基于cfd技术和反算法型平行流冷凝器性能

Man-HoeKim[10]等分别对复合百叶窗翅片的压降此外，为了强化换热Guo[11]等人引入了对流换热区域中速度场和温度场协同的概念,并提出了场协同原理,认为在给定流体流量和泵功的前提下,提高场协同度可以提高系统的对流换热能力.目前,对流换热过程中场协同原理已通过数值计算和实验的办法得JZueco[14]等基于少量已知区域的数据，采用神经网络预测出一维未知区域的热传导率，与真正的测量结果相对比表明此方案的正确性。ObedCortes[15]等利用前馈反向的神经网络法对 存在热源的反问题求解，结果与vnbrgrqurdt算法相比较，表明两种方法都能得出最佳参数rvr[16]等认为逆热传导问题即为估算未知区域的物性参数，因此利用fluent6.3软件模拟计算出一系列的边界热传导系数和温度分布图然后以此为样本利用前馈反向神经网络正确地预测出二维方腔有限厚度的上部和下部的对流热传导系数与温度分布。Cheng-HungHuang[17]等基于数值模拟的结果，采用反算法中的共轭梯度方法对三维过程结合贝估计过程中的自适应法及卡尔曼滤波法对时间独立性的热边界进行反计算，预测出其的热传导系数，提高了预测性能。Fung-BaoLiu[19]认为反算传热问很好地收敛性，从而较为准确的计算出边界物性。Cheng-HungHuang[20]等采用商业软件CFX4.4与反算法结合的方式，利用最陡下降法的反算法对三维平板管翅式换热器表面温度分布及换热系数进行计算，得出的结果与CFX4.4算出的结果相近。Hae-JiKim[21]等采K的预测结果和实测结果对比，表明了该方法在散利用FLUENT软件对车用制冷空调中平行流冷凝器强化表面空气侧流动传热进行数2～7m/s（Re=408～1427）Z出传热因子、阻力系数与雷诺数之间的关系式，得出相同功泵下，Z型百叶窗翅片的品质因子高于板式百叶窗翅片37.13%~44.90%，并由此分析得出Z型百叶窗翅片的综合性能最翅片厚度及翅片间距作为输入量，建立了基于贝正则算法的BP神经网络模型，预测翅片结构参数对平行流冷凝器综合性能的影响。结果表明：基于贝正则算法的BP神181/2270.14mm，翅片间距为1.4mm后的Z1.46~1.56倍。Parallelflowcondensershavebeenwidelyapplidtosalooncars,trucks,minibusesandevencoaches,whicharethemostpromisingcondenserform.Thetechnologytrendofparallelflowcondensersfocusesonfeaturesofhighefficiency,miniaturization,lightweightandlowcost.Recently,researchinterestonincreaseoftheairsideheattransfercoefficientsandreductionoftheairsidepressuredropsofparallelflowcondensersandalikecompactheatexchangershasbecameoneofhotspots.HeattransferandfluidflowontheairsideforautomotiveparallelflowcondensersintheairconditioningsystemarenumericallysimulatedbyFLUENTcommercialsoftware.Numericalysisisconductedontheplatefin,thepla ouverfinandtheshapeofZlouverfinwhenthewindvelocityrangisfrom2m/sto7m/s(thecorrespondingReisfrom408to1427).Thevelocityfield,temperaturefield,pressurefieldandheattransfercoefficientdistributionareobtained.ThetransferfactorandthecoefficientarerespectivelyfittedwiththeReynoldsnumberbythecorrelation.Underthesamepumppower,qualityfactorofZlouverfinisincreasedby37.12%~44.90%thantheplaouverfin,whichareindicatedthattheshapeofZloverfinthebestcomprehensiveheattransferperformanceinthisBasedonthedatacalculatedbyFLUENTaslearningandtestsamples,soBayesianregularizationalgorithmforBPneuralnetworkisbuiltonthefontsangular,thepercentageofthefontsdistance,angle,finthicknessandfinspacingasinputstopredictthecomprehensiveperformanceeffectofthestructuralparametersoftheparallelfincondenser.Theresultsshowthat:over-fittingcanbepreventedbyBayesianregularizationalgorithmforBPnetworkandbychangingcomprehensiveperformanceevaluationoftheheatexchanger,theoptimalstructureparametersisobtained:thefoldangularis18,thepercentageofthefolddistanceis1/2,finangleis27,finthicknessis0.14mmandfinspacingis1.4mmwhenitsbestthermaltransferOntheoptimalstructureandsizeofthefin,theinversemethodisused.Anti-conjugategradientalgorithmisusedtopreventthegenerationoflocalsearchtotheglobaloptimalsolution.Theresultsshowthat:fin'soptimalshapeisnotrectangular,butcurved.Inversemethodoptimizationthroughtheplatefinafteroptimization,theheattransferperformanceisincreasedby12.25%~16.69%thanbefore;theoptimizedoftheshapeofZlouverfinisincreasedby1.46to1.56timesthanbefore.:Louverfin;Neuralnetwork;Finparameters;Inversemethod;目 概 研究背 国内外研究现 紧凑式换热器国内外研究现 反问题传热国内外研究现 本文主要研究的内容及章节安 Z型平行流冷凝器数值模拟研 数学物理模 几何尺 理论基 计算区域及边界条 网格划 网格考 数值分 不同进口流速对翅片性能的影 强化因 沿程参数分 场分 流场分 温度场分 压力场分 结 基于BP神经网络预测翅片参数对其性能的影 BP神经网 换热器综合性能评 换热器单一性能评 热量与阻力损失相结合的评价标 熵分析 纵向比较 热经济学分析 翅片折角对其性能的影 翅片折距对其性能的影 翅片倾角对其性能的影 翅片厚度对其性能的影 翅片间距对其性能的影 综合准则关系式的拟 最优Z型翅片计算工 本章总 基于反算法优化翅片外 边界元 边界元法简 边界元法编程流程 数值求解正问 共轭梯度反问 迭代搜索方 灵敏度问 伴随问 收敛条 计算步 计算结果显 性能验 模型建 结果讨 本章小 总结与展 总 展 致 参考文 攻读学 期间的学术.......................................................................................附录 英文翻 英文原 多发达国家的空调所耗电占用电总量的30%左右，而且我国目前的空调能耗也在逐年增的能量将不断上升在当前世界各国普遍能源的情况下如何进一步提高空调器的效率，成为制冷空调界普遍关注的课题[1]。此外在制冷装置中，与压缩机相比，制50％以上[2]热性能。其值又可以表示为：

Ak(tf1tf2

1/其中t

，1

1

f f

以把

1

和

1 1

1

1

紧凑式换热器国内外研究现[3]等概述了空调制冷系统中几种常见翅片类型换热器的换热及压降实验关联式化设计提供依据。[4]对波纹翅片的换热规律进行数值模拟，得到了不同倾斜角度时80°的波纹翅片的传热因子j以及j/f[5]采用层流模型和RNGK湍流模型分别对波纹通道中的流动换热进行了稳态和非稳态的数值模拟，结果表明，雷诺数Re小于600可采用层流模型，Re超过600时应使用湍流模型。[6]以翅片管式冷凝器作为进行了分析讨论。贤[7]等对传统多排管翅式换热器的研究分析，提出了第l排为平片2种形式换热器内的空的提升5％～8％。[8]等对一种典型的汽车百叶窗翅片式热交换器空气侧的流场、压力场和温度场进行了CFD研究，分析了不同结构参数对翅片换热和流动性能的影响，与实验结果相比CFD7%4%,计算精度远远高于经验公式计算结果，表明该CFD模型可直接用于工程设计。HacMehmetSahin[9]等利用fluent当翅片角度为30°时，换热器的综合性能最优，为管翅式换热器的优化设计提供依据。Ching-TsunHsieh[10]度先增后减时，换热器的性能最优。Chi-ChuanWang[11]等对开缝翅片进行实验研究，发现气热浮力，从而提高传热速率。C.TJoen[13]等通过可视化的实验对低雷诺数状态下的百叶窗翅片流场进行模拟分析，从层流稳定流到非定常流的详细研究表明翅片形状会影响漩涡的脱落状态。N.C.DeJong[14]等利用柰升华技术与补充流相结合分析得出对于翅片开区：当雷诺数小时，换热效果差；当雷诺数很大时，换热量增加。GiovanniLozza[15]等讨换热效果最优。XZhang[16]等研究了低雷诺数状态下的百叶窗翅片间距和角度对换热效果翅片的流场、换热量及压降进行研究，并得到Re=130~1400时各项数据，表明涡街对百叶窗翅片的传热效率的影响很小。Man-HoeKim[18]等对复合百叶窗翅片的压降和换热量进行优化翅片的结构提供依据。V.PMalapure[20]等对扁管百叶窗翅片进行数值模拟，采用三维出最优结构。MichaelJLawson21]对百叶窗翅片表面开翼梢及小翼情况进行数值模拟和试ThomasPerrotin[22]等利用CFD此外，为了强化换热,Guo[24]等人引入了对流换热区域中速度场和温度场协同的概念,并提出了场协同原理,认为在给定流体流量和泵功的前提下,提高场协同度可以提高系统反问题传热国内外研究现验证了该方法的正确性。杨海天[30]等从多宗量的角度出发,的求解方法,可对各种边界条件等进行有效的单一及组合识别，不仅适用于复杂的边界条件和形状,而且便于进行敏度的分析。[31]采用变域变分原理建立了二态导热几模型表面传热系数进行计算，得出了准确的结果。UmerZeeshanIjaz[33]等采用半马氏过程结合贝估计过程中的自适应法及卡尔曼滤波法对时间独立性的热边界进行反计算，预测出其的热传导系数，从而提高了预测性能。Fung-BaoLiu[34]认为反传热问题好地收敛性，从而较为准确的计算出边界物性。Cheng-HungHuang[35]等采用商业软件度分布及换热系数进行优化计算，其结果与CFX4.4算出的结果相近。Hae-JiKim[36]等采用温度相对比，验证准确性。BrentA.Anderson[37]等认为对流换热系数在传热系统中是一个换热系数的分布。A.AbbsNejad38]等将焓值引入到反算法的微分方程中，并添加了共轭梯验结果一致。SHIH-YUSHEN[39]采用配置法与权相结合的微元算法对一维热传导反问题进行求解，得出的误差值在工程容许范围内。D.LESNIC[40]等将正规化法与能量微元法ChinyuYang41]精确度很高。M.H.Shojaeefard[42]等基于共轭梯度的思想估算一维周期性边界条件的热传与数值模拟的结果非常相似。Chi-ChangWang[43]等基于微元和重新排列矩阵的思想对T型翅片产生的热量与根部温度进行计算，并优化结构，结果表明优化后的T型翅片具有Cheng-HungHuang[45]等采用最速下降法的反算法与CFX4.4结合的方法对三维管板翅式换热器翅片表面的换热系数进行模拟计算，得出结果与红外线测得结果相吻合。A.Fra.以看出神经网络能很好地完成对导热关系的近，得出了网络的导师数据没有限定为正问J.Zueco[54]等基于少量已知区域的数据，采用神经网络预测出一维未知区域的热传导网络法对存在热源的反问题进行求解，结果与LevenbergMarquardt算法相比较，表明两种方法都能得出最佳参数。ApurvKumar[56]等认为逆热传导问题即为估算未知区域的物传导系数与温度分布。I.M.Galvan[57]等利用神经网络逆预测控对反应器中流体温度进布，并使用反向神经网络，以确定逆热传导问题中未知的边界条件，结果表明：BPN网络薄弱的泛化能力提高了 iqigZhng[59]等根据对铸造的金属模具所测得1003000-2-1时最优。S.ng[60]等提出了逆热传导问题的分析方案采用卡尔曼滤波增强贝与P神经网络结果表明：.udnky[61]..iang[62]等采用缩减基法与遗传算法相结合，准确预测出反问题中的对流换热系数。对一种Z型百叶窗翅片综合性能的数值模拟研究，并通过对比的方法说明其综合在数值模拟的基础上，以贝正则算法的BP神经网络为契机，对影响换热器BP神经网络预测并优化Z型翅片换热器的结构参数，从而找出最Z型换热器的外形，并同时对平板翅片Z（21对百叶窗换翅片热器进行合理简化：百叶百叶扁空气翅2-1几何尺2-22-12-1几何结构尺寸平板长度翅片夹角平板长度翅片夹角2折 折距

(b)Z型百叶窗翅片换热器结构图2-2百叶翅片结构参数理论基不计体积力时流体流动的控制方程为uvw

u 2u uxvywzxx2y2z2 v 2v

uxvywzyx2y2z2 w 2w uxvywzzx2y2z2 T 2T

cpuxvywzx2y2z2 SIMPLEC算法，对流项采用二阶迎风差格式[64]定，翅片与扁管之间采用气固耦合计算[65]。 )

式中:为流体密度，k/m3;u,v,w分别为流体x方向，y方向，z为固体的导热系数；T计算区域及边界条2-3所示。

网格划

2-3282-4网格考

（c）Z型百叶窗翅片局部网格2-4三种不同结构百叶窗翅片网格308k4m/s,333KTTmaxlg(Tmax

ppinhNu

f 1u22

TwTout600350000网格 网格 surfacesurfaceNusselt0-

- - - -

IIIIskinskinFriction-

IIII- - - - -（c）沿x主流方向努塞尔数分布 (d)沿x主流方向平均阻力系数分布图2-5.四种不同网格尺寸的努塞尔数与阻力系数分布表2- IIIIIIIIIVII换热量压降努塞尔数4×10-62-52-2可以看出当网格数目为I﹑II和III时，网格数目的多少对数值计10-6以下，以确保计算的正确性。不同进口流速对翅片性能的Re

1j 1RePr

RQ

planefinplanefinlouvershapeofZlouverplanefinlouvershaped-louver5 图2-6不同进口速度下热量与压降的变化曲线由图2-6(a)可知三种不同形状的翅片换热量随着速度的增加而增加，呈线性增态。在相同工况下，Z型百叶窗翅片的换热效果最好，而板式百叶窗翅片换热次之，平板翅片换热效果当进口风速为2~7m/s时板式百叶窗翅片换热量高于平板翅片1.07~1.36倍；Z1.68~2.03Z型百叶窗具有扰流作用，具有2-6(b)可得三种翅片的压降随着进口风速的增加而呈指数增加。在相同工况下，平板翅片的压降最低，Z1.78~2.111.44~1.81倍。这主要是由于Z

planeplanefinlouvershapeofZlouver

planeplanefinshapeofZlouver 图2-7不同进口速度下单位压降的换热量与单位泵功的变化曲线27()2~7m/sZ1.07~112%0.74~0.78倍。2-7(b)可以得出单位泵功随着速度的增加而减少，并趋于一定值。其中Z型百叶窗翅片的单位泵功最高，而板式百叶窗1.07~1.120.74~0.78倍。 图2-8三种翅片的努塞尔数及平均阻力系数与雷诺数之间的关系曲线由图2-8可知在对数坐标系下，努塞尔数及平均阻力系数在计算的雷诺数区域呈线性关系，分别是呈线性增加和线性下降的趋势。在计算范围内，Z型百叶窗翅片的Nu值最Nu3.18~3.492.29~2.55倍。然ZZ2.44~2.812.78~3.12倍。 2-92-9(a)可知传热因子jZ型百叶窗翅片的传热能力最好，平板翅片的传热能力。2-9(b)Z翅片的热阻最小，而板式百叶窗翅片的热阻次之，分别是平板翅片的0.29~0.31倍及0.39~0.44强化因

louvershapeofZlouver5101520253035404550556065707580859095

planeplanefinlouvershapeofZlouver0.0000.0020.0040.0060.0080.0100.0120.01433ff

2-10ff332-10表明：在计算区域内，当压降相等时，Zj是平板翅片的2.01~2.12j1.38~1.47倍；相同功泵时，Z型j2.36~2.50ff331.63~1.76倍。由此可得Z沿程参数分surfacesurfaceNusselt0-

- - - -

louverlouvershapeofZlouverlouvershapeofZlouverSkinSkinFriction-- - - - - -2-11v=5m/sy=0.0019m2-11Z表2- ZRe-j=0.168Re-0j=0.240Re-0j=0.415Re-0。Re-f=11.778Re-0f=19.648Re-0f=15.039Re-0 308k5m/s333k流场分理的重要标准，其定义为 FcUT

Re

planefinlouvershapeofZlouver2-12板翅片的协同数最小，表明Z型百叶窗翅片的速度场与温度场协同性最好。同时换热量随 xyxyZx轴与y轴方向的流线分布2-13x轴与y轴方向的流线分布板式百叶窗翅片的y（c）Zy Zy2-14Z型百叶窗翅片y无扰动流存在，换热效果；而板式百叶窗翅片具有较小的扰流和切断流场的功能，因而可知换热能很强但是压降比平板翅片高；Z型百叶窗翅片不仅具有较大的扰流作用，而温度场分（e）Zy=0.0019m(fZz=0.0019m处的温度分布2-15三种翅片的温度分布（v=5m/s逐渐减少，Z型百叶窗翅片具有切断流作用，因此使得其翅片发展形成的热边界层较平板式百叶窗翅片与Z2.343.03倍。压力场分Zy=0.0019mZz=0.0019m处的温度分布2-16三种翅片的温度分布（v=5m/s很小，而沿主流方向逐渐减少。空气在板式百叶窗翅片间形成较大的局部阻力；Z型百叶窗在板板中间也存在较大的局部阻力，然而于Z型翅片导流作用的存在，有利流体的流动Z3.022.74倍。通过对平板翅片、板式百叶窗翅片和Z型百叶窗的三维数学建模型，采用气固耦合传408<Re<1427时，Z型百叶窗翅片的传热性能高于平板翅片和板式百叶窗翅片,其换热量高于板式百叶窗翅片27.54%~30.49%,而压降低于板式百叶窗翅片f相同压降下，Z型百叶窗翅片的 高于板式百叶窗翅片39.46%~48.10%；相f3功泵下，Z3

37.13%~44.90%ZZ型百叶窗强化传热的本质是：Z型的存在改善了平板翅片中的流场与温度场的协BPBP误差反向(BP,BackPropagation)神经网络是一种单向的多层前馈网络采用误差反向算法学习，而且是使用较为广泛的网络，网络构造主要包括两个步骤，即信息的正向和误差的反向，其流程如图3-1所示。3-1BP换热器单一性能评热量与阻力损失相结合的评Nu/f1/3。1比值作为强化传热的评价标准更为合适[78]1徐国想[79]对进行了详细的理论分析与推导后来有学提出采用评价换热器综合热水力性能的品质因子（F）方法即：VOFj/f

熵分析为了反映换热器传热性能具有不可逆性，BejanA[80-81]Ns作为评故利用NsNs，把∆T及∆P所纵向比较WebbRL82-83]在总结和分析前人工作热经济学分析济学分析法除了研究体系与自然环境之间的相互作用外，还要研究体系的经济参量与出的各种方法中最为完善，现已在等国家开始部分采用，并且获得了较好的效果。性能的翅片结构进行数值拟与贝正则算法的BP神经网络预测相结合，优化Z型翅片翅片折角对其性能的FLUENT（3-13-1fluent折角jf123456FLUENT4m/s308k,333k时w

采用Colburnj因子和摩擦因子f反应Z型翅片的流动换热性能1j 1Pr3

f 1u22

NuNusselt;Pr为PrandtlDe为水力直径

p为沿程压降；L为沿程流动方为空气密度；uxxi

xi为归一后的数据，其值在[0,1]理论上讲，只要训练样本适当，采用3层BP神经网络足以近任何非线性系统[84]。本文利用神经网络工具箱(nntool)(3-3(a))3层BP网络结构，用以反映翅片的几何参数与换热翅片之间的非线性关系，网络结构图如图图3- BP网络结构动阻力特性f和传热特性jnmn

式中m为隐含层神经元数目，n为输入层神经元数目，l为输出层神经元数目，a之间的常数[85]m4~12之间，根据训练结果选择最佳隐含层神经元数目。隐含层神经元传递函数为tansig型；输出层的传递函数为purelin线性。为了防止出现BP神经网络训练过度拟合现象，增强其泛化能力，本文训练函数采用贝正则算法[86]BP神经网络算法,3-3(b)。(a)神经网络工具箱nntool (b)BP网络设置图3-3BP网络训练次数m、最大允许误差P、学习率a3-4(a)所示。（a）BP神经网络参数设定 图3-4BP神经网络参数设定及训练结果dk 平均绝对百分比误差（MeanAbsolutedk TT

k T

dk表示第kyk表示为第kT当MAPE＜10%，则有高度的预测能力 10％≦MAPE<20％，则有好的预测能力20％≦MAPE<50％，则有合理的预测能力当50％≦MAPE，则有确的预测能力取FLUENT5组对上述BP3-2，由表可得隐含层神经元数目不是越多越好，综合考虑本文选择最佳神经元8。456789预测

预测

jj

样本序列

f因f因

样本序j因子计算值与预测值比较 (a)f因子计算值与预测值比较图3-5BP网络的计算值与预测值以六组样本数据作为预测样本，上述BP神经网络的预测性能，由图3-5可知整3-5(a)翅片的传热性能，训练样本与计算样本相0.03%~4.05%3.86%3-5(b)流动阻力性能，训练BP神经网络能很好地预测Z型百叶窗翅片的流动传热性能，在很大程度减少计算量。3-33-3折角jf1234567893-6

8188182022242628303281820222426283032 jj

折角

f因f因

折角j因子随折角变化的曲线 （b）f因子随折角变化的曲线图3-6j、f因子随着折角变化 101214161820222426283032折角

j/f1/3由图3-7可以得出随着折角的增加，j/f1/3的值呈现出先增后减趋势当折角在16~24°2.26%~13.36%Z型换热翅片折距对其性能的180FET（34并以此求解其他数据点，从而进行结构参数优化。3-4fluent折角jf123456BPBP3-53-103-5折角jf1234567890.10812其综合结果如图示(a)j因子随折距变化的曲线 (b)f因子随折距变化的曲线图3-8j、f因子随着折角变化由图3-8(a)可知传热性能随着折距的增加而先增后减的趋势，当折距为1/4~5/9时，换19.41%~45.42%3-8(b)可知热阻系数是随着折距1/181/121/91/62/91/41/35/121/25/97/122/33/47/95/6折距

j/f1/33-9j/f1/3的1/4~7/12时，其值高2.85%~55.08%。因此可以选择此范围时换热器的综合性能最好。翅片倾角对其性能的1/2时，以翅片倾角为研究对象，在其他几何结构参数不变的情况下，探究其对换热器的综合性能的影响，先在FLUENT软件中计算出若干样本数据（如表3-6并3-6.fluent折角jf123456BPBP3-73-7折角jf1234567892626283032343638

j因j因

f因f因

翅片倾角

翅片倾角(a)j因子随翅片倾角变化的曲线 (b)f因子随翅片倾角变化的曲线图3-10j、f因子随着翅片倾角变化3-10(a)243426~32°时，7.63%~24.58%3-10(b)可知翅片热阻系数33°之后趋于定值。161820222426283032343638翅片倾角3-11j/f1/33-1126~32°7.15%~16.53%。因此可以选择此范围的角度，从而使Z型翅片换热器综合换热性能达到最优。翅片厚度对其性能的27FLUENT（3-83-8fluent折角jf123456BPBP3-93-9折角jf1234567893-12

jj

ff

0.060.00翅片厚度

0.060.00翅片厚度(a)j因子随翅片厚度变化的曲 (b)f因子随翅片厚度变化的曲3-12j、f3-12(a)可知翅片换热能力随着翅片厚度的增加先增后减，最后趋于定值。其中当翅片厚度为0.12~0.15mm时翅片换热能力最好其值高于计算区域的平均值0.12mm~0.16mm热阻系数较大。 翅片厚度3-

j/f1/3由图3-15可知换热翅片随着翅片厚度增加先增后减当翅片厚度在0.12mm~0.15mm时，Z10.31%~24.69%。因此可选择此区间的参翅片间距对其性能的0.14mm,103-10.fluent折角jf123456BPBP折角jf1234567893-14

f因f因

f f

翅片间距

翅片间距f3-14j、f由图3-14(a)可知换热翅片间距在1.3mm~1.9mm3.84%~52.23%翅片间距3-

j/f1/3由图3-15可知换热器综合换热性能随着翅片间距的增加而降低，当翅片间距在1.3mm~1.8mmj/f1/37.65%~52.47%。因此设计优化翅1.2mm~1.8mm，以使得换热器综合换热性能最优。ZRe、翅片折角、折距w、翅片间距Lp、翅片长度Ld及翅片厚度h1的影响，并且即使几何尺寸相似时，准则关综合准则关系式，将对Z型换热翅片的优化和发展造成很大的阻力。如果对于影响Z型换7777次模拟计算，不仅计算量大，且无针对性，因此可以采用无量纲分析法，对影响Z型翅片的各种因素无量纲化，然后进行准3-11所示。3-11wjf1234567893-12

3-12wh1/Lp/jf123456789w、翅片倾角LpLdh1等七个参数在内的传

1.995 0.802

0.158 j390.011

90 90

d d

1.72 0.142

0.14 f721.915

90 90

d dZ3-16图3- 由上述计算软件可以很容易计算出影响Z型平行流换热器综合性能的最优结构参数，Z型平行流冷凝器综合换热性能的结构参数—翅片折角w、翅片倾角Lp及翅片厚度h1进行建模模拟预测得出如下的结论：FLUENTBP采用贝正则算法的BP神经网络能有效防止因为数据过少而出现的过度拟270.14mm1.4mm时换热器的综合换热性能最好。通过对影响因素参数的拟合，并在中建立公式可视化界面，其能有效设边界元法简边界元法是应用公式选择适当的权函数把空间求解域上的偏微方程转成为其边时间和容量。此外，由于边界元法不需要对区域内进行离散，因此温度的测量点的位热流，而表面的热流的精确测量要比温度的测量得多。这些优点极大的提高了边界元边界元法编程流程边界单元有常数单元、线性单元和二次单元。本文采用的是常数单元如图4-1。常数单元中的势值uq为常数，等于对应之节点值。QPQPi4-114-24-24-2折角翅片倾角4m/s308k,333k时。对其进行数值模拟，并假设在垂4-3所示。Z型百叶窗翅片温度等值线4-3翅片温度等值线4-4Z型百叶窗翅片温度等值线4-4通过坐标变化后的图形4-5Z型百叶窗翅片温度等值线4-5坐标变化化后的图形对在f(x)4-6TT TTTT

TTy6.45898

4-6

Z型百叶窗y6.855961.8638104x6

02T2T0

在域

在x0 T

在xL T

在y0 T

y

f(x) T(xi,0)

,

这是一个已知y0上若干点的温度数据，求解未知边界形状f(x)的二态边界形JJ(f(x))||TY||[T(x,0)2

式中：Yi(x0是在模型表面的测量点上实际测得的热流值；Ti(x0fx由（4-3）极小值，即对二次函数最多经过n次迭代即可搜索到最优点。具体做法：每一步的迭代中x(k的负梯度f(x(kd(k1)进行线性组合，构成一个与d(k1)方向互相共轭的方向d(k)，然后沿d(k)作一维寻优。迭代搜索方2，计算f(x)是初始的猜测值或迭代过程中通过搜索得f

(x)

f(x)npn

n为n到n+1pn(xpn(x)J'n(x)n

J'n(xnpn(xJ'n(xn-1次pn1(x的共轭，其中n为共轭系数，其值可以有下列计算得出：L(J'nLn L(J'n1

00。从上式中可知，当n0，即为最速下降法。最速下降法收敛速度一般比灵敏度问界形状f(x)有一增量f(x)时，表面温度T的变化量T(x)，即：(J)T(J,J ,J

f1 具体做法：在式（4-2）中，用TT代替原来的Tf(xf(xfx02T2T0

在区域 T

在x0 T

在xL T 在y0 Tf

y

f(x) 同样用边界元法进行离散可解以上方程组，求的温度增量T。根据式（4-5，对于Jfn1 J( )[T( npn)Y

把Tifpn J( )[T(f)nT(pn)Y

n求导并使其值为零，可得搜索步长n的值为mm(TiYimn mi(Ti

伴随问在式（4-4）fn(x

(x)还要求出搜索方向pn(x)，因此要根据式（4-5）求梯度方向J'n(x)，即所谓的泛函数求导日算子(x,y（也称为伴随函数，并对空间域积分，再把结果加到式（4-3）J[f(x)]J[f(x)]

[TY]2(xx)dxiLf(i

x0

i用TT替代Tfff,i b[TY]2dx a则

[TY]2(xx

J(qq)J(q) f(

2(TY)T(xxi)dxx0

将式上式的右边第二项分步积分两次，并利用灵敏度问题的边界条件，然后使J0可2

在区域

在x0 在xL 在y0

y

f(x) 用边界元法求解得出伴随函数(x,y 0J[y.y]yf(x)f(x)d0

因此根据Alifanov[88]的定义有LJ

JJ'(x)f0

J'

y.

|yf(

收敛条J(fk1(x))

这里的是一个很小的值，要根据具体的收敛情况确定。如果存在测量误差，其测量的标准偏差为，根据原理来确定最低标准

sss[T(x,0)Y(x,0)] 计算步选择一个猜测的翅片外形初值f(x),（4-2q(x,t)根据T和Y,Jfk1(x 15)Jx)计算共轭系数k和下降方向pk令f(x)pk(x，求解灵敏度问题，得到温度的增量T(x)由（4-11）计算搜索步长ki令kk1fk(x，计算出新的T，回到第（2）i4-74-7计算结Z4-8反算法计算结果与fluent4-8可知，当采用采用0.081.0时结果吻合较好，结果显示平板翅片换热器及Z型翅片换热器的最佳外形不是线性，而是曲线型，这一结果为以后换热器性能模型建4-9结果讨

Z4-94m/s308k,333k4-104-10可知，经过反算法优化后的翅片表面温度分布均匀，表明换热效率提高，而

平板翅片的j/f1/3与雷诺数关系曲线 (b)Z型百叶窗翅片的j/f1/3与雷诺数关系曲线图4-11优化前后的平板翅片及Z型百叶窗翅片的综合换热性能曲线4-11j/f1/3由图4-11(a)jf1/3比优化前的翅片提高了12.25%~16.69%由图4-11(b)可知通过反算法优化后的Z型百叶窗翅片比优化前的Z型j/f1/31.46~1.56倍。本章通过对最优结构尺寸的平板翅片及Z12.25%~16.69%1.46~1.56Z型百叶窗翅片的三维数学建模型，采用气固耦合传热面方法，对三种不同翅片的传热综合效率进行评价，得出如下结论：当408<Re<1427时，Z型百叶窗翅片的传热性能高于平板翅片和平板百叶窗翅片,其换热量高f压降下，Z型百叶窗的 高于平板百叶窗翅片39.46%~48.10%；相同功泵下，Z型f3叶窗的 高于平板百叶窗翅片37.13%~44.90%；三种翅片中Z3能最好。其性能最优的本质是ZZ型平行流冷凝器综合换热性能的结构参数—翅片折角w、翅片倾角、翅片间距Lp及翅片厚度h1进行建模模拟预测得出：采用贝算法的BP神经素的分析得出最优结构尺寸：当折角为18，折距为1/2，翅片倾角为27，翅片厚度为并在中建立公式可视界面，其能有效设计优化翅片结构参数。Z型百叶窗翅片外形进行反算法优化，得出：片综合换热性能高于优化前12.25%~16.69%；优化后的Z型百叶窗翅片综合换热性能高于1.46~1.56倍。CFDZ型百叶窗翅片结构参数及外形进行优化，Z型百叶窗翅片三种不同形状的翅片进行流场实反算法中的正问题可以采用实验方式数据，使其结果更为准确本是在导师周俊杰讲师的精心指导和悉心下完成的。在毕业设计期间，无导师宽广的胸襟、诲人不倦的精神，也极大地鼓舞了我，使我受益非浅。本凝聚着导的老师对中反算法程序的指点，同时本班同学曾给予我许多精神帮助，在我还要感谢家人和所有的朋友，是他们给了我信心，让我有了愉快的心情来完成[1]GuBo,BianHejie,guang.ysisontheperformanceoffan-coilunitwithvariousgeometryparametersbasedonsteadymodel[J].ChineseJofMechanicalEngineering,2004,40(10):109-114.[2]佑.制冷原理与设备[M].:机械工业, ,魏文建,,张春路.翅片管式换热器换热与压降特性的实验研究进展—关联式[J].制冷学报,2003,4:21-27. .板翅换热器倾斜波纹翅片传热与流动特性研究[D].山东大学, 许伟.几种典型翅片传热及阻力特性的数值研究与分析[D]., .翅片管式冷凝器传热优化数值模拟研究[D].工业大学, 贤,赵夫峰,曾昭顺,杨九铭,张智.新型组合翅片换热器数值研究[J].制冷与空调,2009,9(5):35-37. ,李隆键,童明伟,漆波.车用百叶窗翅片式热交换器空气侧性能的CFD研究[J].理工大学学报,2007,23(2):63-66.HacMehmetSahina,AliRızaDal,EsrefBaysal.3-DNumericalstudyonthecorrelationbetweenvariableinclinedfinanglesandthermalbehaviorinplatefin-tubeheatexchanger[J].AppliedThermalEngineering,2007,27:1806-1816.Ching-TsunHsieh,Jin-YuhJang.3-Dthermal-hydraulicysisforlouverfinheatexchangerswithvariablelouverangle[J].AppliedThermalEngineering,2006,26:1629-1639.Chi-ChuanWang,Wei-SonLee,Wen-JennSheu.Acomparativestudyofcompactenhancedfin-and-tubeheatexchangers[J].InternationalJournalofHeatandMassTransfer,2001,44：NatVorayos,TanongkiatKiatsiriroat.Thermalcharacteristicsoflouveredfinwithalow-reynoldsnumberflow[J].JournalofMechanicalScienceandTechnology,2010,24(4):C.T.Joen,A.Jacobi,M.DePaepe.Flowvisualisationininclinedlouveredfins[J].ExperimentalThermalandFluidScience,2009,33:664-674.N.C.DeJong,A.M.Jacobi.Flow,heattransfer,andpressuredropinthenear-wallregionoflouvered-finarrays[J].ExperimentalThermalandFluidScience,2003,27:237-250.GiovanniLozza,UmbertoMerlo.Anexperimentalinvestigationofheattransferafrictionlossesofinterruptedandwavyfinsforfin-and-tubeheatexchangers[J].InternationalJournalofRefrigeration,2001,24:409-416.X.Zhang,D.K.Tafti.Floweffciencyinmulti-louveredfins[J].InternationalJournalofHeatandMassTransfer,2003,46:1737-1750.N.C.DeJong,A.M.Jacobi.Localizedflowandheattransferinteractionsinlouvered-finarrays[J].InternationalJournalofHeatandMassTransfer,2003,46:443-455.Man-HoeKim,ClarkW.Bullard.Air-sidethermalhydraulicperformanceofmulti-louvered-naluminumheatexchangers[J].InternationalJournalofRefrigeration,2002,25:390-Nae-HyunKim,EJin-PyoCho.Air-sideperformanceoflouver-finnedflataluminumheatexchangersatalowvelocityregion[J].HeatMassTransfer,200844:1127-1139.V.P.Malapure,SushantaK.Mitra,A.Bhattacharya.Numericalinvestigationoffluidflowandheattransferoverlouveredfinsincompactheatexchanger[J].InternationalJournalofThermalSciences,2007,46:199-211.JMichael.Lawson.PracticalApplicationsofDeltaWingletsinCompactHeatExchangerswithLouveredFins[D].VirginiaPolytechnicInstituteandStateUniversity,2006.ThomasPerrotin,DenisClodic.Thermal-hydraulicCFDstudyinlouveredfin-and-flat-tubeheatexchangers[J].InternationalJournalofRefrigeration,2004,27:422-432.M.K.Rathod,K.ShahNiyati,P.Prabhakaran.Performanceevaluationofflatfinnedtubefinheatexchangerwithdifferentfinsurfaces[J].AppliedThermalEngineering,2007,27:ZYGuo,WQTao,RKShah.Thefieldsynergy(coordination)principleanditsapplicationsinenhancingsinglephaseconvectiveheattransfer[J].IntJHeatMassTran,2005,48(9):WQTao,YLHe,QWWang,etal.Aunifiedysisonenhancingsinglephaseconvectiveheattransferwithfieldsynergyprinciple.IntJHeatMassTran,2002,45(24):4871-4879.JAMeng,XGLiang,ZXLi.Fieldsynergyoptimizationandenhancedheattransferbymulti-longitudinalvortexesflowintube[J].IntJHeatMassTran,2005,48(16):3331-3337.CHHUANG.BHCHAO.Aninversegeometryprobleminidentifyingirregularboundaryconfigurations[J].IntJHeatMassTransfer,1997,40(9):2045-2053.TJMARTN,GSDULIKRAVICH.Inversedeterminationofsteadyheatconvectioncoefficientdistribution[J].JHeatTransfer,1998,120:328-334.任常青.热传导方程反问题的数值解法[J].理工学院学报,2008,21(3):28-杨海天,,.共轭梯度法求解稳态传热组合边界条件反问题[J].大连理工大学学报,2003,43(2):136-140..导热几何形状反演的变分原理及边界条件的确立[J].物理学报2010,26-Cheng-HungHuang,Shao-PeiWang.Athree-dimensionalinverseheatconductionprobleminestimatingsurfaceheatfluxbyconjugategradientmethod[J].InternationalJournalofHeatandMassTransfer,1999,42:3387-3403.UmerZeeshanIjaz,AnilKumarKhambampatietal.Estimationoftime-dependentheatfluxandmeasurementbiasintwo-dimensionalinverseheatconductionproblems[J].InternationalJournalofHeatandMassTransfer,2007,50:4117-4130Fung-BaoLiu.Amodifiedgeneticalgorithmforsolvingtheinverseheattransferproblemofestimatingplanheatsource[J].InternationalJournalofHeatandMassTransfer,2008,51:Cheng-HungHuang,Yao-LongTsai.Atransient3-Dinverseprobleminimagingthetime-dependentlocalheattransfercoefficientsforplatefin[J].AppliedThermalEngineering,2005,25:2478-2495.Hae-JiKima,Nam-KyungKimb,Jae-SeobKwak.Heatfluxdistributionmodelbysequentialalgorithmofinverseheattransferfordeterminingworkpiecetemperatureincreepfeedgrinding[J].InternationalJournalofMachineTools&Manufacture.2006,46:2086-2093.BrentA.Anderson,R.PaulSingh.Effectiveheattransfercoefficientmeasurementduringairimementthawingusinganinversemethod[J].InternationalJournalofRefrigeration.2006,29:281-293.A.AbbasNejadetal.Optimaloperationofalloymaterialinsolidificationprocesseswith-rseheattransfer[J].InternationalCommunicationsinHeatandMassTransfer,2010,37:SHIH-YUSHEN.ANumericalStudyofInverseHeatConductionProblem[J].ComputersandMathematicswithApplications,1999,38:173-188.D.LESNICetal.Applicationoftheboundaryelementmethodtoinverseheatconductionproblems[J].Int.J.HeatMassTransfer,1995,39(7):1503-1517.ChingyuYang.Thedeterminationoftwoheatsourcesinaninverseheatconductionproblem[J].InternationalJournalofHeatandMassTransfer,1999,42:345-356.M.H.Shojaeefard,K.GoudarziandM.Sh.Mazidi.InverseHeatTransferProblemofTherm-alContactConductanceEstimationinPeriodicallyContactingSurfaces[J].JournalofScience.2009,18(2):Chi-ChangWang,Ching-YuYang.InversemethodinsimultaneouslyestimateinternalheatgenerationandroottemperatureoftheT-shapedfin[J].InternationalCommunicationsinHeatandMassTransfer,2010,37:1312-1320.Wen-LihChen,Yu-ChingYang,Haw-LongLee.Inverseproblemindeterminingconvectionh-eattransfercoefficientofanannularfin[J].EnergyConversionandManagement,2007,48:Cheng-HungHuang,I-ChaYuan,AHerchang.Athree-dimensionalinverseproblemin-ingthelocalheattransfercoefficientsforplatefinned-tubeheatexchangers[J].InternationalJournalofHeatandMassTransfer,2003,46:3629-3638.A.Frackowiak,J.v.Wolfersdorf,M.Ciałkowski.Solutionoftheinverseheatconductionpro-blemdescribedbythePoissonequationforacooledgas-turbineblade[J].InternationalJournalofHeatandMassTransfer,2011,54:1236-1243.T.W.LinDavid,Wei-MonYan,Hung-YiLi.Inverseproblemofunsteadyconjugatedforcedconvectioninparallelplatechannels[J].InternationalJournalofHeatandMassTransfer.200.-8,51:993-KumarAnagurthi.yticalsolutionforinverseheatconductionproblem[D].CollegeofEngineeringandTechnologyOhioUniversity,1999.寇蔚,,杨立.神经网络求解传热反问题的可行性研究[J].激光与红外,2004,34(5):347-349.,王秀春.神经网络方法在导热反问题中的应用[C].2002年学术I,2002.肖宝兰等.基于神经网络方法预测翅片参数对车用中冷器性能的影响[J].内燃机报,2010,31(5):92-95.班淑珍,席明智,韩俊峰.基于神经网络的新型车用管芯式散热器传热性能研究[J].机电产品开发与创新,2008,21(5):60-61.智会强.神经网络和遗传算法在导热反问题中的应用[D].河北工业大学J.Zueco,F.Alhama,C.F.Gonzalez-Fernandez.Inversedeterminationoftemperaturedepend-entthermalconductivityusingnetworksimulationmethod[J].JournalofMaterialsProcessingTechnology,2006,174:137-144.ObedCortes,GustavoUrquiza,J.A.HernandezMarcoA.Cruz.ArtificialNeuralNetworksforInverseHeatTransferProblems[C].FourthCongressofElectronics,RoboticsandAutomotiveMechanics,2007:198-201.ApurvKumar,C.Balaji.APrincipalComponentysisandneuralnetworkbasednon-iterativemethodforinverseconjugatenaturalconvection[J].InternationalJournalofHeatandMassTransfer,2010,53:4684-4695.I.M.Galvana,J.M.Zaldıvar.ApplicationofrecurrentneuralnetworksinbatchreactorsPartII:Nonlinearinverseandpredictivecontroloftheheattransferfluidtemperature[J].ChemicalEngineeringandProcessing,1998,37:149-161.S.Deng,Y.Hwang.Applyingneuralnetworkstothesolutionofforwardandinverseheat-ductionproblems[J].InternationalJournalofHeatandMassTransfer,2006,49:4732-LiqiangZhang,LuoxingLi,HuiJu,Biwu.Zhu.Inverseidentificationofinterfacialheattransfercoefficientbetweenthecastingandmetalmoldusingneuralnetwork[J].EnergyConversionandManagement,2010,51:1898-1904.S.Deng,Y.Hwang.Solutionofinverseheatconductionproblemsusin