一、研究目标

（1）构建基于主动学习策略的PCHE性能预测方法；

（2）研究基于机器学习的PCHE流动换热机理；

（3）形成PCHE智能优化与快速设计方法以及算法模型。

二、研究内容

（1）基于主动学习策略的PCHE性能预测模型构建

建立超临界氮气-液态金属PCHE物理与数值模型，通过数值模拟获取不同结构与运行参数下的换热系数、压降等关键性能参数，构建PCHE性能数据集，不断迭代优化机器学习模型，提升预测精度和泛化能力，实现对PCHE性能的快速准确预测。

（2）基于可解释机器学习的PCHE流动换热机理研究

对PCHE性能预测模 (略) 解释，识别影响PCHE性能的关键因素；探究各关键因素对PCHE性能的影响规律；揭示PCHE流动换热机理，为超临界氮气-液态金属PCHE的优化设计提供理论依据。

（3）PCHE智能优化与快速设计方法

基于PCHE性能预测模型，建立多维优化模型；在高维设计空间内快速搜索获得最优全参数设计方案，并根据PCHE流动换热机理进行方案可行性分析，形成可成长的PCHE智能优化与快速设计算法模型。

三、技术指标

（1）预测结果精确度：与CFD数值模拟计算结果对比，超临界氮气-液态金属PCHE出口温度预测误差≤8%，对流换热系数与压降的预测误差≤10%；

（2）预测性能效率：与CFD模拟相比，超临界氮气-液态金属PCHE的性能预测效率提升5个数量级。

预期成果：基于主动学习策略的超临界氮气-液态金属PCHE性能预测研究报告；基于可解释机器学习的超临界氮气-液态金属PCHE流动换热机理研究报告；超临界氮气-液态金属PCHE智能优化与快速设计算法报告；超临界氮气-液态金属之字形通道PCHE设计算法模型。

四、报价文件递交时间、地点及方式

1. 报名须知：报名请填写附件中《报名表》，加盖公章，在报名截止时间（2024年11月20日）前，将报名表发送到以下邮箱：*@*ttp://**。

2. 报价文件截止时间：请在收到采购需求响应有效的通知后，15个工作日内将响应文件寄到或送达至指定地点，逾期视为自动放弃。邮寄报价文件时请在快递封皮上填写所响应的该采购需求名称。

3. 邮寄地址： (略) (略) (略) 21号中 (略)

4. 联系人：刘琰

联系电话：010-(略)

一、研究目标

（1）构建基于主动学习策略的PCHE性能预测方法；

（2）研究基于机器学习的PCHE流动换热机理；

（3）形成PCHE智能优化与快速设计方法以及算法模型。

二、研究内容

（1）基于主动学习策略的PCHE性能预测模型构建

建立超临界氮气-液态金属PCHE物理与数值模型，通过数值模拟获取不同结构与运行参数下的换热系数、压降等关键性能参数，构建PCHE性能数据集，不断迭代优化机器学习模型，提升预测精度和泛化能力，实现对PCHE性能的快速准确预测。

（2）基于可解释机器学习的PCHE流动换热机理研究

对PCHE性能预测模 (略) 解释，识别影响PCHE性能的关键因素；探究各关键因素对PCHE性能的影响规律；揭示PCHE流动换热机理，为超临界氮气-液态金属PCHE的优化设计提供理论依据。

（3）PCHE智能优化与快速设计方法

基于PCHE性能预测模型，建立多维优化模型；在高维设计空间内快速搜索获得最优全参数设计方案，并根据PCHE流动换热机理进行方案可行性分析，形成可成长的PCHE智能优化与快速设计算法模型。

三、技术指标

（1）预测结果精确度：与CFD数值模拟计算结果对比，超临界氮气-液态金属PCHE出口温度预测误差≤8%，对流换热系数与压降的预测误差≤10%；

（2）预测性能效率：与CFD模拟相比，超临界氮气-液态金属PCHE的性能预测效率提升5个数量级。

预期成果：基于主动学习策略的超临界氮气-液态金属PCHE性能预测研究报告；基于可解释机器学习的超临界氮气-液态金属PCHE流动换热机理研究报告；超临界氮气-液态金属PCHE智能优化与快速设计算法报告；超临界氮气-液态金属之字形通道PCHE设计算法模型。

四、报价文件递交时间、地点及方式

1. 报名须知：报名请填写附件中《报名表》，加盖公章，在报名截止时间（2024年11月20日）前，将报名表发送到以下邮箱：*@*ttp://**。

2. 报价文件截止时间：请在收到采购需求响应有效的通知后，15个工作日内将响应文件寄到或送达至指定地点，逾期视为自动放弃。邮寄报价文件时请在快递封皮上填写所响应的该采购需求名称。

3. 邮寄地址： (略) (略) (略) 21号中 (略)

4. 联系人：刘琰

联系电话：010-(略)