买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：基于神经网络的管内碳氢燃料传热和阻力系数的预测方法，涉及航空航天再生冷却技术的领域，对工程设计具有重大的指导意义。本发明首先预处理源自北京航空航天大学超临界流体流动与传热实验平台的实验数据，将80％的数据作为训练集，剩余的数据作为测试集。将实验工况和模型几何作为特征参数，调整神经网络模型的结构神经元个数、层数、传递函数和学习算法，对比包含迭代步长n、收敛时间t、回归系数R2和相对误差MRE在内的四个评价指标，得到优化后的神经网络模型，最后利用测试集检验模型的精度。本发明关于水平圆管内超临界碳氢燃料传热系数与阻力系数的预测方法具有高预测精度和强泛化能力。

主权项：1.基于神经网络的管内碳氢燃料传热和阻力系数的预测方法，其特征是：该预测方法由预测系统实现，所述预测系统包括预处理系统、实验系统、测量系统和回收系统；所述预处理系统用于对流体的压力及流量进行处理后传入实验系统；在所述预处理系统中的柱塞泵入口处安装过滤器，在出口处设置脉冲阻尼器；所述实验系统采用水平的不锈钢细圆管，流体经所述细圆管后由测量系统接收；所述实验系统由加热段和绝热段组成；所述测量系统获得实验系统输出实验数据的传热系数、阻力系数、温度比TT临界、压力比PP临界、截面质量流率mA以及相对位置xd四个特征参数；其中，T临界＝645.04K，P临界＝2.34MPa，A为管道截面面积，d为管道直径；所述回收系统用于对测量后的流体进行回收；所述预测方法由以下步骤实现：步骤一、获取水平圆管内超临界碳氢燃料传热系数与阻力系数的实验数据；步骤二、将步骤一所获取的实验数据划分为训练集和测试集，将训练集和测试集进行归一化处理，并选取特征参数作为神经网络模型的输入的参数；步骤三、建立并优化神经网络模型；将步骤二的训练集中的特征参数输入神经网络模型并对所述神经网络模型进行优化，使神经网络模型的评价指标满足要求后获得优化的神经网络模型；步骤四、采用测试集对步骤三优化的神经网络模型测试，获得预测的传热系数和阻力系数；步骤二所述的训练集和测试集的划分比例为8:2，归一化处理的方法为最大最小值归一化，特征参数为温度比、压力比、截面质量流率和相对位置；步骤三中，分别优化神经网络模型的神经元个数、层数、传递函数和学习算法；步骤三中，当所述神经网络模型的评价指标EIEImax则训练结束，获得优化的神经网络模型；步骤三所述的评价指标包含迭代步长n、收敛时间t、回归系数R2和相对误差MRE； 其中，KD和KP分别是模型的预测值和实际值，是KD的平均值，K表示样本数量；相对误差MRE越小，回归系数R2的值越接近于1，表征所述模型的预测效果越好。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于神经网络的管内碳氢燃料传热和阻力系数的预测方法