基于神经网络的CO2两相引射器性能预测及优化研究.pdf

摘要

CO2引射器性能的优劣直接关系着跨临界CO2引射制冷系统的运行效率和节能

潜力。然而，CO2引射器受其自身物性和运行工况的影响，内部复杂流动很难准确

描述和精准测量。常规的模拟仿真和实验测试存在计算误差大、研究周期长、实验

费用高等问题，且无法有效预测引射器性能。本文提出一种基于GA-BP神经网络的

CO2两相引射器神经网络计算模型，准确快速地预测引射器在不同工况和结构参数

下的性能。并采用非支配排序遗传算法（Non-dominatedSortingGeneticAlgorithmII，

NSGA-II）对CO2两相引射器的性能进行综合优化，全面提升了引射器的引射比和㶲

效率。主要内容如下：

首先，在Fluent软件中采用均相平衡模型对CO2两相引射器内部流动特性进行

模拟计算，并通过单因素敏感度分析系统地探究了引射器的工况和结构参数对其性

能的影响。结果表明，引射器的进出口压力，喷嘴喉部直径，混合室直径以及喷嘴

距是影响引射器性能的关键参数。依据敏感度分析结果确定了工况和结构参数的取

值范围，并运用正交试验设计方法确定参数组合，构建神经网络模型的数据库。

其次，以工况参数和结构参数为输入变量，引射器的引射比和㶲效率为输出变

量，利用人工神经网络和遗传算法构建了引射器的BP神经网络模型和GA-BP神经

网络模型，使用测试集对以上两种神经网络模型性能进行评估和对比。结果显示，

GA-BP神经网络具有更高的精度优势和泛化能力（均方误差为0.0034，拟合度为

0.9766，测试集综合误差为15%以内）。

最后，以引射比和㶲效率作为目标函数，应用GA-BP神经网络和NSGA-II算法

对其进行优化，并运用熵权法获得最佳的CO2两相引射器性能指标及其优化结构参

数。在基础工况下，引射器最优结构参数为：喉部直径Dth：1.3mm、混合室长度Lmix：

42.5mm、混合室直径D：3.6mm以及扩压室直径D：14.3mm，扩压室角度α：

mixdiffd

6°，对应引射比为0.935，㶲效率为67.00%。通过均相平衡模型在此结构参数下的

模拟结果为：引射比为0.949，㶲效率为66.87%。优化结果能够很好地满足预期要求，

进一步显示了GA-BP代理模型和NSGA-II耦合形成的优化框架的优越性。本文所采

用的研究方法和获得的研究成果为CO2两相引射器性能的预测和优化研究提供一定

的参考价值。

关键词：CO2两相引射器；BP神经网络；GA-BP神经网络；正交试验；多目标优化

I

目录

摘要I

ABSTRACTII

1绪论1

1.1课题研究背景及意义1

1.2CO引射器的国内外研究现状2

2

1.2.1CO引射器理论研究2

2

1.2.2CO引射器结构优化5

2

1.2.3CO引射器实验研究7

2

1.3人工神经网络的国内外研究现状8

1.4主要研究内容和技术路线9

2CO2两相引射器CFD计算模型11

2.1数学模型11

2.1.1控制方程11

2.1.2湍流模型13

2.2几何模型13

2.3网格划分与无关性验证14

2.3.1网格划分14

2.3.2边界条件与网格无关性验证15