基于并行感知器的制冷系统故障诊断分析

选择热力参数集组成反映制冷系统故障状态的特征向量,提出一种并行感知器神经网络,通过模式分类来尝试联系系统故障状态与热力参数特征向量之间的映射关系.对故障模拟实验结果的应用表明,基于并行感知器网络的诊断方法可行且有效,为开发以人工神经网络为框架的制冷系统故障诊断系统提供了研究基础.     

制冷系统冷凝器特性研究

研究了制冷系统中冷凝器的工作特性．说明了冷凝器传热系数受日益增厚的水侧水垢的影响程度．用热力特性程序对氨单级系统进行模拟、建立冷凝温度(或冷凝器负荷)随外在参数的变化关系、研究传热系数随外侧水垢的变化关系、传热系数变化对冷凝温度和冷凝负荷的影响、借助冷凝温度随制冷系数COP的变化关系来研究水垢增加对系统热力特性的影响．     

制冷剂饱和热力性质的通用简化计算模型

制冷剂热力性质的简化计算是保证制冷空调系统仿真与优化计算的稳健性与快速性的关键之一.制冷剂热力性质简化计算模型的研究目标是函数形式上的通用性和较大参数范围内的准确性.提出了一种适用于制冷剂饱和热力性质的六系数通用简化计算模型,对多种常见制冷剂进行了数据拟合.在制冷空调工况范围内,与国际标准制冷剂物性计算软件REFPROP 9.0相比,该简化计算模型对各种饱和热力性质的最大计算误差均小于±0.6%,计算速度可以提高两个数量级以上.     

双级溴化锂制冷循环中间压力优化计算数学模型

该文分析了双级溴化锂制冷循环传统的热力计算方法与不足,提出了一个全新的通过计算双级溴化锂制冷循环中间压力来确定热力循环的方法。并提出了中间压力计算的数学模型,即ｐｍ ＝ ｐ０·ｐｋ ＋ Δｐ。通过计算机模拟计算,分别分析了热源温度、冷却水温度和冷媒水温度对Δｐ 的影响。以获得最大制冷循环热力系数为目标函数,通过优化方法确定影响Δｐ 各因素的加权系数,并获得了双级溴化锂制冷循环中间压力优化计算数学模型。简化和优化双级溴化锂制冷循环热力计算,使其获得最高热力系数。     

热水型吸收式制冷机的稳态模拟

建立了预测热水型溴化锂吸收式制冷机组性能的稳态仿真模型,机组包括吸收器、发生器、冷凝器、蒸发器和溶液换热器.仿真模型基于部件的质量守恒和能量守恒,采用了集总参数方法.每一状态节点的热力系数和状态参数,根据已知部件面积、冷热流体流量及进口或出口温度、吸收器的再循环率进行计算.根据仿真模型,编写了机组变工况稳态运行模拟程序,得到了不同参数条件下的COP变化曲线.     

论制冷循环中(火用)效率与热力完善度的关系

本文分析了制冷循环各环节的热交换与(火用)交换,分析了制冷循环的(火用)效率与热力完善度之间的关系。明确提出,只有当冷凝器冷却水平均温度等于环境温度时,制冷循环的(火用)效率才等于热力完善度,否则,二者并不相等。因此,不加前提条件地、笼统地认为制冷循环的(火用)效率即为热力完善度,是不准确的。     

基于模糊神经网络的凝汽器故障诊断

对基于热力参数的凝汽器典型故障，建立了凝汽器典型故障集、征兆集及故障特征向量集合，提出了一种适用于凝汽器故障诊断的模糊BP神经网络方法，并以实例验证了该网络模型识别故障的准确性。     

新型循环直燃机研究

为了提高直燃型溴化锂吸收式制冷机能源总利用率和吸收式制冷机组的性能系数,对其原有循环进行了改进,利用排烟热回收发生器对烟气中的余热进行了回收,以此作为吸收式制冷机的热源,通过制冷循环达到制冷的目的．进行了热力计算和样机设计并进行了初步实验研究．通过热回收,一次能源效率提高近3%．循环模拟和初步实验研究表明,采用热回收循环的直燃机取得了较好的节能效果．     

基于RBF网络的液压伺服系统故障诊断研究

针对液压伺服系统故障的特点,提出融合液压系统状态信息作为系统特征向量,以RBF神经网络作为模式分类算法的智能诊断方法,并论述采用RBF神经网络作为液压伺服系统故障诊断分类算法的可行性与优势。最后以仿真电液位置伺服系统为例,建立相关的RBF网络,验证以上的陈述。     

不同环境参数对太阳能供热与制冷联合循环机组热力性能的影响研究

为了研究不同环境参数对太阳能供热与制冷联合循环机组热力性能的影响,构建试验装置,建立机组模型,完成机组热力分析。将机组制冷系数、供热效率以及?效率作为机组热力性能评价指标,从蒸发压力、冷凝温度、太阳辐射量三个方面对建立机组模型进行验证,分别研究对机组热力性能的影响情况。结果发现,随着蒸发压力的逐渐升高,机组热效率、?效率以及制冷系数均呈升高趋势;冷凝温度升高时,机组热效率、机组?效率与制冷系数呈下降趋势;随着太阳辐射量的逐渐升高,机组制冷系数、热效率和?效率均有所升高,且在太阳辐射量降低的情况下,热力性能指标没有降低,反而在一定程度上有所升高。试验研究结果表明,不同环境参数对太阳能供热与制冷联合循环机组热力性能有一定影响,且性能较高。     

基于改进BP神经网络的制冷剂状态参数计算模型

针对梯度下降法所存在的主要问题,采用Levenberg-Marquardt优化方法,对BP神经网络进行了改进,在大样本输入下获得了更快的网络收敛速度和更高的逼近精度;建立了基于改进BP神经网络的制冷剂状态参数计算模型,较好地克服了现有的制冷空调装置仿真系统中制冷剂热物性模型的主要缺点;应用所建立的BP神经网络算模型对制冷剂R134a的热力状态参数进行了计算分析,证明了所建立的模型的可靠性.     

城市办公建筑空调制冷系统大气排热实测分析

为研究单位建筑面积排热量较大的城市办公建筑空调制冷系统的排热规律,采用现场实测的研究方法,选取位于深圳市及北京市城市中心区的4座典型办公建筑作为实测对象,并将空调制冷系统通过冷却塔的排热分为显热排热和潜热排热这两类进行细致分析.结果表明:实测办公建筑空调制冷系统的单位建筑面积全热排热量在85~106 W/m2范围内,其中显热排热所占比例很小仅为1%~5%,而潜热排热占绝大比例为95%~98.85%,建筑空调制冷系统通过冷却塔的排热主要以潜热排热方式向外排出,从而显著增加了建筑周围大气相对湿度,并且城市范围内的高温高湿气候条件不利于建筑空调制冷系统向大气环境排热排湿.     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域     

基于模糊神经网络的变风量空调室内温度控制系统

本文将模糊理论的知识表达与神经网络的自学习能力结合起来,针对变风量空调温度控制系统提出了一种模糊神经网络控制方案,并详细阐述了模糊神经网络的结构、算法。对变风量空调室内温度控制系统进行仿真,验证了模糊神经网络应用于温度自动控制系统的可行性。     

基于PSO的改进的PID控制器在VAV空调系统温度控制中的应用

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的BP神经网络PID控制方法。应用BP神经网络进行PID参数在线整定,粒子群优化算法提高BP神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

蒸气压缩式和溴化锂吸收式冷水机组的节能分析

在大、中型中央空调工程中,制冷机组的能耗一直是人们关心的问题．不少媒介宣称吸收式冷水机组比蒸气压缩式冷水机组节能,是中央空调发展的方向．本文通过对各种制冷机组的矿物能源能效比进行比较,并进行计算列表分析,结果表明溴化锂吸收式冷水机组比蒸气压缩式冷水机组节电不节能．图３,表１,参６．     

基于压力信号的循环泵故障诊断小波神经网络技术

以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．