制冷装置仿真与优化

#3S3S湿度测量点。否则，湿度传感器在冷却空间的放置，会影响其流场和温度场的分布。（5）功率测量点布置的方法测量制冷装置消耗的电功率，可以将制冷装置的电源线接到功率计的负载接口上，再用电线将总电源接到功率计的电源接口上，而功率计的仪表电源则通过另外的电线插头插到总电源的插座上，功率计信号输出电缆的一端通过RS232接口与功率计相连，另一端与釆集器相接。3.3干扰信号的输入方法（1） 飞升曲线试验法：阶跃干扰信号输入（2） 传递函数或频率特性试验方法：测取频率3.4工况控制方法介绍：数字PLD控制比例控制作用P：响应快，波动大，有余差积分控制作用L消除余差微分控制作用D：克服滞后(5-10)u(t)=Kp^(/)+—f%€(t)dt+Tj(5-10)△u(kT)=Kpb(RT)-e(kT-T)]+Kte(kT)+Kd\e(kT)-2eg-T)+e(kT-2T)]或者表示成：u(kT)=KPAe(kT)+Kie(kT)+Kd\\e(kT)-\e(kT-T)]e(kT)=e(kT)-e(kT-T)e(kT-T)=e(kT-T)-e(kT-2T)666第四讲神经网络(ANN)(AitificialNeuralNetwork)4.1神经网络模型神经元的主体是细胞体，内有细胞核。它进行呼吸和新陈代谢等生化过程。细胞体伸出很多树突和一条长长的轴突。树突和轴突间的接触界面称为突触，神经元之间通过突触传递信息，由树突为细胞体输入信息，由突触传出信息。对一个神经元來说，考虑多输入单输出情况，可给出如图所示的模型，此时各输入为x】(i=l、2、…口)，输出为y,y与&间的关系将是y(t)=f(ZVVx(.(r)-6>)1=1式中的&称为神经元的阈值；W］是权系数，反映了连结强度，也表明突触的负载。函数f(・)通常取1和0的双值函数，或取sigmoid函数。z的sigmoid函数是1+e~其图形见图3-62,它是一个可微的正函数。此外，也有用高斯函数的。若干个神经元连接起來，构成网络。神经网络具有自组织性、层次性和并行处理能力。在对其功能和特性抽象的基础上，开发了各种人工神经网络。最常用一种人工神经网络称为BP网络(BackPropagation,反向传播)。在机构上，从信号的传输方向看，它是一种多层前向网络，图3-63是它的结构示意图。它由若干层构成，有输入层、输出层，以及一个或若干个隐层。也称多层感知器。每个神经元成为一个节点。以其中任一层(K层)来说，它具有n⑹个节点。对这层的第I个节点，有來自上一层［(K-1)层］各个节点的输入，并有起偏置作用的阈值；其输出则送往下一层的各个节点。此时，K层第1个节点总的输入1严)是

其输出0其输出0阳=坦严））=1+卿（一/,旳）式中匝”⑷是（K-1）层j个节点与K层第1个节点间的权系数，0旳是K层第1个节点的阈值。送往K层第1个节点的各输入就是（K-1）层上各个节点的输出，送往第一层的外部输入则用0⑼表示，每个节点只有一个输入。对BP网络，需要说明儿点：（1） 在同一层上，信息处理是并行进行的，网络传播速度快。（2） 输入层的节点数由问题本身规定，输出层的节点数往往也一样。但是,在问题可以分开來处理的时候，取输出层节点数为1,对每个待求的量设置一个BP网络，会更为灵便。至于隐层数和隐层节点数，则是需要选择的。（3） BP网络有很好的逼近非线性函数的能力。己经证明，三层的网络可以实现任何非线性连续函数的转换。（4） BP网络是一种静态网络。（5） 权系数和阈值的调整称为学习或训练过程。BP网络的学习需要有若干组己知的输入和输出数据，学习的要求是在同样的输入数据下，网络的输出值y与提供的输出数据yc尽量一致。两者的差值就是偏差。在学习过程中，依据偏差的统计值E來调整权系数与值的向量阡。最陡下降法是最简单的一种梯度寻优法，即依据梯度矩/0血负方向改变旺值。在整个学习过程中，先是通过网络由输入求取输出，信号是前向传递，然后是依据输出的偏差调整网络参数，信号是反向传递，按照学习时的信号传送方向称之为BP（反传）网络。另一种在自动化中很有价值的ANN是RBF网络，它在结构上很象BP网络,也是静态网络，但是它只有相当于隐层的一层，而且节点的激发函数是径向基函数^||Z-A||,式中I是输入，Ii是该径向基函数的中心。在各种径向基函数中，以高斯函数使用最广。正由于这一原因，RBF网络被称为局部模型，而BP网络则为全局模型。RBF网络的泛化性（即数据被插和外推的正确性）要比BP网络差。其他常用的ANN有：（1） Hopfield网络它是一种具有RC环节的反馈网络，构成非线性动态系统，主要用于联想记忆和二次型优化。（2） 动态递归神经网络它利用网络的内部状态反馈来描述系统的非线性动态行为，象Elaman网络具有隐层输出端至该层输入端的反馈，Jordan网络具有输出层至隐层的反馈。（3） 模糊神经网络（FNN） 它是模糊集合与神经网络的一种结合，常用于建模。4.2人工神经网络在自动化中的应用神经网络由于它很强的非线性函数逼近能力并具有并行处理工作方式等特点，己在很多应用领域受到了关注，在自动化中的应用主要有下列方面：（1） 软测量应用数学模型來间接测量一些成分和物性变量，为解决许多测量难题提供了可能性，近年來很受注意，除了采用非线性回归模型外，采用神经网络作为软测量模型有不少优点，同样或类似的网络结构，可用來描述变量完全不同、函数关系迥异的特性。在在对炼油过程中油品干点和倾点等的软测量，使用RBF网络能得到较满意的结果。（2） 故障检测和诊断 人工神经网络可被用作故障检测和诊断的工具。不同的故障情况，会产生不同的现象。现将反映现象的工况变量作为网络输入，并通过网络的训练，使网络的各个输出节点反映某种故障存在与否，例如各节点的输出都接近于零，表示不存在故障，第I个节点的输出接近于1,表示存在故障1。釆用足够数量的若干组因果关系数据对网络进行训练后，网络将有很好的故障诊断功能，这在下一章中还会提到。（3） 用于控制逆动态控制基于模型的控制用神经网络作为在线估计器的控制用于优化第五讲制冷装置的仿真与实验一、仿真技术简介仿真（Simulation）是用模型（物理模型或数学模型）代替实际系统进行实验和研究。仿真所遵循的基本原则是相似原理，即儿何相似及数学相似。依据这个原理，仿真可氛围物理仿真和数学仿真。所谓物理仿真，就是应用几何相似原理，制作一个与实际系统相似但几何尺寸较小的物理模型（如飞机模型放在气流场相似的同时）进行实验研究。所谓物理仿真，就是应用数学相似原理，构成数学模型在计算机上进行实验研究。物理模拟装置进行试验的成本高，数学仿真受到别人的重视，数学仿真的特点是：将实际系统的运动规律用数学形式表达出來。它们通常是一组常微分方程或一组差分方程，然后用计算机來了解这些方程。仿真技术应抓住事物的本质，在计算机上再现事物的基本特征，忽略了某种因素，可能会造成仿真的“失真”。这种情况常见。仿真过程：第一步：建立系统的数学模型。（机理建模、系统参数辩识方法或两者结合）。数学模型是系统仿真的依据。第二步：建立仿真模型，即通过一定的算法对原系统的数学模型进行离散化处理。第三步：编制仿真程序。对于非实时仿真，可用一般的变化语言或仿真语言。对于快速的实时仿真，往往需要用汇编语言。第四步：进行仿真实验并输出仿真结果，通过实验对仿真系统模型及程序进行效验和修改，然后按系统仿真的要求输出仿真结果。实际系统■二次樑型化I（系统建模、辩识）I建立系统的数学模型建立仿真模型模型化—系统仿真程、校验）编制仿真程序;计算机）实际系统■二次樑型化I（系统建模、辩识）I建立系统的数学模型建立仿真模型模型化—系统仿真程、校验）编制仿真程序;计算机）仿真实验输出仿真结果二、制冷装置的仿真（1） 稳态仿真稳态仿真是指制冷装置稳定运行工况下，主要运行参数和性能指标的仿真（P207）。进行系统仿真时，一定要寻求制冷系统的状态平衡点,在该平衡点按照稳态计算的观点，各部件的制