基于BP神经网络和遗传算法的翅片管结构优化

摘要

为提升热管换热器的综合性能，通过反向传播(back propagation, BP)神经网络预测模型与带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)相结合，对核电站主控室非能动冷却系统中重力热管蒸发段的翅片管结构进行多目标优化设计。以翅片厚度、间距、高度、横向管间距、纵向管间距、长径比等6个结构参数为自变量，建立努塞尔数、压降和最小截面处风速的预测模型，通过NSGA-Ⅱ算法以传热因子最大化和阻力因子最小化为目标进行全局寻优。优化后的翅片结构参数组合(翅片厚度为1 mm、间距为6 mm、高度为5 mm、横向管间距为70 mm、纵向管间距为75 mm、长径比为1.4)使传热因子提升25.86%,阻力因子降低17.96%,综合性能系数提升35.24%。本研究验证了BP神经网络与遗传算法联合优化方法在热管结构设计中的有效性，为核电站主控室非能动冷却系统的工程优化提供关键参数和理论指导。

关键词

BP神经网络 / 非支配排序遗传算法 / 非能动冷却系统 / 重力热管 / 多目标优化

基金资助

山东省重点研发计划资助项目(2020CXGC010306)