小型變頻空調(diào)系統(tǒng)動(dòng)態(tài)特性及控制策略研究.pdf

1、建立了完整的小型空調(diào)系統(tǒng)的動(dòng)態(tài)仿真模型。以穩(wěn)態(tài)集中參數(shù)法建立了壓縮機(jī)模型；以分區(qū)集中參數(shù)法建立了蒸發(fā)器和冷凝器模型，并在模型中考慮了蒸發(fā)器管內(nèi)流型及換熱系數(shù)的變化；以穩(wěn)態(tài)集中參數(shù)法建立了電子膨脹閥模型。 將Origin自定義函數(shù)擬合方法應(yīng)用到制冷劑熱力性質(zhì)計(jì)算中。對(duì)R22替代工質(zhì)R410A和R07C的熱力性質(zhì)進(jìn)行簡(jiǎn)化計(jì)算。計(jì)算以Cleland簡(jiǎn)化模型為基礎(chǔ)，采用顯式擬合方法對(duì)R410A和R407C熱力性質(zhì)進(jìn)行擬合計(jì)算，將計(jì)算結(jié)果

2、和數(shù)據(jù)源進(jìn)行比較，誤差控制在允許范圍內(nèi)。通過(guò)對(duì)替代工質(zhì)R410A和R407C的熱力性質(zhì)擬合結(jié)果的誤差分析，證明了選用的模型和擬合方法的準(zhǔn)確性，為以后研究新工質(zhì)熱力性質(zhì)提供了新的思路。 針對(duì)以前模型中存在的問(wèn)題，建立以毛細(xì)管流動(dòng)特性仿真為目的的毛細(xì)管流動(dòng)數(shù)學(xué)模型，模型以Stocker's模型為基礎(chǔ)，考慮入口漸縮、過(guò)冷和旋轉(zhuǎn)直徑對(duì)流動(dòng)的影響。模型不僅可以用于R22，還可以應(yīng)用于替代工質(zhì)R410A和R407C。根據(jù)所建模型，利用C語(yǔ)言

3、編寫(xiě)計(jì)算機(jī)程序?qū)^熱毛細(xì)管內(nèi)的流體流動(dòng)進(jìn)行模擬計(jì)算。模型中考慮了不同摩擦系數(shù)公式和粘度公式對(duì)計(jì)算結(jié)果的影響，在實(shí)際計(jì)算中，需要根據(jù)最優(yōu)的計(jì)算結(jié)果進(jìn)行摩擦系數(shù)公式和兩相粘度公式的選擇。從數(shù)值角度分析，這種選優(yōu)的做法實(shí)際上是通過(guò)摩擦系數(shù)公式和兩相粘度公式對(duì)毛細(xì)管模型的計(jì)算誤差進(jìn)行修正。 在毛細(xì)管質(zhì)量流量的仿真計(jì)算過(guò)程中，改變以往通過(guò)增加步長(zhǎng)從而增加工質(zhì)流量的算法，采用迭代算法進(jìn)行計(jì)算，將弦截法編程計(jì)算方程的根的方法引入到毛細(xì)管流量計(jì)

4、算的程序中，由于誤差限ε改變及時(shí)和收斂計(jì)算方向確定，提高了模型仿真計(jì)算的精度和速度。仿真結(jié)果與實(shí)驗(yàn)數(shù)據(jù)的吻合驗(yàn)證了算法的準(zhǔn)確性。 對(duì)蒸發(fā)器過(guò)熱度控制進(jìn)行了PID、模糊控制和神經(jīng)網(wǎng)絡(luò)控制研究。針對(duì)目前PID控制中存在的問(wèn)題，提出一種在線調(diào)整比例、積分和微分參數(shù)的智能PID控制。通過(guò)在線參數(shù)調(diào)整，構(gòu)成一個(gè)模擬人的控制行為的、變速的、非線性智能PID調(diào)節(jié)器。在模糊控制設(shè)計(jì)中，選用高斯函數(shù)作為隸屬函數(shù)；對(duì)模糊因子采用自尋優(yōu)方法進(jìn)行優(yōu)化，

5、優(yōu)化時(shí)的性能檢驗(yàn)指標(biāo)為誤差絕對(duì)值積分時(shí)間性能指標(biāo)ITAE最??；利用遺傳算法對(duì)模糊控制器的模糊控制規(guī)則表進(jìn)行優(yōu)化，減少了無(wú)用的控制規(guī)則對(duì)控制系統(tǒng)性能不利影響。 給出了一種模糊神經(jīng)網(wǎng)絡(luò)控制器的遺傳算法設(shè)計(jì)方法，將智能控制的三個(gè)主要方法(模糊控制、神經(jīng)網(wǎng)絡(luò)和遺傳算法)有機(jī)結(jié)合起來(lái)?？刂葡到y(tǒng)采用模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其中模糊神經(jīng)網(wǎng)絡(luò)控制器采用五層簡(jiǎn)化的FNNC結(jié)構(gòu)，模糊神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)化主要通過(guò)兩種方法，一是基于遺傳算法的離線優(yōu)化，一是基

6、于BP算法的在線優(yōu)化。在離線優(yōu)化階段FNNC結(jié)構(gòu)和參數(shù)的優(yōu)化是通過(guò)對(duì)控制過(guò)程的模擬，利用遺傳算法優(yōu)化。因此無(wú)需事先提供控制規(guī)則，減少了因?yàn)楸豢貙?duì)象辨識(shí)模型不準(zhǔn)確帶來(lái)的影響；在線優(yōu)化階段，利用實(shí)際的運(yùn)行參數(shù)，進(jìn)一步優(yōu)化控制規(guī)則，提高了系統(tǒng)的自適應(yīng)能力。利用遺傳算法的全局尋優(yōu)的特點(diǎn)，克服了基于。BP算法的模糊神經(jīng)網(wǎng)絡(luò)經(jīng)常陷入局部最優(yōu)解的困境，發(fā)揮各自的長(zhǎng)處，仿真結(jié)果證明了模糊神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)越性。通過(guò)對(duì)比分析可以看出基于神經(jīng)網(wǎng)絡(luò)的智能控制