流動(dòng)沸騰換熱,就是流體通過(guò)一個(gè)加熱通道實(shí)現(xiàn)的換熱。流動(dòng)沸騰換熱主要包括核態(tài)沸騰換熱、強(qiáng)制對(duì)流沸騰換熱兩種。人工神經(jīng)網(wǎng)絡(luò)是按照不同的連接方式組成不同的網(wǎng)絡(luò)以數(shù)學(xué)物理方法對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象建立的簡(jiǎn)單模型。遺傳算法是一種基于生物進(jìn)化模型的隨機(jī)搜索算法,具有全局搜索性的優(yōu)點(diǎn)。遺傳神經(jīng)網(wǎng)絡(luò)具有遺傳算法的本質(zhì)并行性的優(yōu)點(diǎn),能夠以較少的計(jì)算達(dá)到目的,同時(shí)具有全局搜索的優(yōu)勢(shì)且收斂速度較快,有助于縮短搜索時(shí)間。由于傳熱機(jī)理的復(fù)雜性,人工神經(jīng)網(wǎng)絡(luò)及遺傳算法已被廣泛應(yīng)用于預(yù)測(cè)CHF等問(wèn)題。核反應(yīng)堆的傳熱問(wèn)題一直被重點(diǎn)關(guān)注,管內(nèi)流動(dòng)沸騰傳熱過(guò)程復(fù)雜。利用神經(jīng)網(wǎng)絡(luò)處理該問(wèn)題,較其他算法有計(jì)算量少且運(yùn)算速度快的優(yōu)勢(shì)。本文用流動(dòng)沸騰傳熱系數(shù)的實(shí)驗(yàn)數(shù)據(jù)來(lái)訓(xùn)練三層神經(jīng)網(wǎng)絡(luò),并使用遺傳算法擬合流動(dòng)沸騰換熱公式。訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)能夠較好地?cái)M合實(shí)驗(yàn)數(shù)據(jù),遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果優(yōu)于人工神經(jīng)網(wǎng)絡(luò)。本文利用人工神經(jīng)網(wǎng)絡(luò)得出壓力、含氣率、質(zhì)量流密度、熱流密度、管內(nèi)徑、翅化比等參數(shù)對(duì)流動(dòng)沸騰傳熱系數(shù)的影響,并從核態(tài)沸騰和對(duì)流沸騰兩個(gè)方面具體分析其影響。研究結(jié)果表明:傳熱系數(shù)隨壓力、質(zhì)量流密度、翅化比、熱流密度、含氣率的增大而增大,... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

生物神經(jīng)元結(jié)構(gòu)

模型具有神經(jīng)元最基本的一些特征，有多個(gè)輸入（生物神進(jìn)行線性疊加，然后當(dāng)疊加和突破某個(gè)閾值的時(shí)候產(chǎn)的軸突）。兩個(gè)神經(jīng)元之間的聯(lián)系強(qiáng)度稱為權(quán)值。假設(shè)主要有以下幾點(diǎn)：多輸入單輸出，且節(jié)點(diǎn)類型是單向的，上層節(jié)點(diǎn)的本文所用的 BP 網(wǎng)絡(luò)就是這種節(jié)點(diǎn)類型；的作用有兩種，分別為抑制和促進(jìn)；和閾值來(lái)組合，節(jié)點(diǎn)與節(jié)點(diǎn)之間有著各自對(duì)應(yīng)的連時(shí)假設(shè)有延遲；合沒(méi)有延遲；時(shí)間和強(qiáng)度不隨時(shí)間改變。神經(jīng)元模型如圖 2-2 所示：

圖 2-4 BP 神經(jīng)元模型示意圖其常用傳遞函數(shù)為 Sigmoid 函數(shù)和線性函數(shù) purelin。在隱含層中常oid 函數(shù)，在模型開始訓(xùn)練的階段，由于連接權(quán)重的設(shè)置要求滿足均勻分布，所以初期的連接權(quán)重在 0 值附近，使得加法器結(jié)果在 0 附近gmoid 函數(shù)的斜率近似為常數(shù)，輸入與輸出之間呈線性關(guān)系，模型較為 BP 神經(jīng)網(wǎng)絡(luò)的權(quán)重不斷進(jìn)行調(diào)整，節(jié)點(diǎn)加法器的結(jié)果偏離 0 值，輸入線性的關(guān)系，此時(shí)輸入的變化對(duì)輸出的影響程度逐漸變��；訓(xùn)練到了器結(jié)果遠(yuǎn)離 0，此時(shí)輸入的變化將不再引起輸出的明顯變化，輸出趨于，Sigmoid 函數(shù)能夠較好連接權(quán)重修正過(guò)程中的模型從近似線性到非線過(guò)程。這里采用的 Sigmoid 函數(shù)為 logsig 函數(shù)或 tansig 函數(shù)。輸出層采遞 purelin 函數(shù)，如圖 2-5 所示。圖 2-6 是一個(gè)典型的單隱含層 BP 神經(jīng)


本文編號(hào)：3252329