吸收式制冷机组逆神经网络设定优化

摘要：

针对吸收式制冷机组非线性、难以控制的特点,提出了一种基于逆神经网络模型的设定点优化方案.首先,以11.5 kW单效溴化锂吸收式制冷杌组为对象,使用人工神经网络方法建立了机组模型,通过对溴冷机制冷原理的分析,建立了系统结构为5-6-2的网络模型,该神经网络模型的相关系数大于0.99且方均根误差小于0.2％,与实验数据取得了良好的拟合效果;然后,利用该模型对溴冷机的各个输入参数进行灵敏度分析,并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数;最后,以冷冻水输出温度作为系统控制输出,对其进行优化计算,并采用改进的粒子群优化算法与逆神经网络相结合的方法,计算制冷机组的最优控制输入参数.通过实验与仿真分析,可知该算法的计算时间在30 s以内,低于吸收式制冷机组的稳定时间;溴冷机的目标输出与仿真计算结果间的误差小于0.02％,表明该方案可以应用于吸收式制冷机组的在线控制.

关键词：吸收式制冷机、神经网络、粒子群优化、在线评估

所属期刊栏目：52

分类号：TP273;TB651(自动化技术及设备)

资助基金：国家自然科学基金资助项目61403274;天津市智能制造科技重大专项资助项目15ZXZNGX00160

在线出版日期：2018-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-128,142