[发明专利]一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法

权利要求书

1.一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，包括以下步骤：

步骤1，构建波纹流道印刷电路板换热器的物理与数学模型，划分网格，与实验结果或者关联式进行对比，验证CFD计算获得的换热与压降数据的准确性；

步骤2，在给定的冷热侧进口温度和出口压力前提下，选择需要优化的波纹流道印刷电路板换热器结构参数，根据换热器流道结构、所用工质类型、运行工况范围，选取CFD计算中结构参数的取值水平和范围，以及工质流动参数、温度压力参数取值水平和范围；

步骤3，采用CFD计算获得步骤2中不同参数取值水平组合下的印刷电路板换热器局部流动换热情况，获取搭建神经网络所需的样本数据集，即神经网络的输入与输出参数对应关系，利用相关性分析判断神经网络输入参数的选择是否合理；

步骤4，对神经网络样本数据集进行预处理，分别搭建并训练以冷侧和热侧通道局部努赛尔数Nu和阻力因子f为输出的神经网络，对训练好的神经网络预测局部Nu^*和f^*的准确性进行测试和验证，并调整和优化神经网络结构，可预测换热器流动换热特性随结构参数和工况条件的变化情况；

步骤5，将换热量最大化与压降最小化作为优化目标，将得到的神经网络作为约束条件，采用遗传优化算法进行多目标优化，即在给定工况条件下获得结构参数的最优解。

2.根据权利要求1所述的一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，所述波纹流道为周期性波纹流道，包括正弦波纹流道和Z字形波纹流道。

3.根据权利要求1所述的一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，所述步骤3中样本数据集来自不同几何参数和流动换热工况下的印刷电路板换热器CFD数值模拟结果，利用CFD计算中网格节点数据并处理获得。

4.根据权利要求3所述的一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，所述步骤3中神经网络的输入参数包括流道壁面局部位置坐标、雷诺数Re、普朗特数Pr、波纹流道特征角度θ和特征长度λ，输出参数为局部努赛尔数Nu和阻力因子f，输入参数和输出参数均经归一化处理后用于神经网络模型的训练与测试。

5.根据权利要求4所述的一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，所述步骤3包括：

步骤3.1，在不同几何参数以及流动换热工况下进行CFD计算，获得收敛的速度场、温度场和压力场，完成若干CFD算例；

步骤3.2，对CFD计算结果进行后处理，对流道进行分段并沿各段流道壁面提取网格节点坐标及其对应的局部热流密度，计算获得各段对应的Nu^*数，同时统计各段进出口压差并计算获得阻力因子f变化情况，取各段沿主流方向的中间位置坐标，建立流道壁面局部位置坐标、雷诺数Re、普朗特数Pr、波纹流道特征角度θ和特征长度λ与局部努赛尔数Nu、阻力因子f的对应关系；

步骤3.3，对不同结构参数及质量流量的换热器模型进行CFD数值模拟求解，重复步骤3.2得到系列数据，对系列数据进行归一化处理；

步骤3.4，基于步骤3.3获得的系列数据，采用相关性分析方法，判断神经网络输入参数间的相关性，若任意两个输入参数相关系数绝对值高于0.7，则重新选取输入参数组合。

6.根据权利要求1所述的一种基于神经网络的波纹通道印刷电路板换热器性能预测及结构优化方法，其特征在于，所述步骤4中预处理包括数据粗化和随机化处理，调整和优化神经网络结构获得较优的隐藏层数和各隐藏层节点数。