10.13738/j.issn.1671-8097.020110
基于BP神经网络的油冷器压降及换热量预测
油冷器作为发动机散热部件之一,压降和换热量是评估其性能的重要指标,但油冷器中传热与流动规律错综复杂,所以对其压降和换热量进行预测存在一定难度.提出了一种基于BP(back propagation)神经网络和特征工程的预测方法.该方法通过实验获得不同结构类型下冷油器数据,对样本数据进行插值和增强等方法解决样本量分布不均的问题,并根据相关性计算Shah-Focke关联式、Gray and Web关联式、A.R.Wiet-ing关联式等相关经验公式与实验结果相关性,并筛选出相关性最高的关联式来构造新特征,最后利用BP神经网络模型进行预测.结果表明,Shah-Focke关联式与实验结果相关性最高,且该经验公式特征的引入对模型有积极影响,预测精度提升50%,令压降预测误差为6%,换热量预测误差为4%.
油冷器、BP神经网络、性能预测
21
TB657(制冷工程)
2022-06-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
151-158