公开(公告)号：CN107203659A

公开(公告)日：2017-09-26

申请号：CN201710283869.5

申请日：2017-04-26

Applicant: 江苏大学

Inventor： 董非 ,  侯刘闻迪 ,  倪捷 ,  曹涛涛

IPC: G06F17/50 ,  G06N3/04

Abstract: 本发明提供了基于径向基神经网络的过冷流动沸腾换热质量传递松弛因子预测方法，包括通过CFD软件，试凑不同工况下的质量传递松弛因子；采集不同工况下的流动参数和质量传递松弛因子；确定RBF神经网络的输入和输出变量；RBF神经网络的训练和测试；利用所训练的RBF神经网络预测不同工况下的质量传递松弛因子，实现过冷流动沸腾换热质量传递松弛因子的预测。本发明考虑了不同流动参数对质量传递松弛因子的影响，试凑每个工况下最佳的质量传递松弛因子，基于流动参数和质量传递松弛因子建立RBF神经网络预测模型。通过在RBF神经网络预测模型中直接输入不同工况下的流动参数，能够快速、准确地预测冷却通道过冷流动沸腾换热的质量传递松弛因子。

公开(公告)号：CN107203659B

公开(公告)日：2019-10-01

申请号：CN201710283869.5

申请日：2017-04-26

Applicant: 江苏大学

Inventor： 董非 ,  侯刘闻迪 ,  倪捷 ,  曹涛涛

IPC: G06F17/50 ,  G06N3/04

Abstract: 本发明提供了基于径向基神经网络的过冷流动沸腾换热质量传递松弛因子预测方法，包括通过CFD软件，试凑不同工况下的质量传递松弛因子；采集不同工况下的流动参数和质量传递松弛因子；确定RBF神经网络的输入和输出变量；RBF神经网络的训练和测试；利用所训练的RBF神经网络预测不同工况下的质量传递松弛因子，实现过冷流动沸腾换热质量传递松弛因子的预测。本发明考虑了不同流动参数对质量传递松弛因子的影响，试凑每个工况下最佳的质量传递松弛因子，基于流动参数和质量传递松弛因子建立RBF神经网络预测模型。通过在RBF神经网络预测模型中直接输入不同工况下的流动参数，能够快速、准确地预测冷却通道过冷流动沸腾换热的质量传递松弛因子。