The output characteristics of single screw expander has a direct and crucial influence on the performance of organic Rankine cycle (ORC) system. In this paper, a machine learning prediction model driven by experimental data is developed and applied to predict the power output of single screw expander. After screening different structural parameters of the model, genetic algorithm (GA) is used to optimize the initial weights and thresholds of the model, so as to further improve the generalization ability of the model. In addition, the generalization ability of the model is compared with that of the model not optimized by GA. Furthermore, the influence of operating parameters on the power output of single screw expander is analyzed by fitting algorithm in three-dimensional space. The optimization boundary value needed for prediction and optimization is determined by fitting algorithm in four-dimensional space. Finally, a prediction and optimization model is created by coupling the machine learning prediction model with GA, and the maximum power output and corresponding operating parameters of the single screw expander under full operating conditions are predicted and optimized. The results show that with the application of machine learning and GA, the maximum power output of single screw expander can be predicted and optimized precisely under full operating conditions. So as to directly guide the selection of relevant parameters in the process of theoretical analysis and experimental research.

单螺杆膨胀机的输出特性对有机朗肯循环（ORC）系统的性能具有直接且至关重要的影响。本文建立了一个由实验数据驱动的机器学习预测模型，并将其应用于预测单螺杆膨胀机的功率输出。在筛选了模型的不同结构参数后，采用遗传算法（GA）对模型的初始权重和阈值进行优化，以进一步提高模型的泛化能力。另外，将模型的泛化能力与未通过GA优化的模型的泛化能力进行比较。此外，在三维空间中通过拟合算法分析了运行参数对单螺杆膨胀机功率输出的影响。预测和优化所需的优化边界值由四维空间中的拟合算法确定。最后，通过将机器学习预测模型与GA耦合来创建预测和优化模型，并对单螺杆膨胀机在最大工作条件下的最大功率输出和相应的工作参数进行预测和优化。结果表明，通过机器学习和遗传算法的应用，可以在整个工作条件下精确预测和优化单螺杆膨胀机的最大功率输出。从而在理论分析和实验研究过程中直接指导相关参数的选择。通过将机器学习预测模型与GA耦合来创建预测和优化模型，并预测和优化单螺杆膨胀机在完全运行条件下的最大功率输出和相应的运行参数。结果表明，通过机器学习和遗传算法的应用，可以在整个工作条件下精确预测和优化单螺杆膨胀机的最大功率输出。从而在理论分析和实验研究过程中直接指导相关参数的选择。通过将机器学习预测模型与GA耦合来创建预测和优化模型，并预测和优化单螺杆膨胀机在完全运行条件下的最大功率输出和相应的运行参数。结果表明，通过机器学习和遗传算法的应用，可以在整个工作条件下精确预测和优化单螺杆膨胀机的最大功率输出。从而在理论分析和实验研究过程中直接指导相关参数的选择。单螺杆膨胀机的最大功率输出可以在整个工作条件下精确预测和优化。从而在理论分析和实验研究过程中直接指导相关参数的选择。单螺杆膨胀机的最大功率输出可以在整个工作条件下精确预测和优化。从而在理论分析和实验研究过程中直接指导相关参数的选择。