[发明专利]一种基于BP神经网络的自激振荡换热管协同优化方法

权利要求书

1.一种基于BP神经网络的自激振荡换热管协同优化方法，其特征在于，所述基于BP神经网络的自激振荡换热管协同优化方法包括以下步骤：

S1，确定自激振荡换热管初始设计参数和响应目标，继续执行步骤S2；

S2，通过正交试验设计和数值模拟得到样本点数据库，继续执行步骤S3；

S3，构建BP神经网络模型，通过BP神经网络模型对所述样本点数据库进行训练和预测；

S4，将所述预测结果作为NSGA-II算法的适应度函数，继续执行步骤S5；

S5，通过NSGA-II算法对所述适应度函数进行优化，生成Pareto前沿解，继续执行步骤S6；

S6，通过信息熵加权的TOPSIS决策方法对Pareto前沿解进行排序，得到最优解，继续执行步骤S7；

S7，通过CFD验证所述最优解是否为全局最优解。

2.如权利要求1所述的一种基于BP神经网络的自激振荡换热管协同优化方法，其特征在于，所述步骤S1具体包括：

选取自激振荡腔室的无量纲结构参数作为初始设计参数，分别为自激振荡换热管出入口直径比d₂/d₁，腔室碰撞壁夹角α和腔室长径比L_T/D_T；根据换热管的性能指标确定响应目标为努塞尔数Nu和摩擦因子f。

3.如权利要求1所述的一种基于BP神经网络的自激振荡换热管协同优化方法，其特征在于，所述步骤S2具体包括：

通过三因素五水平的正交试验设计得到初始样本点，记为P＝[d_i],i＝1,2,…,M；；其中，d_i为第i个样本，M为样本点总数；对样本点进行数值模拟得到响应目标的响应值，记为Nu(d_i),d_i∈P；f(d_i),d_i∈P通过初始样本点信息和响应目标的响应值构建样本点数据库。

4.如权利要求1所述的一种基于BP神经网络的自激振荡换热管协同优化方法，其特征在于，所述步骤S3具体包括：

S3-1，构建单隐含层BP神经网络模型，所述BP神经网络模型输入层包含3个神经元，输出层包含2个神经元，分别对应设计参数和响应目标的个数，隐含层的节点数采用经验公式确定，即其中，m为隐含层的神经元节点数，u为输入层的神经元节点数，v为输出层的神经元节点数，a为调节常数；

S3-2，利用构建好的BP神经网络模型对样本点数据库进行训练和预测；采用Levenberg-Marquardt算法作为神经网络的训练函数，输入层与隐含层之间的传递函数采用tansig型函数，隐含层与输出层之间的传递函数采用purelin型函数，设置训练速率为预设速率，训练次数为预设次数，期望误差为预设期望误差；

S3-3，对BP神经网络结构模型进行训练的过程中，不断修正权值和阈值，当模型误差小于预设期望误差时，满足训练条件，得到训练完成的权值和阈值。

5.如权利要求4所述的一种基于BP神经网络的自激振荡换热管协同优化方法，其特征在于，所述步骤S4具体包括：

根据所述训练完成的权值和阈值，通过BP神经网络模型拟合得到目标函数和设计变量之间的非线性函数关系，将所述非线性函数作为NSGA-II算法的适应度函数。