热科学与技术

作者：孙佳帅,王恩禄,陈江平

单位：上海交通大学,上海交通大学,上海交通大学

关键词：油冷器,BP神经网络,性能预测,

油冷器作为发动机散热部件之一，压降和换热量是评估其性能的重要指标，但油冷器中传热与流动规律错综复杂，所以对其压降和换热量进行预测存在一定难度。本研究提出了一种基于BP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冷油器数据，对样本数据进行插值和增强等方法解决样本量分布不均的问题，并根据相关性计算Shah-Focke关联式、Gray and Web关联式、A.R.Wieting关联式等相关经验公式与本文实验结果相关性，并筛选出相关性最高的关联式来构造新特征，最后利用BP神经网络模型进行预测。结果表明，Shah-Focke关联式与本文实验结果相关性最高，且该经验公式特征的引入对模型有积极影响，预测精度提升50%，令压降预测误差为6%，换热量预测误差为4%。

来源：2022年第2期

《热科学与技术》期刊编辑部

查看热科学与技术杂志2022年第2期