神經(jīng)網(wǎng)絡(luò)側(cè)吹風(fēng)空調(diào)工況自動轉(zhuǎn)換

噪聲是影響家用空調(diào)器質(zhì)量的一個重要因素,提出了一種用bp神經(jīng)網(wǎng)絡(luò)識別空調(diào)器噪聲源的方法.利用聲學(xué)分析儀對空調(diào)器的噪聲信號做頻譜分析,提取噪聲信號的頻譜特征構(gòu)造模式特征量,設(shè)計一個三層bp神經(jīng)網(wǎng)絡(luò)經(jīng)學(xué)習(xí)訓(xùn)練后進行空調(diào)器的噪聲源識別,為空調(diào)器的噪聲故障診斷及其減振降噪提供指導(dǎo).

從空調(diào)負荷預(yù)測的目的出發(fā),詳細介紹了一種基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化方法,對誤差函數(shù)及搜索方法作了適當?shù)母倪M,建立了一個混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進的模型對一實例進行了空調(diào)負荷預(yù)測,結(jié)果表明該方法簡便、足夠準確可靠。

人工神經(jīng)網(wǎng)絡(luò)是一個大量簡單的處理單元廣泛連接組成的復(fù)合網(wǎng)絡(luò),用來模擬大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。近年來成為高科技研究領(lǐng)域中一門令人矚目的新興學(xué)科。目前,神經(jīng)網(wǎng)絡(luò)在智能控制、語音識別和合成、圖形文字識別、數(shù)據(jù)壓縮、知識工程、最優(yōu)化問題求解、智能計算機等領(lǐng)域進行的實踐和取得的初步成果,預(yù)示著人工智能的應(yīng)用不久將會有重大突破。本文主要介紹神經(jīng)網(wǎng)絡(luò)的發(fā)展及其基本原理,以及幾種常用的神經(jīng)網(wǎng)絡(luò)及它們的訓(xùn)練算法,并介紹神經(jīng)網(wǎng)絡(luò)的各種應(yīng)用,著重其在制冷空調(diào)方面的應(yīng)用。神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域的應(yīng)用已越來越引起人們的注意,本文還將論述神經(jīng)網(wǎng)絡(luò)在控制方面應(yīng)用的相關(guān)理論及在制冷空調(diào)系統(tǒng)控制上的嘗試。

本文簡要介紹了人工神經(jīng)網(wǎng)絡(luò)的基本原理，敘述了常用的ｂｐ網(wǎng)絡(luò)和訓(xùn)練算法，綜述了神經(jīng)網(wǎng)絡(luò)在制冷空調(diào)中應(yīng)用的研究和開發(fā)現(xiàn)狀。最后展望了近期神經(jīng)網(wǎng)絡(luò)在空調(diào)制冷領(lǐng)域應(yīng)用的研究和開發(fā)走向

介紹了模糊神經(jīng)網(wǎng)絡(luò)方法的基本概念和結(jié)構(gòu),就將模糊神經(jīng)網(wǎng)絡(luò)引入空調(diào)系統(tǒng)故障診斷系統(tǒng)作了較為系統(tǒng)的闡述。

介紹了神經(jīng)網(wǎng)絡(luò)的基本原理,編制了通用神經(jīng)網(wǎng)絡(luò)程序,并用此程序?qū)σ粚嶋H工程空調(diào)負荷進行了預(yù)測,預(yù)測結(jié)果與計算值相吻合,說明神經(jīng)網(wǎng)絡(luò)是一種新穎、可靠的負荷預(yù)測方法

文章應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，對汽車空調(diào)的變工況運行進行了仿真研究，給出一個基于反向傳播（ｂｐ）算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方案并進行學(xué)習(xí)及分析，結(jié)果表明：汽車空調(diào)變工況運行可以利用ｂｐ神經(jīng)網(wǎng)絡(luò)進行計算機仿真，仿真結(jié)果與實驗十分吻合。

側(cè)吹風(fēng)空調(diào)噴淋室對空氣的處理分析——側(cè)吹風(fēng)空調(diào)的噴淋段在整個空調(diào)系統(tǒng)中起著非常重要的作用。噴淋段工況的好壞，直接影響到送風(fēng)相對濕度的高低。文章對噴淋室的結(jié)構(gòu)及應(yīng)用效果進行分析，并討論了水溫對加濕效果的影響。

側(cè)吹風(fēng)空調(diào)的噴淋段在整個空調(diào)系統(tǒng)中起著非常重要的作用。噴淋段工況的好壞,直接影響到送風(fēng)相對濕度的高低。文章對噴淋室的結(jié)構(gòu)及應(yīng)用效果進行分析,并討論了水溫對加濕效果的影響。

結(jié)合公路工程實例,通過rbf神經(jīng)網(wǎng)絡(luò)模型與二次曲面擬合、三次曲面擬合的對比分析,表明rbf網(wǎng)絡(luò)進行g(shù)ps高程轉(zhuǎn)換是可行的,且具有良好的精度。

ebp神經(jīng)網(wǎng)絡(luò)在空調(diào)負荷預(yù)測中的應(yīng)用——空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型。傳統(tǒng)方式難于實現(xiàn)準確、快速地預(yù)測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運算能力和較強的容錯能力，其中使用最為廣泛的是誤差反向傳...

前饋神經(jīng)網(wǎng)絡(luò)在空調(diào)負荷預(yù)測中的應(yīng)用——空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型,傳統(tǒng)方式難以實現(xiàn)準確、快速地預(yù)測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性運算能力和很強的容錯能力,其中最為廣泛的是前饋神經(jīng)網(wǎng)絡(luò)和采用...

根據(jù)某建筑中央空調(diào)系統(tǒng)的工作參數(shù),創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)模型,得到輸入輸出的映射關(guān)系.利用遺傳算法尋找中央空調(diào)系統(tǒng)的最佳工作參數(shù),對遺傳算法的優(yōu)化結(jié)果進行分析.利用圖形分析法驗證遺傳算法得到的結(jié)果是全局最優(yōu)解.當冷卻水進口溫度為室外溫度、冷水出口溫度為設(shè)置范圍內(nèi)的最大值時,空調(diào)功耗最小.

本文提出了在空調(diào)負荷計算中引入神經(jīng)網(wǎng)絡(luò)模型的思想,介紹了神經(jīng)網(wǎng)絡(luò)的概念、原理及其在空調(diào)冷負荷計算中的應(yīng)用方法。

在空調(diào)控制過程中,廣泛存在慣性滯后對象,用常規(guī)的控制方法很難取得良好的控制效果。文章結(jié)合神經(jīng)網(wǎng)絡(luò)和預(yù)測控制的優(yōu)點,提出了神經(jīng)網(wǎng)絡(luò)預(yù)測控制方法,并對某一空調(diào)系統(tǒng)滯后模型進行了仿真。從仿真結(jié)果看,此種方案在對不同對象的適應(yīng)性、響應(yīng)速度、抗干擾及穩(wěn)定性等方面均有明顯的改善,更符合實際工業(yè)過程控制的特點。

提出一種神經(jīng)網(wǎng)絡(luò)自適應(yīng)噪聲主動噪聲控制(anc)的方法。把后傳播學(xué)習(xí)算法的多層感知神經(jīng)網(wǎng)絡(luò)用來對空調(diào)進行anc。對在三維空間傳播的寬頻帶空調(diào)噪聲,利用多層感知神經(jīng)網(wǎng)絡(luò)的anc獲得了良好降噪效果。

以kld40型鐵路客車單元式空調(diào)機組為研究對象,在一定工況范圍內(nèi)建立了空調(diào)機組制冷量、電流等性能參數(shù)的神經(jīng)網(wǎng)絡(luò)模型。經(jīng)檢驗,模型的計算結(jié)果與試驗數(shù)據(jù)相吻合。此模型可作為任意工況下空調(diào)機組性能試驗結(jié)果評價的參考依據(jù),對空調(diào)機組的設(shè)計選型也有一定的參考價值。

探討滌綸化纖廠高精度的側(cè)吹風(fēng)空調(diào)與普通精度的車間環(huán)境空調(diào)共存的復(fù)合式滌綸側(cè)吹風(fēng)空調(diào)系統(tǒng)的微機自控系統(tǒng)的設(shè)計與工程實現(xiàn)中的關(guān)鍵問題,采用所述微機自控系統(tǒng)的每小時75萬m~3風(fēng)量的復(fù)合式滌綸側(cè)吹風(fēng)空調(diào)成套設(shè)備,已投入生產(chǎn)應(yīng)用.

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)負荷實時預(yù)測模型——文章針對暖通空調(diào)系統(tǒng)優(yōu)化和預(yù)測控制，研究了利用神經(jīng)網(wǎng)絡(luò)進行空調(diào)負荷預(yù)測的方法。

涂裝車間噴房的溫濕度直接影響油漆性能和噴涂質(zhì)量。為了進一步提高噴房溫濕度的控制精度、同時降低空調(diào)能耗，提出利用神經(jīng)網(wǎng)絡(luò)算法來控制空調(diào)溫濕度，此算法能夠?qū)Ψ蔷€性系統(tǒng)進行逼近，消除耦合效應(yīng)等特點。首先通過研究神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)，建立了神經(jīng)網(wǎng)絡(luò)控制算法，并使用神經(jīng)元芯片設(shè)計專用控制板。最后在空調(diào)系統(tǒng)中進行試驗研究，試驗結(jié)果表明：神經(jīng)網(wǎng)絡(luò)控制算法在噴房空調(diào)中應(yīng)用效果較好，改善了系統(tǒng)性能和控制品質(zhì)。

空調(diào)系統(tǒng)負荷是一個典型的具有動態(tài)性、不確定性等隨機特性的非線性模型。傳統(tǒng)方式難于實現(xiàn)準確、快速地預(yù)測空調(diào)系統(tǒng)動態(tài)負荷。人工神經(jīng)網(wǎng)絡(luò)ann具有高度的非線性運算能力和較強的容錯能力,其中使用最為廣泛的是誤差反向傳播ebp算法。研究結(jié)果表明,用ebp神經(jīng)網(wǎng)絡(luò)預(yù)測空調(diào)負荷和計算結(jié)果能較好地吻和。

基于小波變換的思想建立了遞歸bp網(wǎng)絡(luò)模型來預(yù)測空調(diào)負荷,改進了網(wǎng)絡(luò)權(quán)值、閾值的修改算法,引入了折扣系數(shù)法以提高近期預(yù)測精度,結(jié)合一實例進行了空調(diào)逐時冷負荷預(yù)測,結(jié)果表明該方法預(yù)測精度高,適用于空調(diào)負荷預(yù)測。