基于BP神经网络的板式热交换器传热与流阻性能预测.pdf

《基于BP神经网络的板式热交换器传热与流阻性能预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第2期石油化工设备Vo1．39NO．22010年3月PETR0一CHEMICAIEQUIPMENTMar．2010，+“+“+”+。‘++、j试验研究ik．+．．+．+．+．．++-文章编号：1000—7466(2010)02—0001—05基于BP神经网络的板式热交换器传热与流阻性能预测牛小飞，李苏。，张永恒(1．兰州交通大学机电工程学院，甘肃兰州730070；2．国家石油钻采炼化设备质量监督检验中心，甘肃兰州730050)摘要：应用BP神经网络，建立了一种新的板式热交换器传热与流阻性能预测模型

2、。它利用BP神经网络的函数拟合能力，通过拟合板式热交换器单板传热面积、板片厚度、波纹深度、波纹节距及波纹夹角等参数，来预测板式热交换器的传热系数、冷热侧压力降和传热准则关联式，对板式热交换器的传热与流阻性能做出综合评价。关键词：板式热交换器；神经网络；性能预测；传热系数；准则关联式中图分类号：TQ051．501文献标志码：ABPNeuralNetworkforPredictingtheHeatExchangerPerformanceandPressureDrooCharacterjsticsOfPlate

3、HeatExchangerNIUXiao-fei，LISu，ZHANGYong-heng(1．SchoolofMechatronicEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China；2．Nationa1QualitySupervisionandInspectionCenterfor0i1FieldMachineandRefinery&Chemica1Equipment，Lanzhou730050，China)Abstract：Themeth

4、odofneuralnetworkwasusedtoestablishanewmodelofpredictingtheheatexchangerperformanceandpressuredropcharacteristicsofplateheatexchanger．Thefune—tionfittingabilityofBPneuralnetworkwasutilizedbyfittedspecificisoperimetric，suchasnomi—nalplatearea，platethicknes

5、s，chevrondepth，normalpitch，platechevronangle，andSOon．ThismethodwasusedtopredicttheheatexchangingmodulusK，pressuredropsofbothcoldandhotsidesandruleequationinplateheatexchangers．Itprovidedanewhigherprecisionmethodfore—valuatingthesynthesisperformanceofplate

6、heatexchanger．Keywords：plateheatexchanger；neuralnetwork；performanceprediction；heattransfercoef—ficient；ruleequation板式热交换器传热与流阻性能的优劣不仅涉及要。在实际工程应用中，选用板式热交换器通常需设备自身能量转换的效率，而且与企业的经济效益要考虑传热系数和压力降这2个因素。传热系数直相关。因此，测试或预测其传热与流阻性能极为重接影响板式热交换器的换热面积，在同等传热量下，收稿日期：2009

7、—1O一3O作者简介：牛小飞(1982)，男，甘肃渭源人，硕士研究生，从事换热设备的强化传热及其应用研究。石油化工设备2010年第39卷传热系数越高换热面积就越小，换热面积减小会降整的过程，也是神经网络学习训练的过程，此过程一低设备造价，减少维护工作量和运行成本。但是，传直进行到网络输出的误差减小到可以接受的程度，热系数越高，板式热交换器在进行高效换热的同时或者预先设定的学习次数为止。BP神经网络结构也会产生很大的压力降。因此，在板式热交换器的见图1E。设计应用中，单纯强调传热系数的高低或者压力降的大小均

8、不可能有理想的运行效果[1]。影响板式热交换器性能的因素很多，如单板换热面积、板片厚度、波纹深度、波纹节距、波纹夹角及板片的长宽比等。对于特定条件的板式热交换器，其传热系数、压力降以及传热与流阻准则关联式一般采用实验的方法获得]。文中通过建立BP(Back输^层隐含层输出层Propagation，BP)神经网络预测模型，推导传热准则图1BP神经网络结构关联式与其影响因子的函数关系，以实现对板式热在实际应用中，BP神经网络主要有