(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111385434.4 (22)申请日 2021.11.22 (71)申请人 杭州中泰深冷技 术股份有限公司 地址 311401 浙江省杭州市富阳区东洲街 道高尔夫路2 28号 (72)发明人 李斌　刘松　张莹　章有虎　 张国兴　盛月峰　陈维淦　 (74)专利代理 机构 浙江永航联科专利代理有限 公司 33304 代理人 侯兰玉 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06F 113/08(2020.01)G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于翅片阻力特性反演的翅片加工质 量检测方法 (57)摘要 本发明提供一种基于翅片阻力特性反演的 翅片加工质量检测方法。 一种基于翅片阻力特性 反演的翅片加工质量检测方法， 具体包括以下步 骤： 检测并获得具有不同结构参数翅片的标准 Re‑f阻力特性数据； 利用神经网络算法建立、 训 练并获得以翅片结构参数和雷诺系数Re为输入、 以阻力因子f为输出的标准检测模型； 将被测翅 片的翅片结构参数和雷诺系数Re输入标准检测 模型获得标准阻力因子， 对实测阻力因子和标准 阻力因子进行数据比对， 计算获得平均相对误差 值； 设定检测合格阈值， 若平均相对误差值小于 检测合格阈值， 则判定加工质量合格。 本发明利 用神经网络算法建立基于翅片阻力特性的标准 检测模型反演翅片加工质量， 提高了检测效率和 检测准确性。 权利要求书2页 说明书8页 附图3页 CN 114201826 A 2022.03.18 CN 114201826 A 1.一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特征在于： 该方法具体包 括以下步骤： S1.检测并获得具有不同结构参数翅片的标准Re ‑f阻力特性数据， 建立数据集， 所述数 据集包括 翅片结构参数、 雷诺系数Re和阻力因子f； S2.基于步骤S1中的数据集， 利用神经网络算法建立、 训练并获得以翅片结构参数和雷 诺系数Re为输入、 以阻力因子f为输出的标准检测模型； S3.检测并获得被测翅片的翅片结构参数、 雷诺系数Re和实测阻力因子f实， 将被测翅片 的翅片结构参数和雷诺系数Re输入步骤S2中的标准检测模型获得标准阻力因子f标， 对实测 阻力因子f实和标准阻力因子f标进行数据比对， 计算获得平均相对误差值； S4.设定检测合格阈值， 若步骤S3中的平均相对误差值小于检测合格阈值， 则判定翅片 加工质量 合格， 反之， 判定翅片加工质量 不合格。 2.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述步骤S1中， 通过翅片阻力特性测试装置进 行检测， 所述翅片阻力特性测试装置 包括风洞通道和与风洞通道连通的测试容器， 所述风洞通道的进 出口处均设有压力传感器 和温度传感器， 所述测试容器内部设有用于放置翅片试件的容置腔， 所述测试容器外部设 有压降测试部件， 所述测试容器的进出口处均设有用于连接 压降测试部件的取压口。 3.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述 步骤S1中， 翅片结构参数包括 翅片高度、 翅片厚度和翅片节 距。 4.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述 步骤S1中， 阻力因子f通过以下公式计算获得： 式中， ρ1为入口流体密度， ρ2为出口流体密度， ρm为流体平均密度， ua为通过最小自由流 通面积进入换热器的流速， σ 为通道面积比， Dh为翅片试件的水力直径， Kc为突扩段阻力损失 系数， Ke为突缩段阻力损失系数。 5.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述 步骤S1中， 雷诺系数Re通过以下公式计算获得： 式中， ua为通过最小自由流通面积进入换热器的流速， Dh为翅片试件的水力直径， ， v为 空气运动粘度。 6.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述步骤S2中， 神经网络算法中设置输入层、 隐层和 输出层， 输入层和隐层的激活 函数选用t ansig函数， 输出层的激活函数选用线性函数， 隐层设置6个节点， 单个隐层神经 元的输入向量分量 为翅片高度、 翅片厚度、 翅片节 距和雷诺系数Re。 7.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述隐层的输出与净输入的关系满足下式：权　利　要　求　书 1/2 页 2 CN 114201826 A 2yj＝f(Netj)， 式中， yj为第j个隐层神经元的输出， 下标j表示隐层神经元的位置， Netj为第j个输出层 神经元的净输入， 下标i表示输入层神经元的位置， ， vij为第i个输入层神经元和第j个隐层 神经元的之间的权值， xij为第i个输入层神经元到第 j个隐层神经元的之间的输入， θj为第j 个输出层神经 元的阈值； 所述输出层的输出与净输入的关系满足下式： ok＝f(Netk)， 式中， ok为第k个输出层神经元的输出， 下标k表示输出层神经元的位置， Netk为第k个输 出层神经元的净输入， wjk为第j个隐层神经元和第k个输出层神经元的之间的权值， yjk为第 j个隐层神经 元到第k个输出层神经 元的之间的输入， θk为第k个输出层神经 元的阈值。 8.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述步骤S2中， 训练标准检测模型中， 以实际测试所得的阻力因子数据值作为输出 层的期望输出， 以标准检测模型计算预测所得的阻力因子数据值作为输出层的模型输出， 若期望输出与模型输出不符， 则将输出误差在神经网络算法中进 行误差反向传播并进 行权 值更新和阈值更新。 9.根据权利要求1所述的一种基于翅片阻力特性反演的翅片加工质量检测方法， 其特 征在于： 所述步骤S2中， 以均方误差值作为训练标准检测模 型的误差目标， 均方误差值通过 以下公式计算获得： 式中， MSE为均方误差值， 为标准检测模型计 算预测所得的阻力因子数据值， yi为实际 测试所得的阻力因子数据值， n 为模型验证集的数量。 10.根据权利要求1所述的， 其特征在于： 所述步骤S3 中， 平均相对误差值通过以下公式 计算获得： 式中， MRE为平均相对误差值， yi为实际测试所得的阻力因子数据值， 为标准阻力因子 数据值， n 为进行比对的阻力因子的数据个数。权　利　要　求　书 2/2 页 3 CN 114201826 A 3