新型矿用管芯式散热器热工性能的预测方法.pdfVIP

学兔兔 过试验获得了管芯式散热器的阻力预测模型并编制 时对应的m值。利用神经网络方法的基本思路，先 了计算程序，最后将各预测结果与散热器热工性能 确定预测目标，再分析影响预测目标的主要因素。主 试验的结果进行比较，取得了满意的结果。 要影响因素是神经网络预测模型的输入层，预测目 标是预测模型的输出层，建立预测模型后，初始化网 1 BP神经网络及其改进方法 络权值，通过网络的学习和训练完成对目标的预测。 神经网络是由大量处理单元(神经元)互相连接 2．1 影响散热器传热性能的主要因素 而成的网络，目前在人工神经网络的实际应用中，绝 散热器热工性能包括传热和阻力性能。管芯式 大部分模型采用的是BP网络或其变化形式。实际 散热器热量的传递过程如图1所示，Q 为水侧与壁 应用中，原始的BP算法很难胜任，因此出现了很多 面间的传热量，Q 为空气侧的散热量，当散热器处 的改进算法[21。在MATLAB神经网络工具箱中，函数 于稳定工作状态时，各参数基本不随时间变化，因此 trainbpx采用动量法和学习速率自适应调整两种策 可以忽略散热损失和轴向导热。衡量散热器传热能 基金项目：内蒙古自治区自然科学基金(200308020209) 作者简介：班淑珍(198o_-)，女，内蒙古乌兰察布人，在读硕士，助教，研究方向：热力系统优化设计。 ·— — 43—— 学兔兔 管壁厚 2．2 管芯式散热器阻力计算 2．2．1水侧阻力(沿程阻力)计算 2 ave--f,。L 热 d。 (5) 式中： 为水流速度；P为水的密度； 为水管长度；d 为水管直径；沿程阻力系数 可用下式计算： = [alnRe-b] (6) 式中：通过试验方法得到系数a．b的值t4]；Re为雷诺 数。 2．2．2 水侧阻力(局部阻力)计算 2 图1 敖热器传热示意图 △ · (7) 力好坏的物理量是传热系数K，换热面的传热系数 式中：局部阻力系数 的值由相应的测定值确定。 为常数。 水侧阻力由以上两部分阻力组成，即：