L'augmentation de la densité de puissance élevée des moteurs rend la gestion thermique de plus en plus critique, et la prédiction précise du coefficient de conductivité thermique équivalent des caloducs est essentielle pour la conception du refroidissement des moteurs. En ce qui concerne les performances des caloducs et leurs prévisions dans le système de refroidissement des moteurs, cet article utilise le coefficient de conductivité thermique équivalent comme indicateur d'évaluation et étudie expérimentalement les effets de paramètres clés tels que la puissance de la source de chaleur, la position relative des sections de condensation et d'évaporation, et l'angle de pliage sur la performance de transfert de chaleur des caloducs. Sur cette base, cinq modèles d'apprentissage automatique ont été établis et comparés : réseau de neurones à rétropropagation optimisé par algorithme génétique (GA-BPNN), réseau de neurones convolutifs (CNN), machine à vecteurs de support moindres carrés (LSSVM), forêt aléatoire (RF) et Extreme Gradient Boosting (XGBoost). Les résultats montrent que la gravité et l'angle de pliage ont l'impact le plus important sur la conductivité thermique des caloducs, les caloducs pliés à 90° du côté supérieur ayant la meilleure performance thermique, leur conductivité étant 30 fois supérieure à celle des caloducs pliés du côté inférieur; le modèle XGBoost présente une erreur absolue moyenne en pourcentage de 3,72%, un coefficient de détermination de 0,95 et une racine carrée moyenne de l'erreur au carré juste derrière le modèle GA-BPNN; le modèle XGBoost est le plus précis parmi les cinq modèles sélectionnés et le temps d'entraînement est inférieur à 2 secondes; les prévisions du modèle XGBoost montrent que la performance des caloducs varie selon leur position d'installation et leur angle de pliage. Pour améliorer l'uniformité thermique des enroulements du moteur, l'utilisation de caloducs avec un angle de pliage de 0° est recommandée pour le refroidissement du moteur.

moteur; caloduc; coefficient de conductivité thermique équivalent; apprentissage automatique