基于神经网络的预膜雾化模型

为了实现对预膜雾化质量的快速预估,基于神经网络建立了以结构参数和工况参数为输入,索太尔平均直径(SMD)值为输出的预膜雾化模型。使用试验数据训练和测试网络模型,结果显示,模型在较宽的工作范围内具有较高的精度和较好的泛化能力。SMD预测值随输入参数的变化规律符合试验结论,可作为给定工况参数下预膜式雾化装置的结构参数优化依据。神经网络能够较好地学习预膜雾化过程中的隐含规律。随着供油压差的增大,预膜器逐渐出现阻雾化效应,导致其雾化效果比单喷嘴和直混式雾化均差。