基于神经网络的管内碳氢燃料传热和阻力系数的预测方法

摘要

基于神经网络的管内碳氢燃料传热和阻力系数的预测方法，涉及航空航天再生冷却技术的领域，对工程设计具有重大的指导意义。本发明首先预处理源自北京航空航天大学超临界流体流动与传热实验平台的实验数据，将80％的数据作为训练集，剩余的数据作为测试集。将实验工况和模型几何作为特征参数，调整神经网络模型的结构(神经元个数、层数、传递函数和学习算法)，对比包含迭代步长n、收敛时间t、回归系数R2和相对误差MRE在内的四个评价指标，得到优化后的神经网络模型，最后利用测试集检验模型的精度。本发明关于水平圆管内超临界碳氢燃料传热系数与阻力系数的预测方法具有高预测精度和强泛化能力。