制冷压缩机热力性能的神经网络模拟

制冷压缩机热力性能的神经网络模拟

ID:37806527

大小:206.79 KB

页数:9页

时间:2019-05-31

制冷压缩机热力性能的神经网络模拟_第1页
制冷压缩机热力性能的神经网络模拟_第2页
制冷压缩机热力性能的神经网络模拟_第3页
制冷压缩机热力性能的神经网络模拟_第4页
制冷压缩机热力性能的神经网络模拟_第5页
资源描述:

《制冷压缩机热力性能的神经网络模拟》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、上海交通大学学报990306上海交通大学学报JOURNALOFSHANGHAIJIAOTONGUNIVERSITY1999年第33卷第3期VOL.33No.31999制冷压缩机热力性能的神经网络模拟丁国良, 李 灏, 陈江平, 张春路, 陈芝久  摘 要:压缩机热力性能的准确计算,对于使用压缩机制冷空调装置的优化设计起到很关键的作用,而单纯的理论模型难以反映实际的复杂因素,影响计算精度.采用人工神经网络与传统理论模型相结合的方式,建立智能型的压缩机热力计算模型,利用人工神经网络的自学习和泛化功能改善压缩机容积效率和电效率的计算模型精度.神经网络采用多层前向网络(MLP),网络训练采

2、用同伦BP算法.对房间空调器用滚动转子式压缩机启动过程的输入功率变化,以及汽车空调器用变转速往复式压缩机的容积效率进行仿真,并与实验结果对照.结果表明,智能型压缩机模型很好地改善了传统计算模型的精度,而且适应能力更强.  关键词:压缩机;热力性能;神经网络  中图分类号:TH45;TB652   文献标识码:‧ANeuralNetworkMethodforPredictingRefrigerationCompressorPerformanceDINGGuo-liang, LIHao, CHENJiang-ping, ZHANGChun-lu, CHENZhi-jiuSchoolof

3、PowerandEnergyEngrg.,ShanghaiJiaotongUniv.,Shanghai200030,China  Abstract: Anovelintelligentcompressormodelwhichcombinesartificialneutralnetwork(ANN)withtraditionaltheoreticalmodelwaspresented.Thefunctionsofself-learningandgeneralizationofANNwereusedtoimprovethetraditionalmodel.Multi-layerperc

4、eptron(MLP)networkwasadoptedandhomotopicBPalgorithmwasusedtotraintheMLPefficiently.Inputpowercurveofarolling-pistonrotarycompressorinstalledinaroomairconditionerintheprocessofstart-upandvolumetricefficiencyofareciprocatinginvertercompressorusedinanautomotiveairconditionerwerecalculatedandcompa

5、redwiththe‧experimentaldata.Itshowsthatthenewmodel-basedneuralmodelreachesmorepreciseresultsthanthe‧traditionalones.Furthermore,thenewcompressormodelisofbetterflexibilityinalargescale.  Keywords:compressor;thermodynamicperformance;neuralnetworks  压缩机在制冷(包括空调、空分)等工业领域有着广泛应用.压缩机热力性能的准确计算,对于使用压缩机

6、的制冷空调装置的优化设计起到很关键的作用.由于影响压缩机特性的因素很多,诸如工质类型、材料和生产工艺等,而用传统的理论模型难以全面反映这些因素的影响.现在的理论模型中,需要引入根据实验结果整定的一些参数,如容积效率与电效率,但这些参数的表达只能采用较为简单的经验公式,无法反映实际的复杂因素,造成结果不够准确,因此需要引入新的方法来改进压缩机的模型.  人工神经网络具有非线性特征和自学习功能,有利于纠正模型与实际压缩机性能file:///E

7、/qk/shjtdxxb/shjt99/shjt9903/990306.htm(第1/7页)2010-3-236:48:12上海交通大学学报99

8、0306之间的偏差.学习效率低、物理意义不明确是影响人工神经网络理论应用的主要障碍.因此,将经典理论模型和人工神经网络理论结合起来描述对象,既可有效地提高神经网络的学习效率,又能通过传统理论模型刻划研究对象主要参数的物理特征,实现优势互补.本文将探讨两者的结合方式,建立相应的压缩机理论模型与人工神经网络模型,寻找合适的神经网络学习算法,以使新的压缩机智能模型既准确,又不太复杂.1 压缩机热力计算智能模型1.1 理论模型与神经网络的结合方式  图1是压缩机理论模型与人工

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。