（计算机软件与理论专业论文）基于人工神经网络的制冷空调系统的仿真研究.pdf

摘要 作为一门应用基础学科，系统仿真技术近年来发展迅速，已深入到应用科 学技术的各个领域，取得了巨大的社会效益和经济效益，并将作为一种发现问 题、研究问题、解决问题的基本手段发挥日益重要的作用。 将系统仿真技术应用于制冷空调系统就形成了制冷空调领域一个重要的分 支制冷空调系统仿真技术。 利用制冷空调系统仿真技术，可以免去样机制作和实验的过程，节省大量 的财力物力，缩短制冷空调产品开发周期，从而大大增强产品的竞争力，这在 商业竞争日益激烈的今天是非常必要的。另外，还可以利用制冷空调系统仿真 技术，了解制冷空调采用某种控制方案后的性能，为选择与修正控制方案提供 依据。 人工神经网络以其独到的联想、记忆、贮存和学习功能在诸多领域受到了 广泛关注，其中b p 网络以其良好的非线性映射逼近能力和泛化能力以及使用的 易实现性在模式识别、智能控制、信号处理、非线性优化等领域得到了大量的 应用，显示了其巨大潜力。将人工神经网络引入制冷空调系统仿真研究中，其 主要的理论基础就是人工神经网络可以以任意精度逼近任一连续函数以及其较 强的数值化特征。 本文的研究对象是家用制冷空调系统的稳态仿真，家用制冷空调系统均采 用蒸气压缩式制冷循环，该系统主要由四大部件组成：压缩机、毛细管、冷凝 器、蒸发器。本文的目标是建立这四大部件及整个系统的神经网络模型。 本文在参考文献制冷空调装置仿真与优化、制冷空调装置智能仿真 及其它相关资料的基础上，运用“黑箱法”建立了压缩机的热力参数模型，运 用微元法建立了毛细管、冷凝器和蒸发器的分布参数模型：然后根据拉格朗日 中值定理对毛细管、冷凝器和蒸发器的分、布参数模型进行简化得到毛细管、冷 凝器和蒸发器的简化模型；再将神经网络应用于压缩机的热力参数模型以及毛 细管、冷凝器和蒸发器的简化模型得到压缩机、毛细管、冷凝器和蒸发器的神 经网络模型，训练压缩机神经网络模型的样本来自文献制冷空调装置智能仿 真，训练毛细管、冷凝器和蒸发器神经网络模型的样本由各自的分布参数模型 得到；最后，用v b 6 0 开发了一个简单的制冷空调系统仿真软件。 关键词：系统仿真，制冷系统，人工神经网络 a b s t r a c t a sa r ta p p l i c a t i o nf o u n d a t i o n a ls c i e n c e ，s y s t e ms i m u l a t i o nh a sg o t t e ng r e a t d e v e l o p m e n ti nr e c e n ty e a r s w h i c hh a sb e e na p p l i e dw i d e l yi nv a r i o u sf i e l d s 1 1 1 e w i d e l yu s eo fs y s t e ms i m u l a t i o nh a sc r e a t e d ag r e a td e a lo fv a l u et ot h ee c o n o m y a n ds o c i e t y s y s t e ms i m u l a t i o nw i l lp l a ya ni m p o r t a n tr o l ei ns c i e n c er e s e a r c ha sa m e a n so f d i s c o v e r i n gp r o b l e m s ，a n a l y 五n gp r o b l e m sa n dr e s o l v i n gp r o b l e m s ab r a n c ho ft h er e f r i g e r a t i o nf i e l dc o m e si n t ob e i n ga f t e rs y s t e ms i m u l a t i o ni s a p p l i e di nt h er e f r i g e r a t i o ns y s t e m 一- t h er e f r i g e r a t i o ns y s t e ms i m u l a t i o n t h es t e p ，m a k i n gs a m p l e st od ot e s t s ，c a nb ec a n c e l l e dw h e nt h er e f r i g e r a t i o n s y s t e ms i m u l a t i o nb e i n ga d o p t e di nt h ed e s i g no fa i r - c o n d i t i o n i n g s ，w h i c hw i l l ，n o t o n l ys a v ec o n s i d e r a b l em o n e y , b u ta l s os h o r t e nt h ed e s i g np e r i o d t h o s ea d v a n t a g e s b r o u g h tb yt h er e f r i g e r a t i o ns y s t e ms i m u l a t i o nt e c h n o l o g yc a nm a k ep r o d u c t sm o r e c o m p e t i t i v e s oi ti sv e r yn e c e s s a r yf o rc o r r e s p o n d i n gc o m p a n i e st od e v e l o pa n du s e r e f r i g e r a t i o ns y s t e ms i m u l a t i o nt e c h n o l o g yi nat i m ef i l l e dw i t hm o r ea n dm o r e c o m p e t i t i o n i na d d i t i o n i tw i l le a s i l yg e tt h ep e r f o r m a n c eo fa na i r - c o n d i t i o n i m p o s e dc e r t a i nc o n t r o lm e a n so nt h r o u g hu s i n gr e f r i g e r a t i o ns y s t e ms i m u l a t i o n t e c h n o l o g y , w h i c hc a nh e l pt oc h o o s eo rm o d i 母t h e c o n t r o lm e a n s i nr e c e n ty e a r s ，a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) h a sr e c e i v e de x t e n s i v e c o n c e mf r o mm a n yf i e l d sb e c a u s eo fi t sd i s t i n c tc h a r a c t e r i s t i c ss u c ha sa s s o c i a t i v e m e m o r ya n ds e l f - l e a r n i n ga b i l i t y a m o n ga l lk i n d so fn e u r a ln e t w o r k s ，b pn e u r a l n e t w o r ki st h eo n et h a tg e t su s e dm o s te x t e n s i v e l yi nag r e a td e a lo ff i e l d ss u c ha s p a t t e r nr e c o g n i t i o n ，i n t e l l i g e n tc o n t r o l ，s i g n a lp r o c e s sa n dn o n l i n e a ro p t i m i z a t i o n j u s tf o ri t se x c e l l e n ta b i l i t i e so fn o n l i n e a rm a p p i n ga n dg e n e r a l i z a t i o n t h em a i n r e a s o no fw h ya n nc a nb ee a s i l ya p p l i e di nr e f r i g e r a t i o ns y s t e ms i m u l a t i o ni si t s a b i l i t yo ff i t t i n ga n yn o n l i n e a rc o n t i n u o u sf u n c t i o ni na n yp r e c i s ea n di t sd i s t i n c t n u m b e r - b a s e df e a t u r e t h er e s e a r c ho b j e c to ft h i st h e s i si st h es t e a d y - s t a t es i m u l a t i o no fh o m e a i r - c o n d i t i o n i n g h o m ea i r - c o n d i t i o n i n g sg e n e r a l l ya d o p tv a p o r - c o m p r e s s e d r e f r i g e r a t i o nc y c l e ，s ot h e ya r em a d eu po ff o u rm a i nc o m p o n e n t s ：c o m p r e s s o r , i i c o n d e n s e r ，c a p i l l a r ya n de v a p o r a t o r t h eo b j e c t i v eo f t h i st h e w si st ob u i l du pa n n s i m u l a t i o nm o d e l so f t h o s ef o u rc o m p o n e n t sa n dt h ew h o l es y s t e m b a s e do nr e f r i g e r a t i o ns y s t e ms i m u l a t i o na n do p t i m i z a t i o n ，r e f r i g e r a t i o n s y s t e mi n t e l l i g e n ts i m u l a t i o na n do t h e rl i t e r a t u r e ，t h i st h e s i s ，a tf i r s t ，b u i l d su pt h e t h e r m o - p a r a m e t e rm o d e lo f c o m p r e s s o rw i t l l “d a r k - b o x ”m e t h o d a n dt h ed i s t r i b u t e d m o d e lo fc o n d e n s e r , c a p i l l a r ya n de v a p o r a t o rw i t hi n f i n i t e s i m a la n a l y s i sm e t h o d a f t e rt h a t ，i tg e t st h es i m p l i f i e dm o d e l so fc o n d e n s e lc a p i l l a r ya n de v a p o r a t o rb y s i m p l i f y i n gt h ec o r r e s p o n d i n gd i s t r i b u t e dm o d e l sw i ml a g r a n g i a nm i d d l e - v a l u e t h e o r e m a n dt h e n ，t h r o u g ha p p l y i n ga n ni nt h et h e r m o - p a r a r n e t e rm o d e la n dt h e s i m p l i f i e dm o d e l so fc o n d e n s e r ，c a p i l l a r ya n de v a p o r a t o r , t h ec o r r e s p o n d i n ga n n m o d e l so ft h ef o u rc o m p o n e n t sa r eo b t a i n e d ，t h es a m p l e st ot m i nt h ea n nm o d e l s o fc o m p r e s s o ra r ef r o mr e p i g e r a t i o ns y s t e mi n t e l l i g e n ts i m u l a t i o n ，a n dt h o s eo f t h e l e f tt h r e ea n nm o d e l sa l ep r o d u c e db yr e s p e c t i v ed i s t r i b u t e dm o d e l s a tl a s t ，a s i m p l es i m u l a t i o ns o f t w a r eo fr e f r i g e r a t i o ns y s t e mi sd e v e l o p e dw i t l lm i c r o s o f t v i s u a lb a s i c60 k e y w o r d s ：s y s t e ms i m u l a t i o n ，r e f r i g e r a t i o ns y s t e m ，a r t i f i c i a ln e u r a ln e t w o r k u l 武汉理工大学硕士学位论文 第1 章绪论 1 1 系统仿真技术概述 系统仿真是一门以系统科学、计算机科学、应用数学为基础，结合各应用领 域的技术科学而形成的边缘学科。它为分析系统、研究系统、设计系统提供了 一个先进而有效的手段【l 】。系统仿真技术已广泛应用于工程及非工程领域。 1 9 6 1 年，g w m o r g e n t h a t e r 首次对“仿真”进行了技术性定义，即“仿 真意指在实际系统尚不存在的情况下对系统或活动本质的实现”1 2 j 。另一个典型 的对“仿真”进行技术性定义的是k o m 。他在1 9 7 8 年的著作连续系统仿真 中将仿真定义为“用能代表所研究的系统的模型作实验”。1 9 8 2 年，s p i e t 进一 步将仿真的内涵加毗扩充，定义为“所有支持模型建立与模型分析的活动即为 仿真活动”。0 r e n 于1 9 8 4 年在给出了仿真基本框架“建模一实验一分析”的基 础上，提出了“仿真是一种基于模型的活动”的定义，被认为是现代仿真技术 的一个重要概念【3 l 。无论哪种定义，仿真基于模型这一观点是共同的。“系统、 模型、仿真”三者之间有着密切的关系：系统是研究的对象，模型是系统的抽 象，仿真是通过对模型的实验以达到研究系统的目的。综合上述仿真界学者的 各种定义，可对系统仿真作如下定义：系统仿真是根据被研究的真实系统的模 型，利用计算机和其它专用物理效应设备进行实验研究的一种方法【4 j 。 按照模型性质不同，系统仿真可分为物理仿真、数学仿真和数学物理混合仿 真三类【5 1 。 所谓物理仿真就是以物理过程相似、几何尺寸相似以及环境条件相似为 原则构造实际系统的物理模型，并在物理模型上进行试验的过程【2 】。物理仿真的 优点是能最大限度地反映系统的物理本质，具有直观性强和形象化的特点；缺 点是构造物理模型所需费用高、周期长、技术复杂、其次是在物理模型上做试 验，修改模型的结构及参数困难，实验限制条件多，容易受到环境条件的干扰【6 j 。 所谓数学仿真就是应用性能相似、环境相似的原理，按照真实系统的数 学关系，构造系统的数学模型，并在数学模型上进行实验 2 】。数学仿真的特点是 制作模型比较经济，修改参数方便，周期短，但形式抽象、直观性差。早期的 武汉理工大学硕上学位论文 仿真绝大多数采用物理仿真，因为系统比较简单，容易构成仿真系统。相比之 下，数学仿真的模型一般是微分方程或差分方程，求解过程相对比较困难，因 而很少被采用。随着系统的日益复杂，物理模型制作难度、复杂度、成本大大 增加了【6 】。与此同时，计算机软硬件技术的快速发展为数学仿真创造了环境，使 得数学仿真变得方便、灵活、经济，因而数学仿真亦称为计算机仿真【7 j 。现代计 算机仿真已经越来越多地取代了物理仿真。 所谓数学一物理混合仿真就是将数学模型与物理模型甚至实物联合起来 进行实验的过程1 6 】。这种仿真具有数学与物理仿真的共同优点，但其成本也相应 的增加了。 1 2 系统仿真技术在制冷空调领域的应用 自2 0 世纪7 0 年代，仿真技术开始应用于制冷、空调领域。经过几十年的发 展，这种技术在该领域内得到了充分的研究和广泛的应用，对制冷空调系统的 运行特性研究、产品技术创新起到了非常重要的作用【2 j 。 仿真技术在制冷空调系统的应用主要体现在以下两个方面： 用于制冷空调系统的设计 8 1 。对于制冷空调系统，常规的设计方法是先 定下产品的性能目标，然后推断其工作工况，最后确定产品的结构。而对于仿 真而言，是先定下产品的结构，然后模拟其具体的工作过程，最后根据模拟的 结果得到系统的性能。常规的设计方法中没用一套完整描述整个系统特性的模 型，它所包含的仅仅是部分经过高度简化，只能反映系统部分特性的模型，所 以，按照常规设计方法设计出的系统只能保证设计出的系统满足特定条件下部 分的性能指标，无法了解系统的全面性能。基于这个原因，在设计时，都有+ 个校核过程，即在产品结构确定了以后，再计算一下系统的各种性能，这个过 程其实已经是仿真的过程了。另外，在产品投入市场之前，往往要制作大量的 样机进行实验，以弥补设计的不足。不断制作样机并做实验的过程是相当费时 费力的，导致产品开发周期延长，成本提高。如果用计算机仿真代替这一过程， 就会节省大量的财力物力，缩短开发周期，从而大大增强产品的竞争力，这在 商业竞争日益激烈的今天是非常必要的。 仿真用于制冷空调系统的控制【8 】。为了保证制冷空调系统的正常运行， 必须为其设计一套合适的控制方案。控制方案能否取得良好的控制效果，还取 2 武汉理工大学硕士学位论文 决于被控对象的特性。通过仿真，可了解被控对象采用某种控制方案后的性能， 为选择与修正控制方案提供依据。 1 3 制冷空调系统仿真技术的现状与发展趋势 将系统仿真技术应用于制冷空调系统就形成了制冷空调领域一个重要的分 支制冷空调系统仿真技术。 国际上对制冷空调系统仿真技术的研究始于2 0 世纪7 0 年代末、8 0 年代初【9 l 1 0 l ，国内相关方向的研究始于8 0 年代中后期嘲。 首先，从模型的形式上看，在早期的研究工作中，主要用显式算法求解联立 微分方程组，为保证计算稳定性，须采用很小的时间步长( 对于动态特性模拟而 言) 。为保证计算时间不至过长，只能采用简单的全集中参数模型，精度受到影 响 1 l 】【1 2 】【1 3 】。到2 0 世纪8 0 年代中后期，开始有学者通过建立分布参数模型来提 高对实际研究对象的描述能力并采用全隐的差分格式来提高计算的稳定性和增 大时间步长，但是出于计算速度和实效性考虑，忽略了许多被认为是相对次要 的因烈1 4 】【1 5 【1 6 l 。到2 0 世纪9 0 年代，集中参数和分布参数模型的研究都得到了 一定的发展，研究开始向着实用化转化【1 7 】【1 8 1 1 19 】【2 0 l ，针对不同的实际对象做了大 量的工作。上述基于纯数值计算的制冷空调装置仿真技术至今虽己取得了相当 程度的发展，但进一步的实用化却遇到了前所未有的阻力。模型与算法的复杂 影响实用性，而简单的模型又没法保证精度与适用性 8 】。 另外，从制冷空调领域相关理论与实践的发展上看，随着制冷空调领域的三 大基础理论流体力学、传热学、热力学的发展，制冷空调系统的很多相关 问题，如：制冷原理，制冷方式，制冷系统的结构等，都逐步从理论上给予了 解释，但到目前仍然有许多现象，如两相流问题，尚未能从理论上加以精确的 阐述，影响了制冷空调系统模型的准确性和适用性。 虽然制冷空调系统仿真技术的发展碰到了一些阻力，但也取得了不少成果， 荷兰d e l f t 大学、p h i l l i p s 实验室，德国k a r l s r u h e 大学、d r e s d e n 大学，美国n i s t 、 马里兰大学、普渡大学r a yh e r r i c k 实验室、u i u c 大学的空调与制冷中心等均 有一系列的文章发表。国内清华大学、西安交通大学、浙江大学、华中理工大 学等很多单位也有不少研究成果 2 1 。上海交通大学制冷与低温工程研究所，在国 家自然科学基金和其他各类基金的持续资助下，在国内率先完成了一套较为成 武汉理工大学硕士学位论文 熟的理论成果，并为美国c a r r i e r ，f o r d 等著名国际公司提供设计软件，在此 领域的研究中走在国际前列。 制冷空调系统仿真技术是系统仿真技术与制冷空调学科交叉的产物，和其它 交叉学科一样，有着广阔的发展前景。制冷空调系统仿真技术的发展趋势由系 统仿真技术和制冷空调学科的发展趋势共同决定。 对于制冷空调系统领域，到2 0 世纪8 0 年代末、9 0 年代初，随着c f c s 替代 工质研究的开展和节能意识的增强，制冷空调装置的发展呈现出前所未有的多 元化趋势。首先采用新的环保工质的蒸气压缩式制冷机依靠传统优势，仍然占 据着市场主要份额。其次，由于吸收式制冷机的经济性已经可以和蒸气压缩式 制冷机相比，成为大容量机组中重要力量，同时也向着小型化的方向发展。再 次，吸附式制冷与半导体制冷等经济性虽然较差，但凭借各自在不同场合的优 势，也正处于快速的发展中1 2 “。各种不同的制冷装置为制冷仿真技术提供了更 多的研究对象田】。 对于系统仿真技术，计算机软硬件技术的日新月异为其发展提供了强大的动 力，造就了很多新的仿真技术，如：面向对象的仿真( o b j e c t - - o r i e m e ds i m u l a t i o n o o s ) 、分布交互式仿真( d i s t r i b u t e di n t e r a c t i v es i m u l a t i o nd i s ) 、智能仿真 ( i n t e l l i g e n c es i m u l m i o ni s ) 、虚拟现实仿真o c m u a lr e a l i t ys i m u l a t i o nv r s ) 、可视 化仿真( v i s u a ls i m u l a t i o nv s ) 、多媒体仿真( m u l t i m e d i as i m u l a t i o nm s ) 等嘲，这 些新型的仿真技术有的已经被制冷系统仿真技术所采用，如：智能仿真、可视 化仿真。 1 4 本文的主要工作 本文的研究对象是家用制冷空调系统的稳态仿真。家用制冷空调系统均采用 蒸气压缩式制冷循环，该系统主要由四大部件组成：压缩机、毛细管、冷凝器、 蒸发器( 第二章将会详细介绍) 。 本文在参考文献制冷空调装置仿真与优化、制冷空调装置智能仿真及 其它相关资料的基础上，运用“黑箱法”建立了压缩机的热力参数模型，运用 微元法建立了毛细管、冷凝器和蒸发器的分布参数模型，然后根据拉格朗日中 值定理对毛细管、冷凝器和蒸发器的分布参数模型进行简化得到毛细管、冷凝 器和蒸发器的简化模型，再将神经网络应用于压缩机的热力参数模型以及毛细 4 武汉理t 大学硕十学位论文 管、冷凝器和蒸发器的简化模型得到压缩机、毛细管、冷凝器和蒸发器的神经 网络模型，最后，用v b 6 0 开发了一个简单的制冷空调系统仿真软件。 本文的创新点主要有以下三点： 提出了蒸发器和冷凝器制冷剂充注量b p 网络计算模型 在基于分布参数模型的蒸发器仿真算法的基础上提出了基于神经网络模 型的蒸发器仿真算法。 在基于分布参数模型的冷凝器仿真算法的基础上提出了基于神经网络模 型的冷凝器仿真算法。 武汉理工大学硕士学位论文 第2 章人工神经网络及制冷空调系统概述 2 1 人工神经网络理论概述 人的大脑是自然界所造就的最高级产物。人的思维是由大脑来完成的，思维 是人类智能的集中体现。人的思维主要可概括为逻辑思维和形象思维两种。以 规则为基础的知识系统可被认为是致力于模拟人的逻辑思维，而人工神经网络 则被认为是探索人的形象思维【2 4 】。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) ，亦称为神经网络，是 由大量处理单元广泛互连而成的网络，是对人脑的抽象，简化和模拟，反映人 脑的基本特性，它是根植于神经科学、数学、统计学、物理学、计算机科学及工 程等学科的一种技术【2 5 】。 人工神经网络以其独到的联想、记忆、贮存和学习功能在诸多领域受到了广 泛关注，其中b p 网络以其良好的非线性映射逼近能力和泛化能力以及使用的易 实现性在模式识别、智能控制、信号处理、非线性优化等领域得到了大量的应 用，显示了其巨大潜力【2 6 】。 2 1 1 人工神经网络的出现 1 9 4 3 年，精神病学家和神经解剖学家m c c u l l o c h 与数学家p i t t s 在数学生 物学会刊 b u l l e t i no fm a t h e m a t i c a lb i o p h y s i c s 上发表文章，总结了生 物神经元的一些基本生理特征，提出了形式神经元的数学描述与结构，即给出 了生物神经元的数学模型( 该模型只是一个十分简单的近似模型) ，从此拉开了 人工神经网络研究的序幕。 2 1 2 生物神经元与人工神经元模型 在人类大脑皮层中大约有i 0 0 亿个神经元，这些神经元互相连接，构成一个 错综复杂的网络【2 鄂。神经元是基本的信息处理单元。生物神经元主要是由树突、 细胞体、轴突和突触组成。其结构示意图如下： 6 武汉理工大学硕士学位论文 幸由突束捎 感受部 捧导部。效斑帮 图2 - 1 生物神经元结构示意图 生物神经元各部分的功能： 树突：接受其它神经元传递过来的信息。 轴突：发出信息。 细胞体：处理信息。 突触：两神经元的结合部，决定了神经元之间的相互作用的强弱。 人工神经元是对生物神经元的抽象与简化，其结构示意图如下： x 1 恐 一 矗 图2 2 生物神经元结构示意图 人工神经元模型的数学模型： 咒= ，( o 一只) x 代表其它神经元传递过来的信息。 ( 2 1 ) 武汉理工大学硕士学位论文 w “代表神经元i 与神经元，之间的连接强度( 模拟生物神经元之间突 触连接强度) ，称之为连接权； a 代表神经元f 的阈值。 f ( ) 激发函数，执行对该神经元所获得的网络输入的变换，最广泛采 用的是s i g m o i d 函数： ，( x ) 2 再 s i g m o i d 函数的特性 2 4 】： 当x 较小时，也有一定的y 值相对应，即输入到神经元的信号比较弱时， 神经元也有输出，这样不丢失较小的信息反映。 当x 较大时，输出趋于常数，不会出现“溢出”现象。 具有良好的微分特性，即有：譬：y o - y ) “ 2 1 3 人工神经网络的分类 目前神经网络模型已有4 0 多种，最常用的两种分类方式是： 按网络结构可分为前馈型神经网络和反馈型神经网络。在实际中应用最 广泛的两种网络中，b p 网络是典型的前馈型网络，h o p f i e l d 网络是典型的反馈 网络。 按学习方式可分为有导师学习型神经网络和无导师学习型神经网络。b p 网络属于有导师学习型神经网络。h o p f i e l d 网络属于无导师学习型神经网络。 2 1 4b p 网络 在众多的神经网络中，b p 网络是应用最广泛的一种，而三层b p 网络又是b p 网络中最常用的，其拓扑结构如下图所示： 武汉理t 大学硕士学位论文 x 1 屹 输入层 隐含层输出层 图2 - 3 三层b p 网络示意图t 2 7 1 m 儿 y m 从理论上讲，采用s i g m o i d 转换函数的三层b p 网络可以以任意精度逼近任 一连续函数圈瞄1 。这也是人工神经网络能够在工程研究领域获得广泛应用的重 要原因。 2 1 5 基本b p 算法 基本b p 算法的学习过程由正向传播和反向传播组成。在正向传播过程中， 输入信号从输入层经隐层神经元处理传向输出层，每一层神经元状态只影响下 一层神经元的状态。如果输出层不能得到期望的输出，则转入反向传播，将误 差信号沿原来的联接通道返回，通过修改各层神经元的权值和阈值，使得网络 误差达到要求的精度值 2 9 1 。 9 武汉理工大学硕士学位论文 选定学习率，初始化权值、阚值 调入训练样本集 r 计算隐层、输出层各神经元输出值修正权值、闽值 0卞 计算学习误差e 计算误差梯度 三至 霉 学习结束输出权值、阈值 图2 4 基本b p 算法框图圈 2 1 6w a s s e r m a n 自适应学习率算法 在基本b p 算法中，决定网络学习训练速度的学习率取多大合适，目前还没 有任何理论依据。在实际应用中通常凭经验或试算选取，如果学习率太小则会 使网络收敛速度变慢，如果学习率太大易使学习过程振荡，影响网络的收敛速 度。为解决该问题，w a s s e r m a n 于1 9 8 8 年提出了自适应学习率的改进b p 算法， 其主要思想是使学习率随网络的训练过程不断变化，大大提高了网络的收敛速 度睇。学习率随网络的训练过程不断调整的规则有近十种，本文采用文献2 5 1 提供的规则： 1 0 武汉理工大学硕士学位论文 ，1 0 5 q ( k )e ( 七+ 1 ) 1 0 5 e ( k ) ( 2 - 2 ) l 叩( 七) 其它 式中，叩( 七) ，e ( k ) 为第k 次的学习率及网络误差；r z ( k + 1 ) ，e ( 后+ 1 ) 为第k + 1 次 的学习率及网络误差。 2 2 制冷空调系统概述 2 2 1 家用制冷空调系统的组成 家用制冷空调系统均采用蒸气压缩式制冷循环，其构成包括：压缩机、毛细 管、冷凝器、蒸发器、管道、各种控制阀及一些辅助部件。下图为某电热型 窗式空调的结构图。 8 热交换后排至室外 1 一轴流风扇2 一风扇电机3 一离心风扇4 一蒸发器5 一电热器6 一感温包7 一温度控制开关8 一毛细管9 一压缩机 图2 5 电热型窗式空调结构图【3 1 1 武汉理工大学硕士学位论文 2 2 2 家用制冷空调系统的工作过程 家用制冷空调系统的工作过程如下：压缩机不断的抽吸蒸发器中产生的低温 低压的制冷剂过热蒸气，并将该低温低压的过热蒸气压缩为高温高压的过热蒸 气，然后送往冷凝器；冷凝器用室外的空气将高温高压的过热蒸气冷凝成液体： 被冷凝后的液体经过毛细管时被节流为低温低压的汽液两相流；低温低压的汽 液两相流流入蒸发器，在蒸发器中蒸发吸热( 冷却室内空气) 后变为低温低压 的过热蒸气，尔后再被吸入压缩机，开始下一个循环：压缩冷凝节流 蒸发，如此不断循环。 压 图2 6 家用制冷空调系统原理图 节流阀 武汉理工大学硕士学位论文 第3 章制冷空调系统神经网络仿真模型的建立 3 1 活塞式压缩机仿真模型 活塞式压缩机的工作过程包括吸气、压缩和排气过程。从集液器出来的制冷 剂过热蒸汽经吸气管进入压缩机，经压缩后成为高温高压的蒸气，然后经排气 管排出，从而完成一个工作过程【2 ”。 3 1 1 建模前的条件假设 对于活塞式压缩机的工作过程，令压缩过程开始和结束时制冷剂气体的温度 分别为乙、乙( 单位为k ) ，压强分别为见。、( 单位为p 口) ；令压缩 机进出口制冷剂气体的温度分别为7 k 、z 么( 单位为k ) ，压强分别为p 。、p ( 单位为p d ) ；令吸气和排气过程的压力损失分别为卸o 。、卸( 单位为p 口) ， 有： 1 忽略制冷剂气体与气缸间的换热，将吸气、压缩和排气三个过程视为绝 热过程【2 ”，即：= ，乙= 。 2 忽略压缩机吸排气过程中的压力损失【3 2 1 ，即卸。= 卸k = o ，= p 。， p 。d 2p d 。o 3 在制冷系统稳定运行状态下，制冷剂大多集中在换热器( 冷凝器，蒸发 器) 中，故忽略压缩机内的制冷剂质量。 3 1 2 活塞式压缩机热力参数模型 1 制冷剂质量流量计算模型 压缩机制冷剂质量流量：他。： 坚一( 3 1 ) 8 】 武汉理工大学硕士学位论文 式中，z 为输气系数，为压缩机的理论容积输气量( 历3 s ) ，1 】_ 一为压缩过程 开始时制冷剂气体的比容( 3 k g ) 。 根据假设1 ，2 ，可得：m c o r a = 且 ， 式中，k 。为压缩机进口制冷剂气体的比容( k g ) 。 ( 3 2 ) 对于理论容积输气量( 活塞排量) y t h = i n z d 斗u 2 s ( 3 3 ) 8 】 式中，i 为压缩机气缸数( 个) ，d 为气缸直径( m ) ，s 为活塞行程( m ) ，”为转速 对于输气系数：五= 丑以 以 ( 3 4 ) 【3 2 】 式中，丑、五。、丑、以分别为容积系数、压力系数、温度系数、泄漏系数。 一吩h 一 p s 严1 ， 式中，口为相对余隙系数，对于家用空调器的制冷范围而言，取o 0 2 0 0 6 1 3 3 ： k 为多变指数，对于n h 3 ，k = 1 2 8 2 1 1 ，对于r 1 2 ， k = 1 1 3 2 ”，对于r 2 2 ， k ：1 1 8 【2 l 】。 对于压力系数：以：l 一与旦尝k ( 3 6 ) p 。 式中，卸。为吸气过程的压力损失( p a ) ，房间空调器的制冷剂一般为氟利昂， 故垒k 取o 0 5 o 1 【2 1 1 ( 注：按照假设2 ，垒鱼应该为o ，但为了提高仿真的准 ps”ps。 确性，尝k 仍然取o 0 5 o 1 ) ，根据经验，z p 一般在o 9 5 o 9 8 1 3 4 1 2 _ f 司。 p 1 1 4 武汉理工大学硕士学位论文 对于开启式活塞式压缩机，温度系数： = 毒 f 3 7 ) t 2 1 1 对于全封闭活塞式压缩机，温度系数：丑= a t e + 生b a 。t c h 一 ( 3 8 ) 其中，乙。= t + a t 。，式中，a t “。为压缩机进口制冷剂过热度( ) ，t 为蒸 发温度( k ) ，疋为冷凝温度( k ) ；口、b 为系数，与压缩机尺寸、外壳的散热条 件和制冷剂的性质等因素有关，通常a 取1 o 1 1 5 ，b 取0 2 5 0 8 。压缩机的尺 寸越小，a 的值越趋近于1 1 5 ，b 值则越, i x 2 ”。 对于泄漏系数：以与压缩机结构、加工质量、零部件磨损程度、运行工况 有关，其值不能直接测量，只能间接估算，一般取o 8 5 0 9 5 2 1 对于我国中小型活塞式制冷压缩机系列产品，其转速n 一般在7 2 0 r m i n 以 上，其相对余隙系数口约为o 0 4 ，输气系数五大体可按以下经验公式计算： 拈0 9 4 - 0 0 8 5 恤( p d 。，1 _ ，i p 9 ) 【2 l 】 2 压缩机功率计算模型 压缩机的耗功率：又称压缩机的轴功率，是指出电动机传至压缩机机轴上的 功率。压缩机的轴功率等于直接压缩气体的指示功率和用于克服运动机构的摩 擦阻力的摩擦功率之和口“。 札= m + 虬( 3 1 0 ) 式中，m 为压缩机的轴功率( w ) ，f 为压缩机的指示功率( w ) ，虬，为压缩机的 摩擦功率( w ) 。 一一一鲁击，i p 【8 】 式中，碾为指示效率，可按下述公式计算： 武汉理工大学硕士学位论文 耽= 丑- t - o 0 0 2 5 ( r o 一2 7 3 1 5 j 设压缩机摩擦效率为，则可得其轴功率为： 札：鲁：去培旧譬一 3 压缩机出口制冷剂气体温度计算模型 对制冷剂气体在气缸内压缩过程有_ 乙= 乙( 等厂 根据，2 有：瓦屯t ( 3 1 2 ) 嘲 ( 3 - 1 3 ) ( 3 1 4 ) 8 1 r 3 1 5 ) t 2 2 】 模型输入：压缩机的活塞排量，转速，吸气过热度，蒸发温度，冷凝温度。 模型输出：制冷剂质量流量，压缩机轴功率，排气温度。 输入己知条件 计算制冷剂质量流量 计算压缩机轴功率 计算排气温度 输出结果 图3 - 1 活塞式压缩机仿真算法 1 6 武汉理工大学硕士学位论文 3 1 3 活塞式压缩机神经网络模型豳m 1 1 模型的建立 将式( 3 2 ) 、( 3 - 1 1 ) 、( 3 - 1 5 ) 变形得： 塾! 监：五 ( 3 。1 6 ) 2 2 可v t t h p c = 孕竿滞一，r p 吲 争：f 譬 ( 3 - 1 8 ) e 2 2 瓦。l 根据文献【3 6 】【3 7 和式( 3 - 9 ) 可知，输气系数五，指示效率唬，摩擦效率为巩和 多变指数女主要与压缩机的吸排气压比卫虹有关，因此，( 3 1 6 ) , - - ( 3 1 8 ) 左侧的复 p 。 合变量警，訾，篆均可以看成嚣的函数，考虑到b p 网络的输入 输出参数的值域一般规范化到区间【o ，l 】，从而得到活塞式压缩机的b p 网络模型： 输入参数为嚣，输出参数为警，簪，专吲。 p m ， p m ej b 5 聊k w 只。 m i 。 瓦 图3 - 2 活塞式压缩机的b p 网络模型圄 1 7 武汉理_ 大学硕士学位论文 2 模型的验证 样本数据采用文献 2 2 】附录b l 提供的实验数据，如下表所示 表3 - 1 压缩机实验数据 压缩机编号数据组数 压缩机a ( 气缸容积5 7 6 0 c m 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )4 5 压缩机b ( 气缸容积2 3 5 0 c m 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )2 7 压缩机c ( 气缸容积2 1 1 5 e r a 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )9 压缩机d ( 气缸容积1 7 3 0 c m 3 ，转速2 8 5 0 r m i n ，制冷剂为r 2 2 ) 1 l 压缩机e ( 气缸容积2 5 3 0 c m 3 ，转速2 8 5 0 r m i n ，制冷剂为r 2 2 )1 2 压缩机f ( 气缸容积1 4 1 8 c m 3 ，转速2 8 4 5 r m i n ，制冷剂为r 2 2 )1 5 压缩机g ( 气缸容积2 1 5 0 c m 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )3 6 压缩机h ( 气缸容积2 5 4 0 c m 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )2 6 压缩机i ( 气缸容积2 5 4 0 c m 3 ，转速2 8 8 0 r m i n ，制冷剂为r 2 2 )2 7 合计2 0 8 随机选取2 。8 ；= 1 3 8 个样本作为学习样本，其余2 。8 x ；= 7 。个样本作为检 验样本；b p 网络结构为卜3 3 ，即输入层有1 个神经元，隐层取3 个神经元， 输出层有3 个神经元口卯。采用自适应学习律算法，学习的收敛精度为1 o 1 0 一： 网络经过1 5 4 2 5 次( 1 0 次平均值) 学习后收敛。用检验样本检验学习好的b p 网 络，结果如下表所示： 质量流量误差( ) 轴功率( )排气温度( ) 最大值 平均值最大值平均值 最大值平均值 5 3 22 5 54 0 22 3 2 4 2 51 9 6 从表3 - 2 可以看出，活塞式压缩机神经网络模型的仿真精度令人满意。另外 相比活塞式压缩机的传统模型，神经网络模型形式更简洁。 武汉理工大学硕士学位论文 3 2 冷凝器仿真模型 冷凝器是制冷系统中的主要热交换设备之一，其作用是将压缩机排出的高温 高压的制冷剂气体冷却为饱和液体或过冷液体 3 9 1 。家用空调器一般采用强制通 风空气冷却式冷凝器，其内部结构一般为叉排，连续整体铝片管式结构。 3 2 1 建模前的条件假设咖 对于强制通风空气冷却式冷凝器，有： 1 假设冷凝器为逆流型换热器。从实际装置来看，冷凝器管内制冷剂和管 外空气的相对流动更接近于叉流，但如果考虑成叉流，模型就与具体的结构布 置相关，变得比较复杂，而且缺乏通用的描述方法f 8 】。 2 考虑换热时将管内制冷荆的流动视为一维均相流动，且不考虑压斛”。计 算制冷剂充注量时将