典型文献
基于BP神经网络的油冷器压降及换热量预测
文献摘要：
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.提出了一种基于BP(back propagation)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.Wiet-ing关联式等相关经验公式与实验结果相关性,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％.
文献关键词：
油冷器;BP神经网络;性能预测
中图分类号：
作者姓名：
孙佳帅;王雨风;王恩禄;陈江平
作者机构：
上海交通大学 机械与动力工程学院,上海201100
文献出处：
引用格式：
[1]孙佳帅;王雨风;王恩禄;陈江平-.基于BP神经网络的油冷器压降及换热量预测)[J].热科学与技术,2022(02):151-158
A类：
Focke,Wiet
B类：
油冷器,换热量,散热,流动规律,错综复杂,back,propagation,特征工程,结构类型,冷油器,样本量,Shah,关联式,Gray,ing,经验公式,新特征,精度提升,压降预测,预测误差,性能预测
AB值：
0.270623
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
