绝热毛细管流量特性的神经网络关联

    毛细管是中小型制冷空调装置的主要节流元件之一,具有简单、可靠、价廉的优点.毛细管的设计结果将直接影响整个装置的设计效率和实际性能,这是由于一方面毛细管的流量特性对装置的系统性能有显著影响,另一方面毛细管对流量的自调节能力较弱(这也是毛细管的主要缺点).因此,毛细管设计方法的研究一直是相关领域的一个研究热点,特别是毛细管特性计算模型的研究.

    由于制冷剂在毛细管内部的流动是伴随着相变的汽液两相流动,准确而通用的毛细管模型是比较复杂的[15],特别是对于生产第一线的设计人员而言,不容易掌握和使用.因此,近年来毛细管流量特性的关联方法的研究开始受到重视.关联模型的最大优点是计算简单,不需要象复杂模型那样进行复杂的算法设计和迭代计算,故而对使用者的技术要求较低,适合于广泛的生产实践;主要缺点是通用性较差,表现在两个方面:一是适用参数范围(指毛细管结构参数和运行工况参数)较窄,二是不同工质的关联系数不同,这意味着对不同工质需要分别关联.另外,关联方法的研究和关联模型的建立必须以大量的试验数据或通用模型的计算数据为关联对象.由于一定要求下的以常用制冷剂为工质的毛细管流量特性关联模型可以通过公开发表的文献资料查得,因此关联方法的上述缺点一般不会造成关联模型使用上的困难.

    从现有的文献资料来看,毛细管流量特性的关联模型主要是针对绝热毛细管的,这是因为绝热(或近似绝热)毛细管的应用场合更广,而且其流量特性的影响因素也较少.从量纲角度来分,现有的绝热毛细管流量特性关联模型可分为有量纲和无量纲两类.有量纲的关联模型发展较早,关联的难度也较低,但由于量纲上的不平衡,使其缺乏必要的理论支持[5,6].无量纲关联模型由Bittle等[7]率先提出,后又得到其他研究者的验证和发展[8,9],采用的是类似换热系数关联所用的无因次分析方法.Chen等[10]则通过对数值计算结果的观察和规律总结,提出了另一类无量纲关联模型,由于考虑情况较多,其计算需多步转换才能完成.

    从关联数据的来源来看,有的模型是基于试验数据[69],有的则是基于通用模型的计算数据[5,10].基于试验数据的优势是关联的结果可以得到直接验证,但试验数据的范围和数量有限,且不同研究者获得的试验数据的一致性不是很高,导致关联式难有公认的精度.基于计算数据的优势是试验数据的范围和数量可以任选,数据的一致性容易得到确认,但关联的结果需要进一步的试验验证.考虑到毛细管通用模型研究的广泛性和成熟性,作者认为采用计算数据进行关联模型研究可以排除试验中存在的诸多不确定因素,有利于提高研究效率.