论文部分内容阅读
摘 要：BP网络的产生归功于BP算法的获得，BP算法属于δ算法，是一种监督式的学习算法，在人工神经网络设计及应用研究中，通常需要考虑网络参数设计、网络结构设计。利用BP神经网络的一般方法就是通过BP算法的流程来完成对研究目标的预测或模拟。本文提出利用BP神經网络方法对新型管芯式散热器的热工性能进行预测，为管芯式散热器的性能改善提供依据。
关键词：BP神经网络；管芯式散热器；性能
1.设计预测网络参数、结构参数
1.1输入量的选择
输入量必须选择那些对输出影响大且能够检测或提取的变量，各输入量之间互不相连或相关性很小。在大多数情况下，直接送给神经网络的输入量无法直接得到，常常需要用信号处理与特征提取技术从原始数据中提取能反映其特征的若干参数作为网络输入，输出量表示可以是数值也可以是语言变量[1]。本文进行的预测目标已经确定，就是要预测管芯式散热器的热工性能，而解决问题的关键就是确定输入层的节点数，即影响输出的直接变量。
1.2训练样本集的设计
网络的性能与训练用的样本密切相关，设计一个好的训练样本既要注意样本规模，又要注意样本的质量。一般来说样本的数目越多，训练结果越能正确反映其内在规律，但样本的获取往往有一定困难，另外样本数量过多，网络的精度也很难提高。样本要有代表性，样本的组织要注意将不同类的样本交叉输入。一般将收集到的可用样本随机分成两部分，一部分为训练集，一部分为测试集。本文就是通过管芯式散热器的性能试验来获得样本集的，在编写预测程序时也相应将样本集分为两部分。
2影响散热器传热性能的主要因素
输入量必须选择那些对输出影响大且能够检测或提取的变量，此外还要求各输入变量之间互不相关或相关性很小。目前对于汽车散热器传热性能研究的理论已经比较成熟，衡量散热器优劣的一个重要指标就是传热系数的值，对于不同类型或同一类型不同结构参数的散热器进行传热性能比较的关键就是比较传热系数K的值。所以传热性预测模型建立的输出层节点数已经确定就是传热系数K，而影响传热系数的主要因素即输入层节点的数目就要从传热系数的计算公式入手了。由公式（2-1）知
3影响散热器阻力性能的主要因素
散热器的阻力包括水流阻力和空气阻力。影响各个阻力性能的主要因素应分别做出具体的分析。
3.1影响水流阻力的主要因素
水管流经管道，产生沿程阻力和局部阻力，这两部分阻力的计算公式前面已经叙述，通过传热学知识可以看出，水流动的速度，是影响沿程阻力的主要因素。而散热器水管的长度、水管直径试验前已经确定，它们的值不随流量和温度的改变而变化；通过文献[3]分析可知水流阻力受管排数M的影响，水的密度是与温度有关的物理量（本文将空气密度、水的密度通过拟合方法求得，拟合的温度分别是水、空气进出口温度的平均值），通过以上分析可知，影响水流阻力的主要变量因素是水流速度、水的进出口温度、管排数。
3.2影响空气阻力的主要因素
空气流过散热器通道的压力损失可以通过文献[4]确定，如下式：
（3-1）
建立神经网络预测模型就是要通过输入层物理量的变化来预测输出变量，所以输入层的各节点就是影响输出变量的可以通过试验测定的主要因素。通过对公式（3-1）可以看出影响影响散热器空气阻力性能的主要变量是空气的质量流量、散热器进出风温度，另外由文献[5]可知：散热器管排数M同样影响空气阻力的大小。通过以上分析可知，影响管芯式散热器空气阻力的主要因素是管排数、空气的质量流量、散热器的进出风温度。
3.4 散热器性能预测模型的建立
图3-1散热器传热性能预测BP神经网络模型
图3-2 散热器水阻性能预测BP神经网络模型
通过以上分析可以建立管芯式散热器神经网络预测模型，分别为传热性能预测模型和阻力性能预测模型，建立预测模型时应尽量使网络的结构紧凑。传热性能预测模型如图3-1所示，阻力性能预测模型如图3-2、3-3所示。
神经网络预测模型建立的准确与否直接影响着最终的预测结果，所以要经过反复的验证。图3-1、3-2给出了模型的输入节点和输出节点的具体情况，通过具体的编程可以实现管芯式散热器的性能预测，为矿用的管芯式散热器的结构改造提供理论依据。■
参考文献
[1] 朱大奇，史慧.人工神经网络原理及应用[M].北京：科学出版社，2006
[2] 曹志峰，余波，王永强等.基于MATLAB神经网络的变风量空调控制的仿真[J]：制冷与空调.2007，2：114-116
[3] 彭国谱.重型车用新型散热器的设计[J]：机电设备.1999，6：44-47
[4]朱聘冠. 换热器原理与计算[M].北京：清华大学出版社，1986：7-14.
[5] 盖永田.矿用汽车发动机管芯式散热器热力性能的数值模拟[D].呼和浩特：内蒙古工业大学硕士学位论文. 2006
作者简介：班淑珍（1980.2-），女，汉族，内蒙古乌兰察布市人，讲师，硕士，研究方向：热力机械。
关键词：BP神经网络；管芯式散热器；性能
1.设计预测网络参数、结构参数
1.1输入量的选择
输入量必须选择那些对输出影响大且能够检测或提取的变量，各输入量之间互不相连或相关性很小。在大多数情况下，直接送给神经网络的输入量无法直接得到，常常需要用信号处理与特征提取技术从原始数据中提取能反映其特征的若干参数作为网络输入，输出量表示可以是数值也可以是语言变量[1]。本文进行的预测目标已经确定，就是要预测管芯式散热器的热工性能，而解决问题的关键就是确定输入层的节点数，即影响输出的直接变量。
1.2训练样本集的设计
网络的性能与训练用的样本密切相关，设计一个好的训练样本既要注意样本规模，又要注意样本的质量。一般来说样本的数目越多，训练结果越能正确反映其内在规律，但样本的获取往往有一定困难，另外样本数量过多，网络的精度也很难提高。样本要有代表性，样本的组织要注意将不同类的样本交叉输入。一般将收集到的可用样本随机分成两部分，一部分为训练集，一部分为测试集。本文就是通过管芯式散热器的性能试验来获得样本集的，在编写预测程序时也相应将样本集分为两部分。
2影响散热器传热性能的主要因素
输入量必须选择那些对输出影响大且能够检测或提取的变量，此外还要求各输入变量之间互不相关或相关性很小。目前对于汽车散热器传热性能研究的理论已经比较成熟，衡量散热器优劣的一个重要指标就是传热系数的值，对于不同类型或同一类型不同结构参数的散热器进行传热性能比较的关键就是比较传热系数K的值。所以传热性预测模型建立的输出层节点数已经确定就是传热系数K，而影响传热系数的主要因素即输入层节点的数目就要从传热系数的计算公式入手了。由公式（2-1）知
3影响散热器阻力性能的主要因素
散热器的阻力包括水流阻力和空气阻力。影响各个阻力性能的主要因素应分别做出具体的分析。
3.1影响水流阻力的主要因素
水管流经管道，产生沿程阻力和局部阻力，这两部分阻力的计算公式前面已经叙述，通过传热学知识可以看出，水流动的速度，是影响沿程阻力的主要因素。而散热器水管的长度、水管直径试验前已经确定，它们的值不随流量和温度的改变而变化；通过文献[3]分析可知水流阻力受管排数M的影响，水的密度是与温度有关的物理量（本文将空气密度、水的密度通过拟合方法求得，拟合的温度分别是水、空气进出口温度的平均值），通过以上分析可知，影响水流阻力的主要变量因素是水流速度、水的进出口温度、管排数。
3.2影响空气阻力的主要因素
空气流过散热器通道的压力损失可以通过文献[4]确定，如下式：
（3-1）
建立神经网络预测模型就是要通过输入层物理量的变化来预测输出变量，所以输入层的各节点就是影响输出变量的可以通过试验测定的主要因素。通过对公式（3-1）可以看出影响影响散热器空气阻力性能的主要变量是空气的质量流量、散热器进出风温度，另外由文献[5]可知：散热器管排数M同样影响空气阻力的大小。通过以上分析可知，影响管芯式散热器空气阻力的主要因素是管排数、空气的质量流量、散热器的进出风温度。
3.4 散热器性能预测模型的建立
图3-1散热器传热性能预测BP神经网络模型
图3-2 散热器水阻性能预测BP神经网络模型
通过以上分析可以建立管芯式散热器神经网络预测模型，分别为传热性能预测模型和阻力性能预测模型，建立预测模型时应尽量使网络的结构紧凑。传热性能预测模型如图3-1所示，阻力性能预测模型如图3-2、3-3所示。
神经网络预测模型建立的准确与否直接影响着最终的预测结果，所以要经过反复的验证。图3-1、3-2给出了模型的输入节点和输出节点的具体情况，通过具体的编程可以实现管芯式散热器的性能预测，为矿用的管芯式散热器的结构改造提供理论依据。■
参考文献
[1] 朱大奇，史慧.人工神经网络原理及应用[M].北京：科学出版社，2006
[2] 曹志峰，余波，王永强等.基于MATLAB神经网络的变风量空调控制的仿真[J]：制冷与空调.2007，2：114-116
[3] 彭国谱.重型车用新型散热器的设计[J]：机电设备.1999，6：44-47
[4]朱聘冠. 换热器原理与计算[M].北京：清华大学出版社，1986：7-14.
[5] 盖永田.矿用汽车发动机管芯式散热器热力性能的数值模拟[D].呼和浩特：内蒙古工业大学硕士学位论文. 2006
作者简介：班淑珍（1980.2-），女，汉族，内蒙古乌兰察布市人，讲师，硕士，研究方向：热力机械。