科学技术, 2015, 49(01): 70-76.

• BP神经网络
• 遗传神经网络
• 流动沸腾传热系数

分别采用3层反向传播神经网络(BPN)和遗传神经网络(GNN)预测从常规通道到微通道尺度范围内的管内流动沸腾传热系数,GNN的精度优于BPN的精度(均方根误差分别为17.16%和20.50%)。输入参数为含气率、质量流密度、热流密度、管径和物性,输出参数为传热系数。基于GNN预测结果,进行了参数趋势分析。对常规通道,传热系数随压力的增大而增大;对微通道,低压时传热系数受压力影响很小,高压、低含气率时,传热系数随压力的增大而增大,高压、高含气率时,传热系数随压力的增大而减小。传热系数随质量流密度、热流密度的增大而增大。随含气率的增大,传热系数先增大后减小;微通道发生烧干时的含气率较低。传热系数随管径的减小而增大;管径越小,越易发生烧干。

• 单位
  西安交通大学; 动力工程多相流国家重点实验室