来源：期刊VIP网 时间：
作者：匡永麟;王晓冬;宁久鑫;孙坤;蔡永航;杜志华;
单位：东北大学机械工程与自动化学院;中国科学院长春光学精密机械与物理研究所;安徽理工大学机械工程学院;
摘要：涡轮分子泵作为维持洁净高真空环境的关键设备，广泛应用于半导体制造、空间模拟等诸多领域。然而，准确高效预测涡轮分子泵性能一直是亟待解决的难题，现有方法往往因模型缺乏通用性和计算效率不足而难以令人满意。文章聚焦于开发一种基于神经网络模型的涡轮分子泵抽气性能预测方法，旨在攻克上述挑战。提出了一种神经网络模型，该模型能够有效学习和模拟涡轮分子泵的复杂动态行为。模型训练数据涵盖数值模拟结果和实验测试数据，使其具备良好的泛化能力和预测精度。通过数值模拟和实验测试的双重验证，证明了神经网络模型能够准确预测涡轮分子泵抽气性能，并且根据实验测试结果综合分析了影响其抽气能力的诸多因素。结果表明，该模型可作为在分子流态下涡轮分子泵结构设计和性能评估的工具，能助力优化涡轮分子泵设计，进而提升其抽气效率和适用性。
关键词：涡轮分子泵;神经网络;数值计算;性能预测
基金资助：国家重大科学仪器设备开发专项项目（2013YQ130429）; 国家自然科学基金项目（52305240)
