MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法

《MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法文献翻译学生姓名苟占杰专业班级热能与动力工程10-02班学号541002020206院（系）机电工程学院指导教师（职称）胡楚怡（讲师）完成时间2014年3月20日9MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法摘要本文提出了一种新的方法预测开式立式冷藏陈列柜的性能。该方法就是基于开式立式冷藏陈列柜的调制传递函数（MTF）模型和自适应支持向量机（ASVM）算法。基于开式立式冷藏陈列柜建立一个调制传递函数（MTF）模型（

2、物理模型）之后，主动支持向量机（ASVM）算法（机器学习算法）也随之建立。为了验证操作过程中陈列柜性能的一个重要因素——内阁漏风量，所以要建立调制传递函数（MTF）模型。在MTF模型输出进行训练和验证的数据后，使用ASVM算法来解决问题。实验中使用该预测方法所得的控制参数组合与原来陈列柜的实验结果相比，除霜水的质量和总能源消耗/总展示面积（TEC/TDA）分别减少了39.2%和19.3%。关键词：陈列柜预测建模空气泄漏模拟引言冷藏陈列柜在食物冷链中发挥着重要的作用，因为它是冷链的终端，并且在消费者购物时直接面向消费者。由于其高度的暴露于周围

3、环境，所以陈列橱柜消耗大量的能量。根据电力研究所的统计，一个超市大约60%的电能用于制冷。开式立式冷藏陈列柜，尽管消耗大量的能源，但它却是陈列柜的常见类型，因为它能在一个小面积内展示大量的食物。因此，尽管具有永久玻璃门的陈列柜可以减少能源消耗的50%，开式陈列柜却是超市系统中最重要的一个组成部分。此外，漏风量是影响陈列柜性能的关键因素。许多研究表明，由于冷冻负荷和周围空气之间的唯一阻碍是一个或一个以上的风幕，因而可能存在一个显著的环境湿热空气夹带，这样的操作条件也导致食品温度控制不佳。在陈列柜的蒸发器和食品表面形成露水或霜同样显著增加能量消耗

4、。9MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法虽然对陈列柜的性能已进行了许多研究，但是大多数研究只强调完善进行实验的方法或计算流体动力学模拟等几个方面。结果就是很少有论文能够就研究多个参数之间的关系进而对陈列柜的性能做出系统性预测。本文试图填补这一空白。特别是，我们对开式立式冷藏陈列性能的研究使用了MTF模型和主动支持向量机算法。斯伯丁1984年提出的两种流体（TF）模型，可以概括如下：（1）湍流是每种流体相互作用的综合运动；（2）两种流体各自占有不同的体积分数，即两种流体分别存在一定的体积；（3）两种流体分别按照他们的控制微

5、分方程运动，前后保持连续；（4）两种流体的不同在于特性浓度，温度，流动方向或体积。最近，两种流体（TF）模型已经成为研究流体动力学的一个很好的方法，如自由射流（IlegbusiandSpalding，1987），平板流（IlegbusiandSpalding，1989），管道流（IlegbusiandSpalding，1987），壁附近的流动（IlegbusiandSpalding，1987），Couette流（丁，1987），分层流（Shen等人，2003），泄露问题（盛和约翰逊，2000）和空气夹带（Yu等人，2008；曹等人，2010）

6、等。在上述情况下，预测结果与实验结果吻合良好。由Vapnik和他的小组在AT&T贝尔实验室开发的支持向量机（SVM）是一种很有前途的技术（Vapnik等人，1995；Cortes和Vapnik等人，1995；Boser，1992；Burges，1996）。这种新的机器学习算法可以被视为径向基函数和多层感知器分类多项式的替代技术。不像传统的基于经验风险最小化原则（ERM）的人工神经网络算法，支持向量机算法将结构风险最小化原则引入实验中，这种方法需要较少的试验样品却获得良好的实验效果，同时降低了实验所需的时间和成本。支持向量机（SVM）训练等同于

7、解决一个二次线性方程，方程中变量的数量等于已知数的数量。此外，支持向量机（SVM）能够用来研究在高维特征空间中很好分离的超平面问题。相比于从包含数据矩阵的变量中估计参数系数，支持向量机（SVM）利用观测估计参数系数。因此，一个支持向量机（SVM）的特征空间可能等效于在训练支持向量机中使用的观测数。减少估计系数的数量被称为稀疏，往往是通过优化技术实现的。它由泛化理论，即SVM很少过度拟合数据，通过9MTF模型和ASVM算法预测开式立式冷藏陈列柜性能的新方法控制平面的边缘的措施实现稀疏的。因此，运用优化理论建立支持向量机，通常用拉格朗日乘数或ka

8、rushekuhnetucker条件，到边缘。此外，Vapnik的e-insensitive损失函数和内核功能的引进扩展了支持向量机解决非线性回归估计和噪声特性问题