摘要：针对半开式混输泵气液两相运行,特别是喘振工况下,压升难以获取的问题,采用机器学习的方法预测其压升特性,以协助优化设计,保障混输泵安全运行。该文通过试验的方法,获得混输泵气液两相压升的数据;然后构建以转速、液相流量和入口体积含气率作为输入特征,并基于高斯过程回归(GPR)、BP神经网络(BPNN)以及支持向量机回归(SVR)等算法的机器学习模型,开展混输泵压升的预测和分析。结果表明:在混输泵正常工况时,BPNN模型在高含气率的预测值严重偏离试验值,GPR模型预测的相对误差在5%;在混输泵喘振工况时,BPNN和SVR模型的预测误差随着喘振的持续进行逐渐增大;GPR模型在喘振区间的压升预测值误差均小于SVR和BPNN模型,大部分样本点相对误差在5%。GPR模型的气液两相压升预测能力最优,该方法通过少量试验数据,即可达到大量试验的效果;以概率分布方式输出预测值更能适应喘振工况大压力波动的样本特征,显著提高了混输泵喘振现象的研究效率。

摘要：努森压缩机是一种有效的非机械式气体升压微泵,在输送气体、压缩气体等方面具有巨大的应用潜力。基于具有滑移和跳跃边界条件的纳维-斯托克斯方程,建立适应于滑移流区域梯形微通道内气体流动二维数值模型。分析了倾角和冷热腔室温差对微通道内部气体克努森数分布、压升以及流动特性的影响规律。结果表明:微通道倾角从0°升高到5.72°,压升从129.181 Pa降低到48.291 Pa,降低了62.618%。此外,倾角越大,气体克努森数越小,但气体流速逐渐增大,泊肃叶流和热流逸流最大流速分别为0.106 m/s和0.200 m/s。当冷热腔室温差从20 K升高到100 K,努森压缩机的压升从16.081 Pa升高到92.974 Pa,提高478.161%。,温差每增加20 K,克努森数增大0.001,泊肃叶流和热流逸流最大流速分别增加约0.020 m/s和0.039 m/s。研究结果为努森压缩机复杂微通道的构建及性能优化设计提供指导。