-
题名基于EBF神经网络的引射器结构参数优化
被引量：2
- 1
-
-
作者
么大锁
赵凯芳
吴国鹏
季宁
裴毅强
-
机构
天津仁爱学院机械工程学院
天津大学内燃机燃烧学国家重点实验室
天津仁爱学院数学教学部
-
出处
《机床与液压》
北大核心
2023年第21期144-149,共6页
-
基金
天津市教委科研计划项目(2021KJ081)。
-
文摘
为提高氢燃料电池引射器的性能,以额定工况下氢燃料电池引射器为研究对象,提出一种基于椭球基(EBF)神经网络模型和非线性序列二次规划(NLPQL)算法的引射器结构参数优化方法。基于正交试验,建立EBF神经网络模型,描述引射器结构参数与引射系数间的非线性关系;通过引射系数模拟值与代理模型预测值的对比以及复相关系数,验证了代理模型的精度;最后,应用NLPQL算法进行全局寻优,获得使引射系数最大的结构参数组合,并进行模拟验证。研究结果表明:基于EBF神经网络和NLPQL算法,提高了燃料电池引射器的引射系数,相对于正交试验方案最大值,引射系数提高了3.9%。基于正交试验设计和EBF神经网络的方法,可以扩大引射器结构参数研究范围和水平,节约CFD模拟计算时间。
-
关键词
氢燃料电池引射器
正交试验
引射系数
神经网络
非线性序列二次规划
-
Keywords
Hydrogen fuel cell ejector
Orthogonal test
Ejection coefficient
Neural network
Non-linear programming by quadratic lagrangian
-
分类号
TH48
[机械工程—机械制造及自动化]
TK91
[动力工程及工程热物理]
TM911.4
[电气工程—电力电子与电力传动]
-
