低温制冷机快速设计算法研究及高准确度设计系统开发

李姗姗导师课题组

1. 基于深度学习的低温制冷机回热器关键部件性能预测

使用卷积神经网络对低温制冷机回热器性能进行快速预测。用户输入回热器结构尺寸、运行参数及冷端相位特性，快速得到制冷量、效率及热端压比等，显著缩短回热器研发周期。

2. 基于深度学习的低温制冷机回热器、惯性管等部件结构尺寸逆向设计方法研究

基于人工神经网络对回热器、惯性管部件进行结构尺寸逆向设计，该网络可快速、准确得到需求的回热器、惯性管等部件结构尺寸，为低温制冷机设计提供全新方法。

3. 高准确度低温制冷机设计系统开发

（1）编写基于CFD技术的脉冲管制冷机惯性管调相能力模拟系统。

该系统可计算任意尺寸单段及双管惯性管调相能力，满足工程及科研需要；实现CFD技术计算惯性管调相能力复杂流程的全自动化，为工程师减负；并且通过对CFD计算过程的深入研究，保证计算结果的高准确度并兼顾计算时间。工程师无需掌握Fluent软件，即可应用该系统为研发的脉冲管制冷机匹配高准确度的惯性管结构尺寸，具有重要的工程应用价值。

（2）低温制冷机回热器性能计算软件Regen Plus。

对低温制冷机回热器设计软件REGEN3.3软件进行二次开发，编写了Regen Plus软件。该软件实现了对REGEN 3.3软件的全自动多线程调用，实现了无人值守地计算大规模回热器性能数据。目前，已基于该软件构建近20万回热器性能数据库。

（3）低温制冷机惯性管调相能力一维计算软件。

该软件实现了多组参数组合惯性管调相能力自动计算，并输出计算结果及可视化显示。