本文利用人工神经网络的BP网络模型实现了对新型矿用管芯式散热器的热工性能预测。首先分析了影响管芯式散热器传热与阻力性能的主要因素,由于神经网络方法的特点,确立的各主要影响因素是变量因素,分别建立了管芯式散热器传热性能和阻力性能的BP神经网络预测模型。预测模型包括输入层、隐层和输出层,根据建立的性能预测模型,利用课题组搭建的试验台架有针对性地完成了散热器性能试验,即直接或间接获得预测模型输入层、输出层各节点的数据。其次通过对试验数据的准确处理,建立了编写程序的数据样本,利用MATLAB神经网络工具箱设计了预测散热器热工性能的程序。通过对样本的学习、训练得到了优化的网络结构,并利用训练好的网络完成了对散热器热工性能的仿真预测。最后通过对二、三、四排管芯的散热器性能的大量试验数据进行分析处理,并依次将传热系数、风阻、水阻的预测值与试验值作出对比分析,发现预测值与试验值的相对偏差都在±5%左右,这一结果表明,建立的BP网络模型及编制的程序与管芯式散热器的实际热工状况是相当吻合的,同时也表明神经网络方法对散热器性能研究有较高的精度,有工程设计实用价值。散热器工作过程复杂,难于建立准确的数学模型进行热工性能计算,而采用试验研究的方法,条件受限,工作繁杂,周期太长。本文的意义就在于既摆脱了准确建立数学模型的困难,又摆脱了繁杂的试验过程,缩短了研究工作周期,通过散热器性能仿真预测的神经网络方法,即可获得满意结果。