技术摘要：
本发明涉及一种基于计算流体动力学(CFD)、人工神经网络、水力损失网络模型的多通道换热器流量分布预测方法，针对任意的多通道换热器，将其分为进口部分、换热芯体、出口部分，建立水力损失网络，各通道水力损失均包括进口局部损失、沿程阻力损失和出口局部损失三部分。  全部
背景技术：
多通道换热器中普遍存在流量分布均匀性问题。现有研究表明，不均匀的流量分 布将对换热器性能产生显著的负面影响，应尽力避免出现不均匀的流量分布。因此，准确高 效地预测多通道换热器中的流量分布并对流量分布的均匀性进行评估对多通道换热器的 设计和优化具有重要意义。 由于流量分布的预测涉及到换热器内部流场信息，直接通过实验研究存在一定困 难。近年来，基于计算流体动力学(Computational  Fluid  Dynamics,CFD)的数值模拟成为 了流动均匀性预测的重要手段，通过对物理问题的控制方程进行数值求解以确定流场、压 力场、温度场等完整信息，在工程设计、预测优化以及机理研究上具有很大优势。但一般需 要建立完整的换热器模型并划分足够规模的网格才能获得较为有意义的结果，对计算资源 和时间成本的要求相当高，限制了CFD方法的应用。 采用水力损失网络模型进行分析是一种可行的流量分布预测方法：通过简化将换 热器流场抽象成为管路模型，以水力损失作为“流阻”求解流量分配情况。在水力损失网络 模型中，水力损失一般包括局部水力损失和沿程水力损失。由于现有研究对换热器芯体水 力性能的实验数据较为充分，沿程水力损失可以根据通道形式和运行工况选取适用性较强 的经验关联式进行计算。而对于局部水力损失，则只能采用较为粗糙的经验常数或经验公 式对局部损失系数进行估计，由于难以反映实际换热器进出口复杂流场对局部损失的影 响，往往具有较大的偏差。因此，水力损失网络模型实施的难点主要在于换热器进出口处的 复杂流场下的局部水力损失的确定。事实上，不同通道进出口处的局部水力损失特性的差 异正是造成通道间流量分布不均匀的主要原因。因此，各个通道进出口处的局部水力损失 预测是采用水力损失网络模型进行分析时的关键问题。 人工神经网络在处理复杂的定量关系方面具有显著优势，其基于数据集进行训练 后可实现对复杂非线性函数的逼近，对于不同类型的复杂定量关系具有较强的适应性，因 此尤其适合于提取输入变量和输出变量间未知的非线性关系并用于预测。 因此，可考虑运用CFD方法计算不同工况下换热器进出口流场，通过人工神经网络 建立局部水力损失与换热器各通道流量分布之间的定量预测模型，并结合水力损失网络模 型设计有效的流量分布迭代求解方法，实现多通道换热器流量分布的有效预测。
技术实现要素：
本发明提出一种基于CFD、人工神经网络、水力损失网络模型的多通道换热器流量 分布预测方法。 在典型的多通道换热器中(参见图1)，流体一般通过进口管进入进口封头腔体，再 分流至各个换热通道，在换热芯体中进行换热后汇流至出口封头腔体，最后进入出口管流 4 CN 111597660 A 说　明　书 2/5 页 出换热器。流体的水力损失共包含五个部分，分别是从换热器进口管道进入进口流体腔时 的局部损失Hin,h、从进口流体腔进入第i个通道时的局部损失H′in,i、流体在通道内的沿程水 力损失HL,i、从第i个通道进入出口流体腔时的局部损失H′out,i以及从出口流体腔进入出口 管道时的局部损失Hout,h。各通道间的水力损失为并联关系，应满足： H′in,1 HL,1 H′out,1＝H′in,2 HL,2 Hout,2＝…＝H′in,i HL,i H′out,i＝…＝H′in,n HL，n H′out,n 其中n为冷侧或热侧换热通道总数。 为了简化分析，我们将从换热器进口管道进入进口流体腔时的局部损失Hin,h和从 进口流体腔进入第i个通道时的局部损失H′in,i的作用统一归为第i个通道的进口局部损失 Hin,i： 其中ui为第i个通道中流体平均流速，pin为流体流出进口管前的平均压力，pin,i为 流体进入第i个通道后的平均压力。 将从第i个通道进入换热器出口流体腔时的局部损失H′out,i和从出口流体腔进入 出口管道时的局部损失Hout,h的作用统一归为第i个通道的出口局部损失Hout,i： 其中ui为第i个通道中流体平均流速，pout,i为第i个通道流体进入出口流体腔前的 平均压力，pout为流体进入出口管后的平均压力。 根据以上分析可将多通道换热器水力损失网络进一步简化(参见图2)。 且应满足： Hin,1 HL,1 Hout,1＝Hin,2 HL,2 Hout,2＝…＝Hin,i HL,i Hout,i＝…＝Hin,n HL,n Hout,n 基于这种水力损失网络，本发明的多通道换热器流量分布预测方法采用的技术方 案包括以下步骤： 1)确定多通道换热器进出口结构形式、换热芯体长度范围、所选工质、流量范围； 2)建立多通道进口部分CFD计算模型，以各通道出口流量作为设计变量，运用LHS 方法设计一定数量的样本工况，对各个样本工况实施CFD计算，确定多通道换热器各通道进 口局部损失系数； 3)建立多通道换热器出口部分CFD计算模型，以各通道进口流量作为设计变量，运 用LHS方法设计一定数量的样本工况，对各个样本工况实施CFD计算，确定多通道换热器各 通道出口局部损失系数； 4)根据样本数据，针对各通道进口局部损失系数和出口局部损失系数分别建立其 5 CN 111597660 A 说　明　书 3/5 页 与关于流量分布情况的人工神经网络模型； 5)假设各通道流量均匀分配，计算各通道流量； 6)根据建立的人工神经网络模型计算各通道进口、出口局部水力损失，根据经验 关联式计算各通道沿程阻力损失，计算各通道总水力损失； 7)从第2个通道起，依次对比每个通道与第1个通道的总水力损失，在对比第i个通 道与第1个通道的总水力损失(Hi与H1)时，执行以下步骤： 7-1)若相差 不小于阈值ε，则将第i个通道的流量mi调整为 7-2)更新第i个通道的总水力损失Hi及第1个通道的总水力损失H1，重复步骤7-1) 直至 小于阈值ε； 8)计算当前总流量mt，若与实际总流量m的偏差 不小于阈值ε，或各通道总 水力损失与平均值的最大相差不小于阈值ε，则将第1个通道的流量m1调整为 重复 步骤6) ，7)直至 小于阈值ε，且各通道总水力损失与平均值的最大相差 小于阈值ε。 所述的多通道换热器中，流体先后流经进口管进入进口封头腔体，再分流至各个 换热通道，在换热芯体中进行换热后汇流至出口封头腔体，最后进入出口管流出换热器。 所述步骤4)中的人工神经网络包括BP神经网络、径向基神经网络、递归神经网络、 卷积神经网络等。 相对于现有技术，本发明的有益效果为： 本发明提出的多通道换热器流量分布预测方法，通过将CFD、人工神经网络、水力 损失网络模型等相结合，实现多通道换热器流量分布的预测。具体来看，CFD方法为换热器 进出口复杂结构中的流场信息和局部阻力损失的确定提供了依据；人工神经网络建立了局 部水力损失与换热器各通道流量分布之间的定量预测模型，充分利用了样本数据的流场细 节信息，可有效地反映局部水力损失和流场分布之间的复杂耦合关系。因此，CFD方法和人 工神经网络的引入弥补了传统水力损失网络模型的缺陷，能够准确高效地预测多通道换热 器在不同工况、芯体长度下的流量分布并评估流动不均匀性，为工程设计、设备运行提供参 考。 附图说明 图1是某典型多通道换热器(印刷电路板式换热器)结构示意图； 图2是简化的多通道换热器水力损失网络模型图； 6 CN 111597660 A 说　明　书 4/5 页 图3是本发明多通道换热器流量分布预测方法流程图； 图4是本发明实施例中多通道换热器热侧流体域示意图； 图5是本发明实施例中多通道换热器进出口部分几何模型； 图6是本发明实施例中采用的BP神经网络输入输出示意图； 图7是本发明实施例中采用BP神经网络预测测试集中各通道进口局部损失系数的 情况及与遗传算法拟合的关系式方法的对比； 图8是本发明实施例中采用BP神经网络预测测试集中各通道进口局部损失系数的 平均误差及与遗传算法拟合的关系式方法的对比。 附图标记说明： 1-冷流体进口管；2-冷流体进口封头腔体；3-冷流体出口封头腔体；4-冷流体出口 管；5-热流体进口管；6-热流体进口封头腔体；7-热流体出口封头腔体；8-热流体出口管；9- 换热芯体；10-进口部分模型质量流量边界(mass-flow-inlet)；11-进口部分模型稳定流出 边界(outflow)；12-出口部分模型质量流量边界(mass-flow-inlet)；13-出口部分模型压 力边界(pressure-outlet)。