基于人工神经网络的滴膜共存冷凝传热模型地研究.pdfVIP

中国工程热物理学会 传热传质学 2003年学术会议 编号：033093 基于人工神经网络的滴膜共存 冷凝传热模型的研究 马学虎李香琴陈嘉宾 大连理工大学化学工程研究所大连116012 Tel：0411—36761 64，Email：xuehuma@dlut．edu．cn 摘要：为了研究影响滴膜共存冷凝传热特性的因素．如滴膜区间面积比、滴膜相对位置、表面分割方 式．表面过冷度等对冷凝传热的特性共同作用，本文应用人工神经网络技术，建立表面分割数、滴膜 区面积比、凝液环数、表面过冷度与强化传热比之间的综合评价预测模型．结果表明，基于yatlab 语言的人工神经网络模型具有较高的预测准确率及泛化能力，能够很好的评价和预测不同条件下的冷 凝传热特性． 关键词：滴膜共存冷凝，传热速率，冷凝传热特性．神经网络 1．引言 滴状冷凝具有很高的传热速率，其冷凝传热系数是膜状冷凝的几倍至几十倍。但是， 由于长期维持滴状冷凝表面制备技术的限制，该技术距工业化应用还有一定的距离。滴 膜共存表面也是强化冷凝传热很实用的技术，是滴状冷凝传热过程全面工业化的过渡阶 段。所以，研究滴膜共存表面强化冷凝传热的特性具有重要的理论意义和实用价值。由 于冷凝传热效果和许多因素有关，例如滴膜区间的面积比、滴膜相对位置、表面分割方 式等，因此对于冷凝传热特性的研究是一个复杂的过程。 自从本世纪30年代发现滴状冷凝这种高效换热方式以来，许多研究者就滴状冷凝的 传热机理、实现滴状冷凝的低表面能的表面制备和滴状冷凝的工业化等课题进行了大量 的研究。但是，由于长期维持滴状冷凝表面制各技术的限制，该技术距工业化应用还有 一定的距离。滴膜共存表面也是强化冷凝传热很实用的技术[1]，是滴状冷凝传热过程 全面t业化的过渡阶段。所以，研究滴膜共存表面强化冷凝传热的特性具有重要的理论 意义与实用价值。 Kumagai等“”以及马学虎”1等先后报道了不同分割时滴膜共存冷凝传热的实验研 究结果。影响滴膜共存冷凝传热特性的主要因素包括：(1)滴膜相对位置；(2)滴膜区 之间的面积比：(3)液滴尺寸分布：(4)表面分割方式；(5)表面过冷度；(6)操作条 件等。各种因素对冷凝传热特性的研究应该是多变量的相互协同的作用结果。人工神经 网络技术是解决这一类问题的有效方法之一。 ★国家自然科学基金(NO和教育部留学回国人员科研启动基金(教外司留[1999]747 号)资助． 2．人工神经网络滴膜共存冷凝传热模型 2．1屋自佳播厶工拉经网络 神经网络通过学习来解决问题，而不是通过编程。学习和训练几乎对所有的神经网 络来说都是最基本的。网络不是通过修改处理单元本身来完成训练过程，而是靠改变网 络中各连接的权重来学习的。对每一个处理单元而言，若假设其传递函数不变(在一般 情况下，训练过程中处理单元的传递函数是不变的)，其输出由两个因素来决定，即输 入数据和与此处理单元连接的各输入量的权重。因此若处理单元要学会正确地反映所给 数据的模式，唯一用以改善处理单元性能的元素就是连接的权重。在人工神经网络技术 中，最常用的方法是误差反向传播算法，即BP算法。 BP网络的产生归于BP算法的获得，是一种监督式的学习算法，即一种权值修正策略 的名称。为了使网络输出层的误差平方和达到最小，把输出层误差归结为连接层中各节 点间连接权值(及阈值)的“过错”。通过连续不断的在相对于误差函数斜率下降的方 向上计算网络权值(及阈值)的变化，而逐渐逼近目标的。每一次权值(及阈值)的变 化都与网络误差的影响成正比，并以反向传播的方式“分摊”给各连接层。 ． BP算法是由两部分组成：信息的正向传递与误差的反向传播。在正向传递过程中， 信息从输入层经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元 的状态。如果在输出层没有得到期望的输出，则计算输出的误差变化值，然后转向反向 传播。通过网络将误差信号沿原来的连接通路反向传回来以修改各层神经元的权值(及 阈值)，直至达到期望目标。 误差反传(学习算法)