RBF神经网络算法在管道流致振动中的应用和实验研究

来源：核动力工程杂志2025年第3期北京时间：

作者：王斌斌

单位：中国核电工程有限公司北京核工程研究设计院，北京，100840；

摘要：针对传统流固耦合方法耗时较长，导致核电厂管道设计人员在设计阶段难以开展针对性减振计算的问题，本文采用基于数据驱动的径向基函数（RBF）神经网络算法进行管道流致振动分析。该算法利用数据库中大量节流管件的载荷数据进行训练，可以在短时间完成管道流致振动的定量计算。相对于传统流固耦合方法提高了管道流致振动的分析效率。为验证计算结果的有效性，对不同开度下的球阀和弯头管道进行了实验研究。实验研究发现，由于泵的激励等外界结构振动的存在，当流致振动在总振动中占主导时，本算法计算结果与实验结果比较接近；当外界结构振动在总振动中占主导时，本算法计算结果与实验结果在同一量级且变化规律一致。研究结果表明基于数据驱动的RBF神经网络方法分析管道流致振动是可靠且有效的。

关键词：径向基函数（RBF）神经网络, 数据驱动, 流致振动, 输流管道

基金资助：中国核电工程有限公司科研项目（KY21097）