基于RBF網絡模擬太空艙控熱空調放熱量軟測量

基于rbf神經網絡的建筑逐時空調負荷預測模型——分別用徑向基函數(rbf)神經網絡模型和bp神經網絡模型對廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時冷負荷進行訓練和預測，發(fā)現rbf神經網絡模型預測的均方根誤差和平均相對誤差都僅是bp神經網絡方法的64％...

分別用徑向基函數(rbf)神經網絡模型和bp神經網絡模型對廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時冷負荷進行訓練和預測,發(fā)現rbf神經網絡模型預測的均方根誤差和平均相對誤差都僅是bp神經網絡方法的64%左右.仿真結果表明,rbf神經網絡具有更高的預測精度及更好的泛化能力,是建筑空調負荷預測的一種有效方法.在此基礎上,構建了基于rbf神經網絡的建筑逐時空調負荷智能預測軟件系統(tǒng).

基于rbf神經網絡的建筑逐時空調負荷預測模型——在簡單介紹變風量空調(vav)系統(tǒng)的基礎上，通過多元線性回歸原理建立機組部分的靜態(tài)模型，并對靜態(tài)模型進行驗證；最后用最小二乘法建立動態(tài)模型。

論述并分析比較了目前國內外在中央空調冷熱量收費方面的常用方法,根據冷熱量直接計量法原理、設計測量方法,研制了冷熱量測試的單板機和微機系統(tǒng),并通過實驗驗證,測試系統(tǒng)工作可靠、準確,測試10min內累計誤差小于1%。

將rbf神經網絡引入pid控制中,建立了一個三層神經網絡模型。通過rbf神經網絡的在線辨識對pid控制的三個參數進行在線調整,從而改善系統(tǒng)的控制效果。仿真結果表明:基于rbf神經網絡的pid控制與傳統(tǒng)pid控制相比,具有較強的魯棒性和自適應能力,控制精度高,效果好,安全可靠。

蓄熱空調 上海廣安工程應用技術研究所程志華 一 、 緒論 蓄熱空調在國民經濟中的意義 隨著改革開放的深入發(fā)展 , 人民生活水平 的日益提高和外國友人交往增多等 , 人們對環(huán) 境氣溫的要求提出了更高的標準 。 用扇子納涼 的時代早已過去 , 空調設備已進入了千家萬 戶 , 賓館 、 大廈 、 公寓 、 商場 、 企業(yè) 、 機關等都裝 上了中央空調 。 根據我們的統(tǒng)計 , 新建的大廈用電量 以上是用于中央空調 , 可見在這種設備上 考慮如何合理用電 , 計劃用電是非常必要的 。 因此 , 我們多年來開始這方面的研究工作 , 認 為蓄熱空調是做好計劃用電 , 調荷避峰的一個 很好的方法 , 也是落實電力部提出 “ 分時電價 ” 的一個有力措施 。 如果全國推廣使用蓄熱空 調 , 可以為國家節(jié)約幾億元資金—這些資金 是為了解決電廠為調節(jié)

本文根據pmv指標及列車隔熱壁熱平衡方程,討論了空調客車車內設定溫度與平均輻射溫度、外氣溫度的熱舒適關系,從而合理地確定隔熱壁得熱量;以及列車行駛速度對隔熱壁得熱量的影響

闡述了太空艙外光纜連接器的應用環(huán)境及相關性能，并對連接器的耐輻射總劑量、工作溫度和空氣泄漏率等性能指標進行了分析，提出太空艙外光纜連接器的理論結構以及外殼材料設計、外殼厚度優(yōu)化設計、密封材料優(yōu)化選擇和氣密性組合設計等具有針對性的解決方案。

介紹了熱量計量技術的發(fā)展現狀。闡述了基于低功耗msp430f147的智能網絡熱量表的內部硬件結構以及關鍵參數的測量和計算方法,軟件的設計思想和組成,編寫了主程序,以及集中器的的硬件構成。設計了一種遠程計量小區(qū)用戶耗熱的智能熱量表,各個智能熱量表聯(lián)成一個計算機動態(tài)監(jiān)控網絡,監(jiān)控中心通過動態(tài)監(jiān)控網絡所傳輸的實時數據對智能網絡熱量表進行實時監(jiān)控。

相位測量輪廓術(pmp)是目前眾多光學三維測量方法中比較成熟可靠的一種,其系統(tǒng)標定包括z和(x,y)坐標標定。在借鑒傳統(tǒng)標定方法優(yōu)缺點的基礎上,提出了一種基于bp和rbf神經網絡結合的pmp系統(tǒng)面內標定新方法,該方法將黑白棋盤圖案在有效視場內沿世界坐標系z軸多次放置,獲取數據樣本。在bp網絡對數據樣本進行訓練和仿真后,利用rbf網絡對誤差數據進行訓練和測試。實驗中,bp網絡訓練步數僅為21步,rbf網絡測試樣本的平均距離誤差僅為0.008mm,此方法具有較高的標定效率和標定精度。

分析空調器非穩(wěn)態(tài)制熱量測量的特點和常規(guī)焓差法在非穩(wěn)態(tài)制熱量測量方面的欠缺。提出一種基于焓差法的改進型空調器非穩(wěn)態(tài)制熱量測量方法,即前置式測量空調器出風溫度的方法,并對這種方法進行試驗驗證。結果表明,這種方法能夠有效排除出風與受風室之間非穩(wěn)態(tài)換熱量對測量結果的影響,提高測試精度。

空調是目前家庭普及率最高的商品之一,嚴熱的夏日給人們送來習習涼風;然而在北方,冬季漫長,大部分時間都在-15℃以下,利用空調取暖,室外熱交換器會嚴重結霜,無法吸收空氣中的熱量,達不到室內取暖的目的;利用燃氣燃燒放出熱量,來為空調進行輔助加熱,具有節(jié)能顯著,熱負荷大,升溫速度的特點,試驗證明:空調電熱取暖的單位費用是燃熱取暖器的2.5倍;而且,燃熱負荷可以達到20kw以上,是電熱的數倍;這明顯的節(jié)能效果和快速升溫的特點,倍受空調界的重視,而且發(fā)展很快。

提出了一種減聚類徑向基函數神經網絡的紡織空調送風風機故障診斷方法。在rbf網絡中采用了一種減聚類的學習算法來確定徑向基函數的相應參數,使網絡結構得到優(yōu)化。試驗結果顯示,該方法可以有效提高故障診斷的精度和效率。

空調是目前家庭普及率最高的商品之一，嚴熱的夏日給人們送來習習涼風然。而在北方，冬季漫長，大部分時間都在-15℃以下，利用空調取暖，室外熱交換器會嚴重結霜，無法吸收空氣中的熱量，達不到室內取暖的目的；利用燃氣燃燒放出熱帶，來為空調進行輔助加熱，具有節(jié)能顯著，熱負荷大，升溫速度的特點。試驗證明：空調電熱取暖的單位費用是燃熱取暖器的25倍；而且，燃熱負荷可以達到20kw以上，是電熱的數倍；這明顯的節(jié)能效果和快速升溫的特點，倍受空調界的重視，而且發(fā)展很快。

介紹了日本政府部門對蓄熱空調在稅收、金融、電價等方面的鼓勵政策，日本蓄熱空調的發(fā)展簡況，１９９７年在東京舉行的蓄熱空調展覽會以及當前的研究動態(tài)。

分析了對工程造價有重要影響的眾多因素,參考國內外專家、學者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經網絡建立了工程造價決策模型。本文利用rbf神經網絡快速、準確的函數逼近能力,為工程造價決策提供了一種新的方法。

負荷預測是實現電力系統(tǒng)優(yōu)化運行的基礎,對于電力系統(tǒng)的安全性、可靠性和經濟性都有著顯著的影響。rbf是一種三層前饋神經網絡,具有良好的函數逼近性能,已被廣泛應用到電力負荷預測中,并取得良好的效果。本文主要整理并介紹當前基于rfb神經網的負荷預測方法,對存在的問題進行了分析,并對未來的發(fā)展進行了展望。

本文對房間空調器熱泵實際使用狀態(tài)與額定狀態(tài)的差異進行了分析,提出了增強熱泵制熱效果的方案。

基于神經網絡的空調負荷實時預測模型——文章針對暖通空調系統(tǒng)優(yōu)化和預測控制，研究了利用神經網絡進行空調負荷預測的方法。

空調系統(tǒng)的負荷與諸多影響因素之間是一種多變量、強耦合、嚴重非線性的關系,且這種關系具有動態(tài)性,因而傳統(tǒng)方法的預測精度不高。而動態(tài)回歸神經網絡能更生動、更直接地反映系統(tǒng)的動態(tài)特性。針對這個特點,建立了基于elman型神經網絡的空調負荷預測模型,并進行了實例預測。文中還比較了elman網絡和bp網絡結構的建模效果,仿真實驗證明了elman神經網絡具有動態(tài)特性好、逼近速度快、精度高等特點,說明elman網絡是一種新穎、可靠的負荷預測方法。

基于rbf神經網絡的砂土液化預測——通過分析砂土液化成因及其影響因素，建立了砂土液化預測rbf網絡模型，并與bp網絡預測模型進行比較．測試結果表明，應用rbf網絡模型對砂土液化進行預測，預測效果好，識別精度高．

針對目前混凝土強度預測中存在的不確定性,難以自適應性的確定神經網絡隱含層,建立了基于高維云的rbf神經網絡的混凝土預測模型。運用matlab8.10進行仿真實驗。實驗結果表明該模型綜合考慮了影響混凝土強度的各種因素,能夠實現預測結果的隨機性和模糊性,具有更高的預測精度,更快的訓練速度,可以廣泛應用于生產現場實地的混凝土強度預測和質量檢驗。