反向传播神经网络对多结构翅片管换热器变工况性能预测适应性研究

发布时间：2021-06-18 15:19

　　基于多结构翅片管换热器变工况实验数据,研究神经网络模型在水-空气翅片管换热器性能预测方面的可行性.建立2排管、3排管翅片管换热器在制冷、制热工况下的反向传播神经网络模型,优化并确定单隐含层和双隐含层情况下较优的网络结构,模型预测误差达到1%左右.以指定结构翅片管换热器数据作为测试集,对比单隐含层和双隐含层网络模型在性能预测方面的效果.研究结果表明:对于制冷工况,双隐含层模型不能提高模型精度,反而会因为过拟合导致部分参数的预测精度降低;对于制热工况,双隐含层模型在预测结果精度上有明显的提高. 

【文章来源】：上海交通大学学报. 2020,54(07)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

翅片管换热器模型

制冷工况下的神经网络拓扑结构图

制热工况下的神经网络拓扑结构图

【参考文献】：
期刊论文
[1]圆柱型翅片管换热器变工况传热性能模拟与分析[J]. 曾炜杰,谷波,李强林.  制冷学报. 2019(02)
[2]基于遗传算法和BP神经网络的多联机阀类故障诊断[J]. 郭梦茹,谭泽汉,陈焕新,郭亚宾,黄耀.  制冷学报. 2018(02)
[3]不同回路结构表冷器的变工况性能分析[J]. 冯梦怡,曾炜杰,谷波.  流体机械. 2017(09)
[4]受限空间中翅片管换热器的性能分析[J]. 张杰,谷波,方继华.  制冷学报. 2014(02)
[5]湿工况下翅片管换热器空气侧热质传递的数值模型[J]. 韩维哲,丁国良,胡海涛,庄大伟.  上海交通大学学报. 2013(03)



本文编号：3236901