基于 RBF神经网络的水平光管内R407C流动沸腾换热预测

摘要：

基于 RBF神经网络建立了水平光管内混合工质 R407C流动沸腾换热的预测模型,以质流密度(G),热通量(q),干度(x),饱和温度(Tsat)和光管内径(D)作为网络输入,流动沸腾换热系数(h)作为网络输出,神经网络模型通过训练学习,对水平光管内 R407C的流动沸腾换热系数进行预测,经实验数据验证,预测结果与实验结果吻合较好,网络预测的平均误差为-0.9%,绝对误差为5.5%,均方根误差为10.9%,并且网络预测结果与四个传统关联式的计算结果相比有了明显的改善.由此说明该模型适用于水平光管内 R407C的流动沸腾换热预测,对采用 R407C制冷系统管式蒸发器的优化设计具有一定的指导意义

关键词：混合工质、沸腾换热、RBF神经网络、预测模型、误差

分类号：TK124(热力工程、热机)

在线出版日期：2012-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：57-60