基于BP神经网络的油冷器压降及换热量预测
作者:孙佳帅; 王雨风; 王恩禄; 陈江平
更新时间:
关键字:
机油冷却器作为发动机的散热部件之一,其压降和换热性能是评价其性能的重要指标。然而,油冷却器的传热和流动规律复杂,因此很难预测其压降和换热。提出了一种基于BP(backpropagation)神经网络和特征工程的预测方法。该方法通过实验获得不同结构类型下的油冷却器数据,对样本数据进行插值和增强,以解决样本量分布不均匀的问题,并根据相关关系计算实验结果与Shah-Focke关联式、grayand web correlation和A.R.Wieting关联式等相关经验公式之间的相关性,并选取相关性最高的关联式构建新特征,最后利用BP神经网络模型进行预测。结果表明,Shah-Focke关联式与实验结果的相关性最高,经验公式特征的引入对模型有积极影响。预测精度提高了50%,压降预测误差为6%,换热预测误差为4%。