基金自然科学基金(70671083)教育部"新世纪优秀人才支持计划"(NCET-07-0668)+5 种基金西安交通大学"985工程"二期重点项目(07200701)"长江学者"奖励计划长江学者和创新团队发展计划(IRT0855)美国Santa Fe Institute国际项目基金斯坦福大学联合资助项目陕西省社科基金(08H002)
文摘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。
