基于神经网络和遗传算法的螺旋折流板换热器性能预测

摘要

将人工神经网络(ANN)应用于非连续螺旋折流板换热器的壳程换热和流阻分析.中试试验研究了具有3个螺旋角和2种管型的换热器.作为人工神经网络最常用的一种类型,将多层感知器神经网络(MLP)应用于本研究,使用一定的实验数据进行网络训练及预测.应用遗传算法(GA)对MLP的初始权值和阈值进行优化,预测结果精确.通过比较不同网络结构的预测误差来选择最适宜的网络结构为9-7-5-2.和关联结果比较可知MLP-GA网络对于换热器性能预测更加适合.此外,当使用MLP-GA方法在训练数据范围以外对壳程换热系数和压降进行预测时,网络预测结果和实验结果吻合程度也较高.因此,MLP-GA混合算法能够用来预测螺旋折流板管壳式换热器的传热和水力学性能.