基于机器学习的液态金属换热器设计理论与方法

基于机器学习的液态金属换热器设计理论与方法

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性能预测模型进行全局解释,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:aeac15@aeac.aecc.cn。

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:北京市顺义区顺兴路21号中国航发研究院

4. 联系人:刘琰

联系电话:010-********

,北京市,顺义区

标签: 机器学习

0人觉得有用

招标
业主

-

关注我们可获得更多采购需求

关注
相关推荐
 
查看详情 免费咨询

最近搜索

热门搜索