气液两相流流型辨识研究及在轴承腔中的仿真实现

【摘要】：发动机轴承腔在高速工作条件下存在气液两相流问题,气液两相流流型对轴承腔润滑设计和润滑系统的热分析的准确性有很大的影响,因此,研究轴承腔内气液两相流流型的识别方法对于轴承腔润滑设计具有重要的意义。考虑到轴承腔两相流流型辨识的实验成本高、难度大,并且在一些情况下很难对两相流流型做出准确判断,因此,本文的目的就是建立一个理论预测模型,以便进行轴承腔两相流流型的辨识。 本文以管道气液两相流为原型,首先采用基于神经网络的理论方法建立预测模型,通过考察三种传统网络的辨识率,发现BP网络具有较高的准确性。针对BP网络因其本身算法上的弱点而造成的对部分流型识别率较低的问题,论文进一步提出采用遗传算法优化BP网络,寻求最优BP网络的遗传算法/神经网络两相流流型辨识组合技术,并在此基础上形成可用于轴承腔气液两相流流型的预测模型。由于DNA遗传算法较常规遗传算法在编码上有很大改进,因此本文在将DNA遗传算法与神经网络结合、建立更为精确的预测模型方面进行了探索。论文最后利用有限元软件对轴承腔气液两相流流场进行模拟,提取实验数据,采用理论预测模型对轴承腔两相流流型进行识别,验证基于DNA遗传算法/神经网络建立的预测模型的准确性。