制冷系統(tǒng)部件神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)研究.pdf

1、制冷系統(tǒng)的主要部件包括壓縮機(jī)、節(jié)流元件和換熱器等，本文在前人的基礎(chǔ)上，分別建立了制冷系統(tǒng)各個(gè)主要部件的神經(jīng)網(wǎng)絡(luò)模型，包括蒸發(fā)器水平光滑管內(nèi)制冷劑沸騰換熱系數(shù)的神經(jīng)網(wǎng)絡(luò)（ANN）模型，絕熱毛細(xì)管和短管流量特性的通用神經(jīng)網(wǎng)絡(luò)模型和壓縮機(jī)性能參數(shù)的神經(jīng)網(wǎng)絡(luò)關(guān)聯(lián)模型。在本文中，所有模型均采用三層感知器神經(jīng)網(wǎng)絡(luò)也就是BP神經(jīng)網(wǎng)絡(luò)作為萬(wàn)能函數(shù)逼近器。 制冷劑的流動(dòng)沸騰換熱系數(shù)的正確預(yù)測(cè)對(duì)于蒸發(fā)器的設(shè)計(jì)是非常重要的。第三章建立了R22及其替代

2、工質(zhì)R134a、R407C和 R410A在水平光滑管內(nèi)的沸騰換熱系數(shù)的通用神經(jīng)網(wǎng)絡(luò)模型。該 ANN模型的輸入?yún)?shù)借鑒了四種現(xiàn)存的通用關(guān)聯(lián)式模型，同時(shí)將Nusselt數(shù)作為輸出參數(shù)。ANN的訓(xùn)練數(shù)據(jù)來(lái)自于文獻(xiàn)中的實(shí)驗(yàn)數(shù)據(jù)，經(jīng)過(guò)大量的分析比較以及網(wǎng)絡(luò)泛化能力分析，最終輸入?yún)?shù)組合借鑒了Gungor- Winterton關(guān)聯(lián)式形式，并確定三層前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。和實(shí)驗(yàn)值相比，該ANN模型的平均誤差、絕對(duì)平均誤差和均方差分別為2.5％、13.0

3、％和20.3％，同時(shí)大約74％的數(shù)據(jù)點(diǎn)的誤差在±20％之內(nèi)，明顯優(yōu)于現(xiàn)存的通用關(guān)聯(lián)式。 在小型制冷系統(tǒng)和空調(diào)系統(tǒng)中，毛細(xì)管和短管是常用的節(jié)流元件。在第四章中首先建立了絕熱毛細(xì)管內(nèi)制冷劑流量的通用ANN模型（模型Ⅰ），該模型可以涵蓋過(guò)冷入口和兩相入口；然后建立了毛細(xì)管和短管內(nèi)制冷劑流量的通用ANN模型（模型Ⅱ）。本章基于均相流模型（HEM）提出了一組新的無(wú)量綱參數(shù)組作為這兩個(gè)ANN模型的輸入?yún)?shù)。模型Ⅰ的模擬數(shù)據(jù)來(lái)自于HEM計(jì)算的

4、大量數(shù)據(jù)，選取R600a和R407C作為訓(xùn)練數(shù)據(jù)建立的5-6-1型的ANN模型Ⅰ顯示了很好的通用性，可以很好地預(yù)測(cè)R12、R22、R134a、R290、R410A和R404A的數(shù)據(jù)。同時(shí)，模型Ⅰ對(duì)于文獻(xiàn)中的實(shí)驗(yàn)數(shù)據(jù)的預(yù)測(cè)也很好，絕大多數(shù)數(shù)據(jù)的誤差都在±10％以?xún)?nèi)。模型Ⅱ的訓(xùn)練數(shù)據(jù)來(lái)自于文獻(xiàn)中的大量實(shí)驗(yàn)數(shù)據(jù)，包括R12、R22、 R134a、R404A、R407C、 R410A和 R600a，這些數(shù)據(jù)涵蓋毛細(xì)管和短管的結(jié)構(gòu)尺寸以及過(guò)冷和兩

5、相入口工況。結(jié)果顯示5-2-1的ANN模型Ⅱ可以很好地預(yù)測(cè)毛細(xì)管和短管內(nèi)制冷劑流量，包括過(guò)冷和兩相入口工況，具有更好的通用性。和實(shí)驗(yàn)值相比，模型Ⅱ整體平均誤差和標(biāo)準(zhǔn)差分別為0.75％和8.27％。 壓縮機(jī)是制冷系統(tǒng)的核心部件。第五章建立了壓縮機(jī)性能參數(shù)的ANN模型，包括定頻壓縮機(jī)模型和變頻壓縮機(jī)模型。借鑒ARI模型選取了冷凝溫度和蒸發(fā)溫度作為ANN的輸入?yún)?shù)，選取相關(guān)的重要性能參數(shù)作為輸出參數(shù)?？紤]到壓縮機(jī)性能數(shù)據(jù)之間的線(xiàn)性關(guān)系

6、，本章的ANN沒(méi)有直接采用MATLAB中提供的傳遞函數(shù)作為隱層傳遞函數(shù)而是單獨(dú)建立了一個(gè)簡(jiǎn)單兩次多項(xiàng)式作為新的傳遞函數(shù)。經(jīng)過(guò)分析驗(yàn)證，三次ANN模型和ARI模型具有等價(jià)性。而本文采用兩次傳遞函數(shù)的2-3-4結(jié)構(gòu)的定頻ANN、2-4-4結(jié)構(gòu)的變頻ANN不僅能體現(xiàn)輸出參數(shù)之間的內(nèi)在聯(lián)系性，而且和ARI模型數(shù)據(jù)以及實(shí)驗(yàn)值相比具有很好的精度，平均誤差接近于0，而標(biāo)準(zhǔn)差也低于或接近于1％。 總而言之，本文建立的幾種制冷系統(tǒng)部件的神經(jīng)網(wǎng)絡(luò)模