多区域变风量空调控制系统仿真研究

变风量(VAV)空调系统具有节能、装机容量小等特点.总风量控制法直接根据末端装置的设定风量计算出要求的风机转速.本文针对一典型两层建筑按设计参数采用机理分析法求得动态模型,并根据模型特征分别设计了房间温度的网络模型预测控制和表冷器出风温度的常规PID控制子系统,在此基础上,应用总风量控制法对多区域变风量空调控制系统进行联动动态仿真.仿真结果表明系统具有良好的跟踪能力,自适应性和鲁棒性较强.     

基于RBF神经网络的VAV空调系统

变风量空调系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而RBF是在Bp人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力.文中分别采用Bp神经网络与RBF神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.这表明利用RBF回归神经网络建模是可行的,其在VAV空调控制系统的研究领域有着较好的应用前景.     

基于粗糙集和PSO-Elman的商业建筑空调冷负荷预测

为了精确预测商业建筑空调的冷负荷，建立基于粗糙集和PSO-Elman神经网络的预测模型。首先利用粗糙集对空调冷负荷的影响因子进行属性约简，然后应用粒子群算法优化Elman神经网络的权值和阈值，建立PSO-Elman商业建筑空调冷负荷的预测模型。采集桂林某商业建筑的空调数据和气象参数验证PSO-Elman预测模型的预测性能，并将该模型的预测结果与Elman预测模型的预测结果进行对比分析。研究结果表明，PSO-Elman预测模型的预测精度高于Elman预测模型，PSO-Elman预测模型预测结果的平均绝对相对误差、均方根相对误差、均方根误差和平均绝对误差分别为4.87%,6.15%,423.71和335.86，与Elman预测模型的预测结果相比，这些误差参数分别降低了2.46%,2.46%,169.65和156.57。由此可知，PSO-Elman预测模型能够精确有效地预测商业建筑空调的冷负荷。     

基于BP神经网络的超声表面波定量表征金属表层裂纹深度研究

针对超声参量-目标特征经验拟合方法预测金属表层裂纹深度准确性不高的问题,提出一种基于差异性与最小集合原则优选特征并训练BP神经网络的金属表层裂纹深度的声表面波(SAW)定量表征技术。该技术运用有限元法模拟激光激发SAW过程,提取裂纹引起的反射与透射SAW峰值、平均值等多个特征训练BP神经网络用以预测裂纹深度,实现不锈钢表层深度0. 1～2. 0 mm的20组开口裂纹定量表征。模拟结果表明:裂纹深度预测结果相对误差在3%以内,与经验拟合曲线预测结果相比,准确率提高60%以上。实验采用5 MHz表面波探头采集不锈钢试样表层深度1. 0与1. 5 mm预加工裂纹各20个反射波信号,通过BP神经网络预测的裂纹深度相对误差在0. 1%以内,验证了定量表征技术的可行性与准确性。     

运行工况下变风量空调机频率-静压-风速特性的测试和建模

根据变风量空调系统实际运行工况下测试的空调输入输出数据,分别采用数学回归方法和串并联辨识结构的神经网络的方法来建立变风量空调系统风机特性的模型,对所建立的几种模型进行误差分析,结果表明,采用动态的辨识模型仿真空调风系统可以取得很好的效果。     

随机干扰的变风量空调模糊迭代学习预测控制

针对汽车变风量空调实际运行中存在的随机干扰,提出了一种基于二维框架理论的模糊迭代学习预测控制方法.首先对变风量空调系统进行线性建模;然后将空调系统作为间歇过程,利用二维框架理论得到二维状态空间模型;随后基于模糊理论介绍了变学习速率与预测步长的迭代学习预测控制器的设计方法.最后通过对比不同干扰信号条件下的跟踪响应发现模糊迭代学习预测控制不仅对周期性干扰具有较好的鲁棒性,而且在随机干扰条件下,依旧能够保持较好的跟踪性能.仿真结果验证了该方法的有效性.     

商场建筑的冷负荷特点及变风量空调系统的应用

通过建立商场建筑的空调动态负荷分析模型，并采用美国建筑能耗分析软件DOE－2对其计算，得到了8个典型城市商场建筑供冷期间的动态负荷。在此基础，对8个城市变风量和定风量系统进行了能耗对比计算。结果表明，与后者相比，前者在供冷期的节能率可达29％以上，说明变风量系统的节能效果大大优于定风量系统。     

涤纶长丝车间纺丝机的侧吹风空调系统

传统侧吹风空调系统在冷热负荷交换中存在误差,导致涤纶长丝车间纺丝机的生产能耗过高,为此,提出涤纶长丝车间纺丝机的侧吹风空调系统。硬件设计方面,利用微处理电路控制压差采集效果;安装热敏电阻感温元件,设计温度传感器电路,调节换能器的进水与回水温度。软件设计方面,建立神经网络模型预测冷热负荷,计算湿度负荷控制空调的侧吹风送风量,完成涤纶长丝车间纺丝机的侧吹风空调系统设计。实验结果表明,在回风比例为60%时,本文系统的耗冷量比传统系统减少了141.51kW,能够有效降低生产能耗。     

变风量空调系统通用工控软件设计

变风量空调由于节能而被广泛接受,但其控制要求比较复杂.目前变风量空调已使用很广,但各公司的控制系统都不兼容,给用户使用、开发、改进、扩展带来了困难.本文以通用的工控软件MCGS为平台,设计了用于变风量控制的通用软件,以推动变风量空调更广泛的应用.     

基于Matlab的变风量空调系统的仿真

变风量系统（Variable Air Volume）是利用改变送入室内的风量来实现对室内温度调节的全空气空调系统，它的送风状态保持不变。采用数学软件Matlab中的Simulink对单风道变风量宁调系统进行仿真模拟，介绍了建立房间模型并使用Simulink创建窜内环境、控制风阀、PID调节器模块的过程,得到室内温度变化曲线。     

基于PSO-BP算法的动态空调负荷预测建模

根据空调负荷的非线性特点,提出了一种基于粒子群算法优化误差反向传播(BP)神经网络的空调负荷预测方法,针对BP网络训练容易出现麻痹和易陷入局部极值,以及其预测空调负荷时精度不够理想等现象,将粒子群算法的随机全局优化和梯度下降局部优化结合,达到改善神经网络泛化能力和提高空调负荷预测精度的目的。用该方法对的空调系统冷负荷与室外空气的干球温度、含湿量和太阳辐射照度的关系进行建模和预测,通过实例验证了该优化算法优于BP网络,能更加有效地处理动态空调负荷中的非线性问题,获得更可靠的预测结果。     

人工神经网络在大气污染预测中的应用研究

以陕西省宝鸡市空气污染指数的预测预报为例,引入人工神经网络的理论和方法,对其进行模拟分析,建立了基于BP神经网络的空气污染指数非线性时间序列预报模型。模型仿真性能检验和精确度检验表明:建立的模型准确度高,适应性强,可直接用于宝鸡市日空气污染指数的预报。     

变风量空调系统室内温度的模糊控制

论文介绍了模糊控制在变风量空调系统的室内温度调节中的应用,体现VAV空调系统在充分发挥其舒适性及节能上的优势。     

改进的BP算法及其在镗孔加工中应用

对一般BP算法的激励函数、误差函数等进行了改进,将梯度下降法与遗传算法相结合来训练BP网络,并在此基础上,建立了镗孔加工的人工神经网络预报模型,实验结果表明,该模型能较好地对镗孔加工过程中的尺寸进行预测。     

基于BP神经网络的粉末冶金铜基滑动轴承材料磨损量预测

从FeS/Cu-Bi铜基滑动轴承材料组元配置、工艺处理、工况条件入手探究影响铜基滑动轴承材料磨损量的因素,发现材料的磨损量受所添加固体润滑剂Bi的含量、球磨工艺以及加载载荷的影响.针对铜基滑动轴承材料磨损量的3个主要影响因素,建立了结构为3-9-1的BP神经网络模型,对铜基滑动轴承材料的磨损量进行了预测.通过实测数据对...     

基于Fluent的空调室内机风道结构噪声研究

为了研究风道结构对空调室内机噪声的影响,采用Fluent软件对某型空调室内机的流场进行了仿真,仿真过程考虑了热交换器对气流的阻碍作用,将其模拟为多孔介质流动。通过FW-H模型分别对以蜗舌、蜗壳和叶片为噪声源而产生的噪声进行了计算,并与空调室内机噪声测试实验的结果进行了对比,误差在允许的范围内。在尽量保持足够气体流量的前提下,以此模型为基础,通过调整蜗舌间隙与蜗壳前沿长度降低噪声,得到了空调室内机风道结构在此参数上的最优值。     

基于卷积神经网络的短期天气预测研究

对某市历史天气数据进行分析、整理,建立了具有两个卷积层的卷积神经网络,并做出短期天气预测,对未来6 h天气温度进行预测,并根据实际天气做出误差分析。为了对预测结果进行分析,又基于灰色模型方法建立了天气预测模型,并对两种方法的预测结果进行比较,得出相应结论:整体来看,两种模型的预测结果与实际温度的相对误差和均方误差较小,都能较为精准地对温度进行短期预测,两种方法在对温度短期预测中具有参考价值,且卷积神经网络预测精度更高。这一结论可以为不同时间序列及天气温度波动情况的短期天气预测提供新的思路。     

基于IA-PSO-BP模型的电主轴热误差预测方法

针对电主轴在运作时因为温升而产生热误差的问题,提出一种基于免疫粒子群优化BP神经网络（IA-PSO-BP）的电主轴热误差预测模型。通过测量电主轴在工作过程中的温升以及热位移,获取建立预测模型所需的数据,使用IA-PSO-BP模型在MATLAB中建立热误差预测模型,并与未经过优化的BP神经网络所建立的模型进行测试对比。结果显示,经过优化的BP神经网络对热误差的补偿能力高达98.4%,和当前工程常用的BP神经网络相比,平均预测误差下降了62.6%,预测误差的均方差下降了66.4%,可见其预测精度得到了显著提升。     

基于加权PMV和EQT的改舱客机地面空调最佳送风温度

为改善飞机地面空调恒定温度送风所造成的改舱客机舱内乘客热舒适性不佳的问题,建立了改舱后的Boeing 737客舱模型,并通过实验舱对仿真模型进行了试验验证,证明了此模型的合理有效性.在此改舱模型的基础上,运用CFD技术,模拟仿真出地面空调不同送风温度下,改舱客机的风速场与温度场,且针对改舱客机空调送风口与乘客座位距离不...     

基于卷积神经网络的制孔出口毛刺预测方法

受深度学习理论的启发,对使用卷积神经网络预测航空装配制孔质量进行研究。以工艺参数(制孔转速、进给、每转进给)与主轴电流信号为网络输入,以制孔出口毛刺高度为预测目标,在实验基础上,分析了激活函数、目标优化算法、卷积核个数、卷积层层数、卷积窗口大小和学习率等对制孔出口毛刺卷积神经网络预测模型的影响,并通过启发式算法确定了最优的网络设置。研究结果表明,制孔出口毛刺预测平均相对误差为9.34%,实验集测试预测相对误差在15%以内,优于传统理论建模30%左右的预测相对误差。