吸收式制冷机组逆神经网络设定优化

针对吸收式制冷机组非线性、难以控制的特点，提出了一种基于逆神经网络模型的设定点优化方案。首先，以11.5kW单效溴化锂吸收式制冷机组为对象，使用人工神经网络方法建立了机组模型，通过对溴冷机制冷原理的分析，建立了系统结构为5-6-2的网络模型，该神经网络模型的相关系数大于0.99且方均根误差小于0.2%，与实验数据取得了良好的拟合效果；然后，利用该模型对溴冷机的各个输入参数进行灵敏度分析，并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数；最后，以冷冻水输出温度作为系统控制输出，对其进行优化计算，并采用改进的粒子群优化算法与逆神经网络相结合的方法，计算制冷机组的最优控制输入参数。通过实验与仿真分析，可知该算法的计算时间在30 s以内，低于吸收式制冷机组的稳定时间；溴冷机的目标输出与仿真计算结果间的误差小于0.02%，表明该方案可以应用于吸收式制冷机组的在线控制。     

烧结气氛对钢渣陶瓷晶相和性能的影响

利用钢渣制备陶瓷材料是钢渣资源化大宗利用的一条新途径.开展不同烧结气氛对钢渣陶瓷影响规律的研究,对推动钢渣陶瓷技术的应用具有重要意义.以20%钢渣和80%黏土为原料,分别在空气和氮气气氛下,制备了钢渣陶瓷样品,分析了其晶相转变和性能变化规律,并定量研究了氧分压对钢渣陶瓷中铁元素价态转变的影响机理.研究表明,在空气条件下烧结时,原料中的Fe2+发生氧化形成赤铁矿相,烧结样品物理性能要优于在氮气条件下烧结的样品,其抗压强度和吸水率为310 MPa和3.7%;而在氮气条件下烧结时,Fe2+形成铁铝尖晶石和铁辉石,烧结样品中形成的气孔大小和数量要大于和多于空气条件下的样品,这是导致其力学性能较差的一个主要原因.铁元素赋存晶相转变的氧分压临界范围为0.5%~0.75%:当分压低于0.5%时,可以获得以铁铝尖晶石和铁辉石为主的黑色或褐色陶瓷样品;当氧分压超过0.75%时,Fe2+开始发生氧化并形成Fe3+,逐渐形成赤铁矿并带来样品颜色为褐黄色或褐红色.增加烧结环境中氧气分压量是减少钢渣陶瓷产品黑心的一个重要手段.     

吸收式制冷机组逆神经网络设定优化

针对吸收式制冷机组非线性、难以控制的特点,提出了一种基于逆神经网络模型的设定点优化方案。首先,以11.5kW单效溴化锂吸收式制冷机组为对象,使用人工神经网络方法建立了机组模型,通过对溴冷机制冷原理的分析,建立了系统结构为5-6-2的网络模型,该神经网络模型的相关系数大于0.99且方均根误差小于0.2%,与实验数据取得了良好的拟合效果;然后,利用该模型对溴冷机的各个输入参数进行灵敏度分析,并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数;最后,以冷冻水输出温度作为系统控制输出,对其进行优化计算,并采用改进的粒子群优化算法与逆神经网络相结合的方法,计算制冷机组的最优控制输入参数。通过实验与仿真分析,可知该算法的计算时间在30s以内,低于吸收式制冷机组的稳定时间;溴冷机的目标输出与仿真计算结果间的误差小于0.02%,表明该方案可以应用于吸收式制冷机组的在线控制。