基于部件神經(jīng)網(wǎng)絡(luò)模型的制冷系統(tǒng)混合仿真方法及應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩161頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、制冷空調(diào)裝置仿真技術(shù)已經(jīng)有了相當(dāng)?shù)陌l(fā)展,為制冷空調(diào)裝置的設(shè)計(jì)節(jié)能優(yōu)化等研究做出了巨大的貢獻(xiàn)?;诓考锢砟P偷南到y(tǒng)仿真方法具有很好的通用性和趨勢(shì)控制能力,是常見(jiàn)的制冷裝置仿真方法。在不同的階段和不同的情況下,仿真技術(shù)需要滿足不同的需求。隨著時(shí)代的進(jìn)步,人們對(duì)仿真的要求不斷提高,除了準(zhǔn)確性之外,計(jì)算速度和求解穩(wěn)定性成為了新的明確的需求。
   為了進(jìn)一步提高制冷系統(tǒng)裝置仿真技術(shù)的計(jì)算速度和求解穩(wěn)定性,本文在“面向部件”的制冷系統(tǒng)仿

2、真研究的基礎(chǔ)上,引入神經(jīng)網(wǎng)絡(luò)模型提出了基于部件神經(jīng)網(wǎng)絡(luò)模型的制冷系統(tǒng)混合仿真方法?!懊嫦虿考钡南到y(tǒng)仿真和神經(jīng)網(wǎng)絡(luò)模型各有其顯著的優(yōu)缺點(diǎn),需要在兩者之間尋找一個(gè)契合點(diǎn)以揚(yáng)長(zhǎng)避短?;旌戏抡娣椒ㄊ欠抡嫘枨蟛粩嗵嵘漠a(chǎn)物,是基于部件物理模型的制冷系統(tǒng)模型之外的一個(gè)延伸和擴(kuò)展。本文的主要研究?jī)?nèi)容包括:
   1.本文明確提出了基于部件神經(jīng)網(wǎng)絡(luò)模型的混合仿真方法。詳細(xì)闡述了混合仿真方法的必要性和實(shí)現(xiàn)過(guò)程。在系統(tǒng)層面,混合仿真方法保持了“面

3、向部件”的系統(tǒng)仿真結(jié)構(gòu)的的靈活性,部件模型可以重復(fù)利用,而且可以方便地增減或修改部分輔助部件;在部件層面,部件神經(jīng)網(wǎng)絡(luò)模型有助于降低部件模型的復(fù)雜程度,提高計(jì)算速度?;诓考窠?jīng)網(wǎng)絡(luò)模型的混合仿真方法既考慮了制冷系統(tǒng)的靈活性,又兼顧了計(jì)算速度和穩(wěn)定性。為制冷系統(tǒng)仿真提供了新的可供選擇的方向。
   2.深入分析神經(jīng)網(wǎng)絡(luò)建模的五個(gè)基本步驟,針對(duì)各個(gè)步驟可能存在的風(fēng)險(xiǎn)和問(wèn)題展開(kāi)了神經(jīng)網(wǎng)絡(luò)方法的改進(jìn)研究,從而盡可能地降低神經(jīng)網(wǎng)絡(luò)模型的

4、過(guò)擬合風(fēng)險(xiǎn)、提高模型在大范圍工況內(nèi)的精度、改善模型的趨勢(shì)等。本文所提出的改進(jìn)方法主要包括:
   a)對(duì)數(shù)據(jù)樣本進(jìn)行恰當(dāng)合理的處理以改善模型的訓(xùn)練精度和趨勢(shì)合理性,比如增加理論點(diǎn)、保持?jǐn)?shù)據(jù)樣本隨輸出參數(shù)的分布均勻性等。
   b)采用和物理模型相結(jié)合的方式對(duì)神經(jīng)網(wǎng)絡(luò)模型的輸入輸出參數(shù)進(jìn)行分析選擇,避免了參數(shù)的冗余和不足。
   c)自定義多項(xiàng)式傳遞函數(shù),從理論上證明了多項(xiàng)式神經(jīng)網(wǎng)絡(luò)模型和多項(xiàng)式函數(shù)的等價(jià)性,有效避

5、免了神經(jīng)網(wǎng)絡(luò)模型的過(guò)擬合的風(fēng)險(xiǎn)。
   d)根據(jù)研究對(duì)象的特性,優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),既顯著提高了神經(jīng)網(wǎng)絡(luò)模型的靈活性,又提高了模型的訓(xùn)練效率。
   作者應(yīng)用這些改進(jìn)方法建立了若干相關(guān)部件性能的神經(jīng)網(wǎng)絡(luò)模型,包括容積式壓縮機(jī)、螺桿壓縮機(jī)的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)模型、毛細(xì)管和短管流量特性的通用神經(jīng)網(wǎng)絡(luò)模型、翅片管冷凝器性能的神經(jīng)網(wǎng)絡(luò)模型和翅片管蒸發(fā)器性能的神經(jīng)網(wǎng)絡(luò)模型。這些模型在部件層面進(jìn)行了充分的精度和趨勢(shì)驗(yàn)證,可以滿足系統(tǒng)仿真

6、的需求。
   3.混合仿真方法的實(shí)例驗(yàn)證。在部件模型的基礎(chǔ)上實(shí)現(xiàn)了制冷系統(tǒng)的混合仿真,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證和分析:
   a)模擬了帶經(jīng)濟(jì)器的水冷冷水機(jī)組的性能預(yù)測(cè)。由于采用了高精度而且連續(xù)的螺桿壓縮機(jī)的神經(jīng)網(wǎng)絡(luò)模型,水冷冷水機(jī)組的模型實(shí)現(xiàn)了從滿負(fù)荷到卸載負(fù)荷的連續(xù)仿真,顯著改善了水冷冷水機(jī)組的部分負(fù)荷下的預(yù)測(cè)精度,96%的點(diǎn)誤差在±5%以內(nèi)。作者基于此高精度的冷水機(jī)組模型展開(kāi)了經(jīng)濟(jì)器開(kāi)關(guān)最優(yōu)切換點(diǎn)的研究。
  

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論