[发明专利]一种翅片换热器参数优化方法及装置

说明书

本发明公开了一种翅片换热器参数优化方法，包括：根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子；以结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型；对所述神经网络模型进行求解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。根据翅片换热器的结构参数进行计算得到相应参数下的流动阻力因子和传热因子，以此作为训练样本训练建立神经网络模型，模型以翅片换热器的结构参数作为输入，以相应参数下的流动阻力因子和传热因子作为输出，进而对该模型进行求解得到最优解，从而得到翅片换热器的最优的结构，减少工作量，获得最优结构更具有说服力。

技术领域

本发明涉及能源技术领域，尤其涉及一种翅片换热器参数优化方法及装置。

背景技术

制冷工业冷水机组中的蒸发器与冷凝器或空调末端的风机盘管等换热器是必不可少的系统组成部分。空调设备应用越来越广泛，不仅消耗大量的材料，能耗也逐年增加。影响翅片管式换热器性能的因素有很多，如翅片的几何结构、翅片的间距、管径的大小、管的排列和数量、材料性能等，而翅片的几何结构对换热器的换热性能起到很重要的作用，因此研究翅片参数对换热器性能影响具有重要的意义。

目前翅片参数优化技术多是建立仿真模型，对单变量进行修改对比原有模型。另一种翅片参数优化是直接通过试制进行实验寻找优化结构。以上优化过程复杂，工作繁琐，而且只能对较少的变量才合适，而且无法找到最优解，只能找到较优解。

发明内容

本发明提供一种翅片换热器参数优化方法及装置，通过建立神经网络进行数学建模，再基于寻优算法进行寻优，得到最优的结构，减少工作量，获得最优结构更具有说服力。

第一方面，本发明提供了一种翅片换热器参数优化方法，所述方法包括：

根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系；以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，其中，所述神经网络模型以任一结构参数为输入，其对应的流动阻力因子和传热因子为输出；对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。

优选地，

所述根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子包括：

获取所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距；根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子。

优选地，

所述根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子包括：

通过对所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距中的任一个结构参数进行参数单变量；确定该结构参数单变量下对应的流动阻力因子和传热因子。

优选地，

所述以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型包括：

从所有所述对应关系中选择预设个数的对应关系中的结构参数与其对应的流动阻力因子和传热因子作为训练样本，以建立神经网络模型。

优选地，

所述对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解包括：

通过寻优算法对所述神经网络模型进行寻优求解，以得到所述流动阻力因子和传热因子的综合参数的最优解。

优选地，所述方法还包括：