基于BP神经网络的固体界面热阻预测模型研究.doc

中国工程热物理学会传热传质学
学术会议论文编号: 123211
基于BP神经网络的固体界面热阻预测模型研究* *资助项目:国家自然科学基金(51076165)
李想1 吴钢1 毕柯1 汤智胤1 陈金增1 马计1 张晓东1 张乔斌1 王惠龄2
(1海军工程大学船舶与动力学院,武汉430033;2华中科技大学制冷与低温工程系,武汉430033)
(Tel: ********** Email: suplixiang@)
摘要为了快速获取固体间界面热阻,提高其预测的准确性,采用BP神经网络对多种影响因素作用下的固体界面热阻进行预测。在分析固体界面热阻影响因素的基础上,确定预测模型的输入参数,基于BP神经网络设计了固体界面热阻预测模型,利用MATLAB软件进行了仿真计算,仿真结果与实验数据有较好的一致性,%。研究结果表明该模型具有较高的预测精度和较强的泛化能力,为研究固体接触界面热阻提供一种新的思路,并具有一定的实际应用价值。
关键词 BP神经网络;界面热阻;预测;固体
0 引言
界面热阻是航空航天、生物医学、电子、能源、机械、低温、超导等领域中关注解决的重要问题之一。目前,在界面热阻预测的方面,微观上主要有AMM、DMM和PSPD等模型[1]。宏观上,从表面形貌研究主要有G-W模型[2]、BGT模型[3]、BGK模型[4];从接触点的变形特征研究主要有塑性接触模型[5]、弹性接触模型[6]、弹塑性接触模型[7]。由于接触界面热阻受材料热物性、材料机械特性、材料表面性质、表面粗糙度及负载、温度、介质和环境等众多因素的影响,且各因素之间又相互影响,这些因素与界面热阻之间存在着复杂的非线性关系,因此,影响因素和界面热阻之间很难建立精度较高的理论模型,到现在为止,尚无一种理论能够准确描述固体间接触界面热阻的大小。接触界面热阻的确定大多通过实验的手段获得,但使用实验的方法来获得每种材料在各种条件下的界面热阻时间周期长、工作量大。
BP神经网络是一个非线性动力学系统,通过对一定数量的实验数据样本的学习,能够准确预测出各种影响因素相互作用下的固体间接触界面热阻,从而减少大量的实验工作,提高界面热阻预测的准确性,为界面热阻的确定提供一种新方法。目前关于神经网络预测界面热阻的研究较少,文献[8]基于组合神经网络模型对纺织品热阻精度进行了预测,%。文献[9]用改进的BP神经网络对换热设备表面形成的腐蚀污垢产生的热阻进行预测,相对误差在15%之内。现有的研究成果表明神经网络在对热阻的预测上具有较高的精度。本文在分析固体间界面热阻影响因素的基础上,基于BP神经网络建立了固体界面热阻的预测模型。
1 BP神经网络原理
BP神经网络(Back work)即误差反向传播神经网络,它是通过反向传播学习算法来进行估算,是目前神经网络中较为成熟,应用最为广泛的一种,它具有较强的非线性映射能力和泛化能力。
图1 三层BP神经网络结构图
BP神经网络结构包括输入层、中间隐含层和输出层。三层BP神经网络就能以较高的精度逼近任何函数,本文以三层BP神经网络为例进行说明,设输入神经元为个,中间隐含层单元有个,激励函数为,输出为,隐含层内神经元为个,目标矢量为,误差为,迭代次数为,其步骤如下[10]:
初始化:选择合理的网络结构;