论文部分内容阅读
分别采用3层反向传播神经网络(BPN)和遗传神经网络(GNN)预测从常规通道到微通道尺度范围内的管内流动沸腾传热系数,GNN 的精度优于 BPN 的精度(均方根误差分别为17.16%和20.50%)。输入参数为含气率、质量流密度、热流密度、管径和物性,输出参数为传热系数。基于GNN预测结果,进行了参数趋势分析。对常规通道,传热系数随压力的增大而增大;对微通道,低压时传热系数受压力影响很小,高压、低含气率时,传热系数随压力的增大而增大,高压、高含气率时,传热系数随压力的增大而减小。传热系数随质量流密度、热流