基于PCA-LVQ多联机系统制冷剂充注量故障诊断研究

对于多联机空调系统,当发生了制冷剂的泄漏故障时,设备的性能会下降甚至失效,不仅造成能源的浪费、热舒适性的降低、设备有效使用寿命的缩短,还可能对环境造成严重污染.本论文将使用主成分分析(Principal Component Analysis,PCA)与学习向量化(Learning Vectorized Quantiza...     

基于Boosting的多联机制冷剂充注量故障诊断集成模型

多联机空调系统被广泛用于各种公共建筑物,一旦发生故障会导致舒适性降低,能耗增加。制冷剂充注水平是影响空调系统高效运行的重要参数。本文提出一种基于Boosting集成算法的故障诊断模型,以制冷剂充注量故障为研究对象,将逻辑回归、决策树、随机森林、支持向量机和BP神经网络等5个基分类器集成,使用卡方检验进行特征选择,并使用制冷、制热模式的实验数据建立诊断模型。结果表明:基于Boosting的集成模型能高效检测多联机制冷剂充注量的故障,准确率高达96. 8%,相比于传统故障检测方法,大幅提高了诊断模型的响应速度、准确度和实用性。     

多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。     

多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。     

家用空调系统制冷剂充注量的研究

对1台制冷量为2.5kW的家用空调器进行研究,建立该空调器稳态分布参数仿真模型。研究系统中各部件的制冷剂分布情况：冷凝器中制冷剂分布最多,随着充注量的增大,冷凝器中制冷剂量增大,份额由38.6%变化到62.1%,而其他部件中制冷剂量基本保持不变。从各部件充注量变化的角度分析充注量与系统其他参数之间的关系：当充注量增加时,系统冷凝温度、冷凝压力、排气温度、过冷度增加,蒸发压力略有下降,质量流量减小,COP值先增后减。重点研究充注量、COP和过冷度3者的平衡关系。     

集成特征选择在VRF系统制冷剂充注量故障诊断中的应用

针对VRF系统故障诊断存在的数据量大、特征冗余等问题,本文提出一种前向搜索优化的集成特征选择方法,该方法将单一特征选择方法得到的特征子集进行整合,以获得预测性能更好的特征变量。首先分别利用mRMR算法、ReliefF算法、随机森林算法、Adaboost.M1算法和Boruta特征选择算法对实验数据进行特征选择,然后利用前向搜索策略得到集成后的特征排序,并与算术平均、众数投票两种集成方法形成对比。最后,分别采用上述特征选择方法获得的关键特征变量作为模型的输入变量建立相应的故障诊断模型,通过对比发现前向搜索集成获得了最高的预测准确率,选出了最具代表的特征变量。     

小型风冷热泵制冷剂充注量实验研究

以R22为工质,通过对风冷热泵冷热水机组制冷剂充注量实验测试研究,全面分析充注量对测试机组系统性能的影响及原因．针对充注量的影响作者提出了机组性能改进措施及方法,实现风冷热泵节能优化。     

制冷剂充注量对新型换热器汽车空调的影响

为了减少R134a的直接排放,各厂商积极采用新型高效换热器来减少汽车空调系统的充注量.在焓差试验台研究传统汽车空调和采用微通道蒸发器和过冷式冷凝器的汽车空调系统的充注量情况,结果表明新型换热器能够显著降低系统的制冷剂充注量,并且在最佳充注量下,蒸发器能够保证一定的过热度,冷凝器出口有足够的过冷度,使系统运行性能最优.采用新型换热器系统的制冷量提高了18％左右,COP提升了约5％,最佳充注量反而比传统系统小100g,.     

空气源热泵热水器制冷剂充注量的试验研究

为了研究制冷剂充注量对空气源热泵热水器性能的影响,对一台充注非共沸混合制冷剂的试验机组进行不同充注量的试验,并根据试验数据分析充注量与制热量、耗功、吸排气温度、压缩比和COP的关系。结果表明:制冷剂充注量从1.95 kg增加到2.5 kg时,制热量和耗功分别增加3.41%和3.03%,COP几乎相同;充注量对压缩机的吸、排气温度和压缩比的影响很明显;为了保证机组运行的稳定安全性,最佳充注量应为2.3 kg。     

小型风冷热泵制冷剂最佳充注量实验研究

以R22为工质,通过对风冷热泵冷热水机组制冷剂充注量的实验研究,分析充注量对机组系统性能的影响及原因,提出机组性能改进措施及方法,实现风冷热泵节能优化.     

R32家用变频空调器制冷剂充注量优化

采用R32对R410A家用变频空调器进行直接充注式替代,测试R32不同充注量下空调器的制冷和制热性能。研究结果表明,当R32充注量为R410A充注量的74%时,空调器的APF提升6.4%,高温制冷能效比最高提升4.3%,高温制冷能力提升6.9%;超低温制热性能系数最高提升2.4%,超低温制热能力提升1.8%。     

室内外温度对制冷系统制冷剂最佳充注量的影响

通过以试验数据校核、验证等方法,建立实际工况下试验样机的计算模型,并用此模型进行室外温度-1.1~37.8℃和室内温度10.0~48.9℃工况下该样机制冷剂最佳充注量的仿真计算,得到以下结论:制冷系统制冷剂最佳充注量受室外温度影响较小,变化幅度仅为2.6%;制冷系统制冷剂最佳充注量受室内温度影响较大,随室内温度的升高而增大,且当室内温度高于36.7℃时,其增长速度变大。     

毛细管长度与制冷剂充注量匹配关系的分析

通过试验的方法研究了空调器毛细管长度与制冷剂充注量对制冷系统性能的影响，得出了KF-64与KF-35机型空调器相应的性能关系；结合理论进行分析，对试验现象作了合理解释，并总结了匹配规律；依据毛细管的特性进行了毛细管选型编程计算，一定程度上提高了毛细管的匹配速率。     

制冷剂充注量对冷柜系统影响的实验研究

对BD/C-183A、BD/C-165两种型号的冷柜进行了充注量的实验研究，总结了不同充注量和不同环境温度对冷柜冷冻速度，吸气温度和压缩机机壳温度的影响规律，理论上进行了合理的解释，同时提出了合理的风机布置方案，对于了解冷柜在偏离设计工况条件下运行时的性能，解决在恶劣环境下压缩机温度过高问题，有一定的指导意义。最后，简述了毛细管长度和充注量的匹配关系。     

热泵机组制冷剂充注量补偿对化霜的改进

分析了热泵机组化霜效果差的主要原因是制冷剂充注量不足，计算了化霜时所需的充注量；提出使用制冷剂补偿器代替高压储液器，更能提高吸排气压力，缩短化霜时间，并通过试验证明效果明显。     

基于离散Hopfield神经网络的数据智能识别

Hopfield网络是一种反馈型神经网络,具有丰富的动力学特性。当前,Hopfield网络广泛地应用于优化计算和联想记忆。本文探究Hopfield网络模型在数据检索中的运用,提出新的解决方案,并指出该网络存在的问题。     

4mm管换热器降低制冷剂充注量实验研究

本文利用最新研发的4mm管换热器分别对分体机进行充注R410A、R290的性能实验。实验结果表明：采用4mm管换热器,在保持性能不变的情况下,不仅可以有效的降低换热器体积和成本,也能明显降低制冷剂充注量。     

基于实车台架的车用空调系统制冷剂充注量试验研究

提出在实车台架上确定车用空调系统的制冷剂充注量试验方法,并以某车型的R134a车用空调系统为例,测试其冷凝器过冷度、蒸发器过热度、压缩机吸气压力以及排气压力,得到R134a充注量合适范围为475~550 g,最终确定为520 g±20 g。该试验方法为当前车用空调系统制冷剂充注量的确定提供参考,从而有效缩短产品开发周期和试验成本。     

空调器毛细管长度与制冷剂充注量匹配实验研究

通过实验的方法研究了空调器毛细管长度和制冷剂充注量对制冷系统性能的影响,得出了相应的曲线及KF-25W分体空调器毛细管长度和充注量之间的最佳匹配关系,该实验方法具有一定的普遍意义.