论文部分内容阅读
近年来,随着动车组在我国快速发展,其对空调系统的要求越来越高。车体传热系数K值是车室内空调负荷计算的主要依据,而现有列车K值计算方法在计算整车K值时或多或少存在一些不足。因此,如何在设计阶段既简单又精确地计算动车组隔热壁的传热系数K值,不仅符合动车组的发展需要,而且也为准确计算动车组车室内冷热负荷提供依据。本论文主要以新型动车组为研究对象,根据列车车体构造进行传热分析,在此基础上研究各种常见的热桥结构对整车传热系数K值的影响,并结合BP神经网络在处理多元非线性问题上的优点,快速确定由于热桥存在对动车组平壁传热系数的修正系数。主要内容有:(1)分析现有列车整车传热系数K值的计算方法。(2)对动车组构件实验,验证仿真计算方法计算动车组K值的准确性和可靠性。(3)建立构件及热桥的传热模型,采用数值模拟的方法分析产生热桥的部位及原因,并分析构件及热桥部位对温度场及热流密度场的影响。(4)分析现有动车组典型热桥结构,根据动车组车体结构和材料组成可能发生的变化,再对各种热桥结构分别再进行数值模拟,得到其等效传热系数及影响面积。为BP神经网络的评判模型提供基础数据库。(5)根据现有动车组的热桥结构特点,通过BP神经网络建立了热桥修正系数网络评判模型,并将评判模型计算的数据和仿真计算数据进行对比,验证了评判模型的准确性和可靠性。通过BP神经网络训练的热桥修正系数网络评判模型为列车K值计算方法提供新的研究方向,可以快速在设计阶段确定动车车组车体K值,有效指导高速动车组的隔热设计研发,为动车组空调的舒适性设计提供保证。本论文结合动车组车体结构的具体设计特点,对车体各部位进行传热分析,弄清楚其传热特性,采取有效的防护措施来改善动车组车体隔热壁的隔热保温性能,减少动车组通过车体隔热壁的能量损失,也为准确计算动车组车室内冷热负荷提供依据,对节能型动车组空调系统的设计意义深远。