一种翅片换热器参数优化方法及装置制造方法及图纸

本发明专利技术公开了一种翅片换热器参数优化方法，包括：根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子；以结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，对所述神经网络模型进行求解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。根据翅片换热器的结构参数进行计算得到相应参数下的流动阻力因子和传热因子，以此作为训练样本训练建立神经网络模型，模型以翅片换热器的结构参数作为输入，以相应参数下的流动阻力因子和传热因子作为输出，进而对该模型进行求解得到最优解，从而得到翅片换热器的最优的结构，减少工作量，获得最优结构更具有说服力。

A Method and Device for Optimizing the Parameters of Fin Heat Exchanger

【技术实现步骤摘要】
一种翅片换热器参数优化方法及装置
本专利技术涉及能源
，尤其涉及一种翅片换热器参数优化方法及装置。
技术介绍
制冷工业冷水机组中的蒸发器与冷凝器或空调末端的风机盘管等换热器是必不可少的系统组成部分。空调设备应用越来越广泛，不仅消耗大量的材料，能耗也逐年增加。影响翅片管式换热器性能的因素有很多，如翅片的几何结构、翅片的间距、管径的大小、管的排列和数量、材料性能等，而翅片的几何结构对换热器的换热性能起到很重要的作用，因此研究翅片参数对换热器性能影响具有重要的意义。目前翅片参数优化技术多是建立仿真模型，对单变量进行修改对比原有模型。另一种翅片参数优化是直接通过试制进行实验寻找优化结构。以上优化过程复杂，工作繁琐，而且只能对较少的变量才合适，而且无法找到最优解，只能找到较优解。
技术实现思路
本专利技术提供一种翅片换热器参数优化方法及装置，通过建立神经网络进行数学建模，再基于寻优算法进行寻优，得到最优的结构，减少工作量，获得最优结构更具有说服力。第一方面，本专利技术提供了一种翅片换热器参数优化方法，所述方法包括：根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系；以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，其中，所述神经网络模型以任一结构参数为输入，其对应的流动阻力因子和传热因子为输出；对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。优选地，所述根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子包括：获取所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距；根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子。优选地，所述根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子包括：通过对所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距中的任一个结构参数进行参数单变量；确定该结构参数单变量下对应的流动阻力因子和传热因子。优选地，所述以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型包括：从所有所述对应关系中选择预设个数的对应关系中的结构参数与其对应的流动阻力因子和传热因子作为训练样本，以建立神经网络模型。优选地，所述对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解包括：通过寻优算法对所述神经网络模型进行寻优求解，以得到所述流动阻力因子和传热因子的综合参数的最优解。优选地，所述方法还包括：从所述对应关系中确定出测试样本；基于所述测试样本对所述神经网络模型的预测性能进行测试，其中，所述测试样本为除了作为所述训练样本外的所述对应关系中的结构参数与其对应的流动阻力因子和传热因子。本专利技术另一方面还提供一种翅片换热器参数优化装置，所述装置包括：计算模块，用于根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系；模型建立模块，用于以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，其中，所述神经网络模型以任一结构参数为输入，其对应的流动阻力因子和传热因子为输出；模型求解模块，用于对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解；优化模块，用于确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。优选地，所述计算模块包括：获取单元，用于获取所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距；计算单元，根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子。优选地，所述模型建立模块包括：模型建立单元，用于从所有所述对应关系中选择预设个数的对应关系中的结构参数与其对应的流动阻力因子和传热因子作为训练样本，以建立神经网络模型。优选地，所述模型求解模型包括：求解单元，用于通过寻优算法对所述神经网络模型进行寻优求解，以得到所述流动阻力因子和传热因子的综合参数的最优解。本专利技术提供的一种翅片换热器参数优化方法及装置，根据翅片换热器的结构参数进行计算得到相应参数下的流动阻力因子和传热因子，以此作为训练样本训练建立神经网络模型，该神经网络模型以翅片换热器的结构参数作为输入，以相应参数下的流动阻力因子和传热因子作为输出，进而对该模型进行求解得到最优解，从而得到翅片换热器的最优的结构，减少工作量，获得最优结构更具有说服力。附图说明为了更清楚地说明本说明书实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例提供的一种翅片换热器参数优化方法的流程示意图；图2为本专利技术一实施例提供的一种翅片换热器参数优化装置的结构示意图。具体实施方式为使本说明书的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本说明书的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。下面将结合附图对本专利技术提供的一种翅片换热器参数优化方法和装置进行详细描述，以使本领域技术人员能够清、准确地理解本专利技术的技术方案。图1为本专利技术一实施例提供的一种翅片换热器参数优化方法的流程示意图。如图1所示，本专利技术实施例提供的一种翅片换热器参数可以包括如下步骤：步骤110，根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系。在本专利技术实施例中，步骤110可以通过如下方式实现，示例性地，获取翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距，根据翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子。进一步地，通过对所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距中的任一结构参数进行参数单变量；确定该结构参数单变量下对应的流动阻力因子和传热因子。示例性地，翅片折角、折距、翅片倾角、翅片厚度不变，改变翅片间距，得到该组参数下对应的流动阻力因子和传热因子。再举例而言，翅片折距、翅片倾角、翅片厚度和翅片间距不变，改变翅片折角角度，得到该组参数下对应的流动阻力因子和传热因子。在此不再进行一一举例。在本专利技术一些实施例中，可以用一定的步长对一翅片结构参数进行仿真，而以其他的一个或者多个结构参数为变量进行计算仿真，从而得到相应的流动阻力因子和传热特性因子。在另一些实施例中，可以将流动阻力因子f和传热因子j转换为综合参数输出。步骤120，以结构参数与其对应的流动阻力因子和传热因子的对应关本文档来自技高网...

【技术保护点】
1.一种翅片换热器参数优化方法，其特征在于，所述方法包括：根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系；以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，其中，所述神经网络模型以任一结构参数为输入，其对应的流动阻力因子和传热因子为输出；对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。

【技术特征摘要】
1.一种翅片换热器参数优化方法，其特征在于，所述方法包括：根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子，以建立任一结构参数与其对应的流动阻力因子和传热因子的对应关系；以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型，其中，所述神经网络模型以任一结构参数为输入，其对应的流动阻力因子和传热因子为输出；对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解；确定所述综合参数的最优解对应的结构参数，以对所述翅片换热器参数进行优化。2.根据权利要求1所述的方法，其特征在于，所述根据所述翅片换热器的结构参数确定每个结构参数下的流动阻力因子和传热因子包括：获取所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距；根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距计算对应的流动阻力因子和传热因子。3.根据权利要求2所述的方法，其特征在于，所述根据所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距来计算对应的流动阻力因子和传热因子包括：通过对所述翅片换热器的翅片折角、折距、翅片倾角、翅片厚度和翅片间距中的任一结构参数进行参数单变量；确定该结构参数单变量下对应的流动阻力因子和传热因子。4.根据权利要求1所述的方法，其特征在于，所述以所述结构参数与其对应的流动阻力因子和传热因子的对应关系为训练样本，建立神经网络模型包括：从所述对应关系中选择预设个数的对应关系中的结构参数与其对应的流动阻力因子和传热因子作为训练样本，以建立神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述对所述神经网络模型进行求解，以得到所述流动阻力因子和传热因子的综合参数的最优解包括：通过寻优算法对所述神经网络模型...

【专利技术属性】
技术研发人员：王小娜，杨正富，苏浩浩，勾非凡，
申请(专利权)人：新奥数能科技有限公司，
类型：发明
国别省市：北京,11