下载文档原格式
基于多联式空调制冷系统动态仿真探究【摘要】本文建立了基于简化气液两相流体网络的多联式空调制冷系统动态仿真模型，旨在对多联式空调制冷系统动态仿真相关问题进行分析，从而促进多联机空调制冷系统的控制策略和控制算法得以优化。
【关键词】多联机;空调;制冷;动态仿真一、多联式空调制冷系统简介多联式空调制冷系统又被称作多联机，这种系统采用的是变容量调节方式，以适应制冷系统的负荷变化，因此该系统相比于传统的空调系统在节能性以及舒适性上更胜一筹，与此同时，还具有室内机独立控制、灵活性较高、扩展性较好等众多优点，在当前空调制造中的应用比较广泛，当前已经成为各种商用以及住宅建筑使用频率最高的空调系统之一。
但是通过对多联机进行测试可以看出，多联机的运行性能还没有实现最优，造成这一现象的原因有两个，第一，由于系统在设计时，连接的管路比较长、管路之间的高差较大，因此会对系统的性能造成一定的损失。
第二，在对系统进行控制时，由于控制的策略以及控制算法存在问题，因此导致系统的工作与其负载不匹配，导致系统使用过程中的能量损失过大。
随着环境污染以及能源危机逐渐出现，多联机的节能成为一个重要发展方向。
对于多联机的节能，目前是一个热点问题。
由于多联机的结构比较复杂，内部各种参数的耦合性较强，而且系统比较庞大，因此实现多联机的节能是一项复杂且系统的工程，面临的难度较大。
当前机械产品设计发展的趋势是数字化设计，在多联机的研发过程中，开发动态仿真软件以及优化设计平台，具有十分广泛的应用前景。
以动态仿真系统为基础对多联系的控制策略以及控制算法进行研究，是解决多联机的节能问题以及可靠性问题的重要途径。
二、多联式空调制冷系统动态仿真模型研究多联机具有联接样式较多、可扩展性较强的特点，与流体网络的特点一致。
图1 多联机制冷系统机构与网络模型其中，0—9分别表示不同的节点，b0—b12分别表示十三条支路。
支路6～9为高压液体管，里面是不可压缩的液体，支路10～12为低压气体管，为可压缩流体。
浅谈制冷空调仿真系统原理及其应用摘要：随着计算机模拟技术的发展，制冷空调相关工作人员已经开发出了制冷空调的仿真系统，基于计算机技术和虚拟现实技术为基础的制冷空调仿真系统，具有仿真功能全面、检测功能全面等优点，被人们不断的应用。
本文先是阐述了制冷空调仿真系统的原理和特征，然后指出了制冷空调仿真系统的应用方面。
关键词：制冷空调；仿真系统；原理及应用随着科技和社会经济发展水平的进步，人民的生活水平不断提高，制冷和空调技术在人们日常生活和工农业生产中得到越来越广泛的应用，使得社会对制冷和空调设备的安装、调试、维修以及管理人员的需求不断增加，为了加快制冷空调的安装、调试、维修和管理人才的培养，降低传统培训方法中出现的各种问题，制冷空调仿真系统应运而生。
一、制冷空调仿真系统原理及特征。
制冷空调仿真系统是以计算机技术和虚拟现实技术为基础，实现对实际制冷空调系统及其工作状态的计算机模拟仿真，它是一个将计算机虚拟技术应用到制冷空调操作培训的一款仿真应用软件，利用它进行制冷空调系统的学习和培训，可以帮助学生掌握有关理论，提高操作水平，提高学生的学习效果，同时还可以有效降低培训费用，提高培训的可靠和安全程度。
制冷空调仿真系统作为一个培养从事于制冷与空调专业技术学校学生的应用软件，它可以安装在windows2000及以上的操作系统上，分为单机版和网络版两种版本，其中单机版只需在一台微机上进行，其模拟操作过程在一个显示器模拟仿真面板上进行。
制冷系统的内部结构和实际工作流程可以通过三维动画进行演示，经过大量的实践证明，这种教学方式不仅可以有效提高学生的学习效率，还可以大大降低培训费用。
在线运行的制冷空调仿真系统的工作方式则是将教学系统与实际系统相连接，这时，除了操作者的操作面板是采用的仿真系统之外，其他与实际现场操作情况一样，因为操作者可以通过制冷空调仿真系统和真实系统之间的连接来感受近似真实的操作环境，提高自己的操作能力。
制冷空调系统仿真那些事在写这篇文章以前，先简单谈谈我是谁？本人是一名仿真工程师，从事制冷空调系统仿真。
为什么要写这篇文章？主要是闲来无事，来论坛叨叨！说说仿真这些事。
下面以问题的形式谈谈自己的观点，感兴趣的同行可以一起拍砖！（1）什么是仿真，什么模拟那？搞计算的人可能听到这样的问题没什么奇怪的？计算机技术作为理论分析、试验技术的第三种研究手段，也不是什么新东西。
仿真简单理解就是仿造真实，如何去实现那？针对实际物理模型进行数学建模。
在仿真工程师眼中你在实验中使用的说有部件都是一个数学模型，数学模型简单理解就是描述部件物理特性的数学方程（组）。
本人以前读研究生的时候老师就问我，什么是仿真，什么是模拟？两者有什么区别？其实在实际中我们没有必要刻意去区分，应用中两者的英文都是sumulation。
比较起来，总的来说仿真的概念要大于模拟的范畴。
一般情况下，我们通常对CAE、CFD技术进行的数字化设计，称之为模拟；对数学建模过程称之为仿真设计。
（2）什么是系统仿真？系统仿真的过程就是系统部件数学建模的过程。
系统仿真中，个人觉得必须有这样的概念：对于系统中涉及的任意部件建模过程--部件模型=输入+模型+输出，可以这样说：输入是自变量，模型是描述部件物理特性的数学方程组，输出就是因变量。
系统级仿真其实就只将这些描述部件的数学方程组耦合在一起，通过一定的算法求解方式得出系统级的输入和输出的关系。
（3）部件模型仿真在这里面我们必须来说“模型”，针对一个物体描述它所有特性的数学方式有很多，我们可以从详细描述模型物理特性去建立数学模型，这就是我们说的参数化模型。
也可以从描述模型输入和输出参数关系特性的角度去建立一个集中参数模型。
总的来说，不管你选用什么形式的建模方式，你只要保证你的一个输入可以得出一个对应正确的输出就可以了。
至于中间模型采用什么样的数学建模方式，我们可以完全不去理会。
在这里我们必须谈下，通用性模型和专用模型。
多联式空调系统控制计算机仿真研究论⽂多联式空调系统控制计算机仿真研究论⽂ 1基于模型的多联机控制算法优化 多联机控制系统改进的瓶颈是完善模糊控制算法需要⼤量的实验，并且针对特定系统的实验结果对于结构复杂多样的多联机并不具有通⽤性，重复开发⼯作量⼤。
因此，需要开发多联机动态仿真分析平台，在此平台基础上开发复杂扰动和调节因素下多联机动态性能分析技术，通过开发独⽴解耦的控制策略降低控制系统的复杂程度，开发基于MIMO结构的⾃适应控制系统。
采⽤MIMO结构的控制系统可以提⾼控制策略和控制算法的通⽤性，实现多联机系统的`节能运⾏。
在前期多联式空调系统稳态仿真和动态仿真模型开发的基础上，开发出基于系统仿真的多联式空调系统优化与控制优化的设计平台和设计流程，可以进⾏控制策略与控制算法的设计与优化. 2多联机智能控制器的开发与验证 根据上述多联式空调系统智能解耦控制策略的研究与分析，本项⽬开发了多联式空调系统的控制器，并对所开发的多联式空调系统及其控制器进⾏了性能测试。
采⽤了智能⾃适应控制算法的多联机调节响应时间迅速，达到预定⽬标的时间可以控制在2min以内，有助于多联机性能的提⾼。
3结语与展望 多联式空调系统的控制是影响其运⾏能效的关键，针对现有基于实验的多联机控制器开发流程和SISO控制结构的不⾜，本⽂提出了基于计算机仿真的多联机控制器优化设计流程，提出了基于MIMO结构的多联机控制策略和⾃适应控制算法，经过仿真实验表明，所开发的多联机智能控制器能够快速响应并调整系统的控制参数（压缩机转速、膨胀阀开度），使得系统的状态参数（蒸发压⼒、过热度）迅速达到设定⽬标。
上述结果表明，计算机仿真为实现多联式空调系统的控制策略的优化提供了便捷⽽有效的⼯具。
【多联式空调系统控制计算机仿真研究论⽂】相关⽂章：1.2.3.4.5. 6. 7. 8.。
多联式空调制冷系统动态仿真的研究摘要：随着计算机模拟技术的发展，相关工作人员已经开发出了多联式制冷空调的动态仿真系统，本文先是阐述了多联式制冷空调仿真系统的特点，然后讲述了多联式制冷空调数学仿真模型的内容，最后讲解了多联式制冷空调系统动态仿真模型的实验分析与验证。
关键词：多联式空调；制冷系统；动态仿真研究随着科技的进步和社会经济社会发展水平的提高，人民的生活水平不断提高，多联式制冷空调技术在人们日常生活和工农业生产中得到越来越广泛的应用，使得社会对多联式制冷空调设备的安装、调试、维修以及管理人员的需求不断增加，为了加快多联式制冷空调的安装、调试、维修和管理人才的培养，降低传统培训方法中出现的各种问题，多联式制冷空调动态仿真系统应运而生。
一、多联式制冷空调动态仿真系统特点多联式制冷空调仿真系统采用了变量调节以及负荷变化。
相比于传统的空调有明显的节能性、舒适性优势。
也具有使用灵活、可以独立控制、扩展性良好、占用空间小的特点。
多联式制冷空调动态仿真系统是以计算机技术和虚拟现实技术为基础，实现对实际制冷空调系统及其工作状态的计算机模拟仿真，它是一个将计算机虚拟技术应用到制冷空调操作培训的一款仿真应用软件，利用它进行制冷空调系统的学习和培训，可以帮助人们掌握有关理论，提高操作水平，提高制冷系统学习效果。
多联式制冷空调动态仿真系统作为一个制冷式空调的应用软件，它可以安装在windows2000及以上的操作系统上，分为单机版和网络版两个版本，其中单机版只需在一台微机上进行，其模拟操作过程在一个显示器模拟仿真面板上进行。
制冷系统的内部结构和实际工作流程可以通过三维动画进行演示。
压缩机以及膨胀阀利用稳态模型，而对于冷凝器和蒸发器则利用了动态仿真模型。
二、多联式制冷空调数学仿真模型压缩机、冷凝机、膨胀阀、高压储备液体机、蒸发器以及气液分离器是多联式制冷空调系统的关键部分。
压缩机、冷凝机、膨胀阀以及蒸发器作为制冷系统的四大部件，在传统空调动态仿真模型中得到了广泛研究。
下篇第4章框图仿真软件平台Simulink与S-function基础在工程实际中，控制系统的结构往往很复杂，如果不借助专用的系统建模软件，则很难准确地把一个控制系统的复杂模型输入计算机，对其进行进一步的分析与仿真。
1990年，Math Works软件公司为MATLAB提供了新的控制系统模型图输入与仿真工具，并命名为SIMULAB，该工具很快就在控制工程界获得了广泛的认可，使得仿真软件进入了模型化图形组态阶段。
但因其名字与当时比较著名的软件SIMULA类似，所以1992年正式将该软件更名为SIMULINK。
SIMULINK的出现，给控制系统分析与设计带来了福音。
顾名思义，该软件的名称表明了该系统的两个主要功能：Simu（仿真）和Link（连接），即该软件可以利用鼠标在模型窗口上绘制出所需要的控制系统模型，然后利用SIMULINK提供的功能来对系统进行仿真和分析。
第一节 SIMULINK 简介❑SIMULINK 是MATLAB 软件的扩展，它是实现动态系统建模和仿真的一个软件包，它与MATLAB 语言的主要区别在于，其与用户交互接口是基于Windows 的模型化图形输入，其结果是使得用户可以把更多的精力投入到系统模型的构建，而非语言的编程上。
❑所谓模型化图形输入是指SIMULINK 提供了一些按功能分类的基本的系统模块，用户只需要知道这些模块的输入输出及模块的功能，而不必考察模块内部是如何实现的，通过对这些基本模块的调用，再将它们连接起来就可以构成所需要的系统模型（以.mdl 文件进行存取），进而进行仿真与分析。
❑SIMULINK 的最新版本是SIMULINK4.0（包含在MATLAB6.0里），MATLAB5.3里的版本为3.0版，它们的变化不大。
一、什么是SIMULINK2、在MATLAB命令窗口中输入simulink3结果是在桌面上出现一个用图标形式显示的Library :simulink3的Simulink模块库窗口。
制冷仿真与计算制冷技术在现代社会中扮演着重要的角色，它不仅广泛应用于家庭和商业场所的空调系统中，还在工业生产、医疗保健和食品储存等领域发挥着关键作用。
为了确保制冷系统的高效运行和节能优化，制冷仿真与计算成为了一项不可或缺的技术手段。
本文将介绍制冷仿真与计算的概念、应用领域以及相关技术方法。
制冷仿真与计算是利用计算机模拟制冷系统的运行过程，以预测和优化系统的性能。
它通过建立数学模型，考虑制冷系统中的各种物理和热力学过程，从而实现对系统行为的准确描述。
制冷仿真与计算可以帮助工程师们更好地了解制冷系统的运行机理，优化系统设计，提高能源利用效率。
制冷仿真与计算在许多领域中都有广泛的应用。
在空调系统设计中，仿真可以帮助工程师们预测系统在不同工况下的性能表现，包括制冷量、能耗、温度分布等。
这些预测结果可以指导系统的优化设计，提高系统的制冷效果和能源利用率。
在工业制冷领域，仿真可以帮助工程师们评估制冷设备的性能，优化制冷循环，提高生产效率。
此外，仿真还可以应用于食品储存和医疗保健等领域，以确保食品和药品的质量和安全。
制冷仿真与计算的技术方法多种多样，其中最常用的方法之一是计算流体力学（CFD）。
CFD可以通过数值求解流体动力学方程，模拟流体在制冷系统中的流动和传热行为。
通过对流体流动和传热的准确描述，工程师们可以更好地理解系统中的热力学过程，优化系统的设计和操作。
此外，有限元法（FEM）和有限差分法（FDM）等数值方法也广泛应用于制冷仿真与计算中，以解决复杂的热传导和热辐射问题。
在进行制冷仿真与计算时，准确的输入数据和模型参数是非常重要的。
工程师们需要收集和分析系统的物理特性、工作条件和环境参数等信息，以建立准确的数学模型。
此外，对于复杂的制冷系统，工程师们还需要考虑多物理场耦合和多尺度问题，以确保仿真结果的可靠性和准确性。
总之，制冷仿真与计算是一项专业而重要的技术，它在制冷系统设计和优化中发挥着关键作用。
通过利用计算机模拟制冷系统的运行过程，工程师们可以更好地理解系统的性能和行为，优化系统设计，提高能源利用效率。
１８制冷技术２００１年第４期黼藕Ｊ．Ｊ．毛应用手
。｝己｛・｝｛・｝＿｛・｝，：‘
基于模型的制冷空调装置智能仿真
丁国良张春路（上海交通大学制冷与低温工程研究所上海２０００３０）
【摘要】为了能够使仿真技术更好地应用于制冷空凋系统的优化设计，将人工智能引入到制冷系统仿真研究中．构建基于
数学模型与人１二智能技术相结合的制冷系统智能仿真理沦。本文介绍了上海交通大学在此方面的研究成果，提出ｒ今后进一步发展的方向。【关键词】制冷；空调；模型；仿真；人工智能
ＭＯＤＥＬ—ＢＡＳＳＥＤＩＮＴＥＬＬＩＧＥＮＴＳＩＭＵＬＡＴＩＯＮＯＦＲＥＦＲＩＧＥＲＡＴＩＯＮ
ＡＮＤＡＩＲ—ＣＯＮＤＩＴｌＯＮｌＮＧ
ＡＰＰＬｌＡＮＣＥＳ
【Ａｂｓｔｒａｃｔ】ｌｎｏｒｄｅｒｔｏａｐｌ）ｌｙｓｉｍｕｌａｔｉｏｎｔｅｃｈｉｎｑｕｅｔｏｏｐｔｉｍｉｚａｔｉｏｎｏｆｒｅｆｒｉｇｅｒａｔｉｏｎａｎｄａｉｒ—ｃｏｎｄｉｔｉ∞ｉｎｇｓｙｓｔｅｍｂｅｔｔｅｒ。ａｒｔｍｃａｉａｌ
ｉｎｔｅｌＩｉｇｃｎｃｅｉｓｉｎｔｒｏｄｕｃｅｄｔｏｃｏｎｓｔＩ‘ｕｃｔｍｏｄｅｌ—ｂａｓｃｄｉｎｔｅｌｌｉｇｅｎｔｓｉｍｕｌａｔｉｏｎｆｏｒｒｅｆｒｉｇｅｒａｔｉｏｎａｎｄａｉｒ—ｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｆｅｒＴｌ．ＴｈｅａｃｈｉｅｖｃｍｅｎｔｓｉｎＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎＩｖｅｒｓｉｔｙｈａｖｅｂｅｅｎｓｈｏｗｎｉｎｔｈｉｓｐａｐｅｒａｎｄＩｈｅｄｅｖｅｌｏｐｉｎｇｔｒｅｎ（ｉｉｎｔｈｉｓ“ｅｌｄｉｓａｌｓｏｇｉｖｅ．
【Ｋｅｙｗｏｒｄｓ】ｒｅｆｒｉｇｅｒａｔｉｏｎ，Ａｉｒ—ｃｏｎｄｉｔｉｏｎｉｎｇ，Ｍｏｄｅｌ。ｓｉｍｕｌａｔｉｏｎ，ＡｎｉｆｉｃｉａＩｉｎｔｅｌｌｉｇｅｎｃｅ
一、弓Ｉ言用计算机仿真优化设计代替传统的样机反复制作修改，是制冷空调装置设计方法化的必然趋势…。作者在９０年代初建立了一套相对完整的制冷装置的仿真理论，并以冰箱为对象，开发了国内第一套能够实用化的小型制冷装置仿真软件【２Ｊ。在此平台上对于其它类型的制冷空调装置的仿真得到迅速发展，使制冷空调装置的仿真理论得到完善【３Ｊ，作者还为美国开利公司、美国联合技术公司、德国利勃海尔公司、国内的春兰、海尔等著名企业定制了备类制冷空调装置的仿真设计软件。传统的仿真方法虽然取得了良好的效果，但也有令人不满意之处。由于仿真精度与传热系数等很多参数有关。如果这些参数不能准确获得，则会使得仿真结果不够准确。但如果要想对于这些参数作调整，则必须要对软件有很多的了解。这对软件使用者提出了较高的要求，从而影响软件的推广使用。因此我们希望软件具有自学习功能，一旦软件预测的结果与实际有差距，它能自动地找出差距产生的原因，并对软件进行自动调整。为达此目的，我们提出了基于模型的制冷空调装置智能仿真方法，在国家重点基础研究发展规划项目（批准号：Ｇ２００００２６３０９）支持下，经过作者及其研究生们近几年的努力，在这方面已经取得了一定的成绩Ｈ叫Ｊ。现介绍该方法如下。１．结合人工智能模块的压缩机模型压缩机的实际输气量和输入功率是制冷系统计算中的重要参数，一般采用下式计算：Ｖ。。＝Ａ・‰（１）
Ｎ。ｔ＝ｘ・Ｎ啦ｈ矗０∞其中，Ｖ山和Ｎｔｈ分别为压缩机的理论输气量和理论输入功；Ａ是压缩机容积效率，叩。ｌ是压缩机电效率。在传统的压缩机热力模型中，容积效率和电效率的确定都是根据大量实验数据进行经验拟合，但是拟合的效果有时不够理想，而且适用范围较小。我们将容积效率和电效率的计算归结为人工神经网络，对于滚动转子式压缩机的输入功率作仿真计算，计算效果非常好‘６｜。在人工智能模块的选用上，也可以采用模糊逻辑等技术。、我们用复合模糊模型、单纯模糊模型对于一个汽车空调用的可变转速压缩机以及房间空调器用的滚动转子式压缩机进行计算，结果表明学习样本的典型性对于模型的精度和泛化能力非常重要，与理论模型相结合，可提高模糊模型的学习效率［７］。２．结合人工智能模块的毛细管模型对绝热毛细管内一维定常绝热流动，视沿程摩阻
万方数据２００１年第４期制冷技术１９
系数厂沿管程的变化很小，不同的流动区域均可取作该流动区域的进出口摩阻系数的算术平均值，可以得到如下方程Ｐｌ＿即Ｇ２（旷¨＋等蛆监尝型‰（３）Ｐｌ、Ｐ２、口Ｉ、口２分别是此控制容积的进出口压力和比容，口。。为平均比容。对于过冷区，比容可以作为常数处理。对于两相区，平均比容ｕＴＰ．ｎ、表示成进、出口比容的加权形式。砂ＴＰ．ｍ＝（１一ｃ）ｕＴｐ．１＋ｆｕＴＰ．２（４）式中，口ＴＰ。。、ｕＴＰ．２是两相区进出口的比容，ｃ是一个待确定的量。如图１所示。ｐ。、户２是两相区进出口压力，臼ｌ、秒２是两相区进出口比容，ｚＴＰ、ｄｊ是毛细管两相区的长度和直径。训练人工神经网络所需的学习样本和检验样本由分布参数模型给出。以后毛细管计算时，则根据该网络求平均比容，并进而快速求出毛细管的其它参数。采用该种方法，计算速度上比分布参数模型快了一个数量级，除个别点外，精度没有明显的差异旧Ｊ。弧｛ｐ、ｖ１／ｖ２１００西／ｂＣ图１毛细雷的人上神经ｌ嘲络结构不恿图３．结合人工智能模型的换热器模型结合人工神经网络的换热器模型可分为两大部分：一部分为基本模型，反映换热器工作机理；另一部分为神经网络，用于自适应地补偿基本模型与实验数据之间的差距。基本模型保证通用性，可采用适当简化的模型，以使计算简易；神经网络通过对少量实验数据的学习，可提高模型与实际物理过程的吻合程度。下面将以空调器中广泛应用的翅片管式冷凝器与蒸发器为例加以说明。（１）模型结合方式图２所示为复合型换热器模型中神经网络与换热器基本模型的结合方式。
幽２神经Ｉ“Ｊ络０换热器基本模型结合示意图对于翅片管式换热器，可以将管内制冷剂的流动与外侧空气的流动均作为一维均相流动处理。修正参数和工况、结构参数有关，采用多层前向神经网络来辩识这种非线性关系。利用少量实验数据样本训练人工神经网络，可以建立起修正参数与可能变化的工况、结构参数之间的非线性映射关系。神经网络包含输入层、输出层和一个隐层。输出层的神经元个数，对应修正参数的个数。输入层神经元个数由输入参数的个数决定。原则选取的空调用翅片管式换热器输入参数如表１所示。表１换热器神经网络输人参数
变量定义说明
Ｒｅ“。ｄ。／ｕ空气侧雷诺数，“。为最窄面风
速，ｖ为空气进口动力精度，ｄ。为换热管外径。
Ｓａｓ㈨ｎｓ为翅片间距。ｌ，ｄｆｆ／ｄｏｚ，为沿空气流动方向的翅片长度Ｔ。（Ｔｆ—Ｔ。，）／Ｔ。，丁，为冷凝或蒸发温度，丁。。为空
气入口干球温度。
ｍ”＇ｎ
Ｔ｝１ｎ＆
％为制冷剂流量，棚。为空气流量
Ｄｉｖｎｕｍ分路数
（２）凝冷器模型为改进模型精度，将导致模型与实验值不一致的原因包容在总的换热系数Ｕ内。修正后的总换热系数Ｕ可以表示为Ｕ７＝是Ｌ，（５）式中，Ｕ为基本模型中的总换热系数，是为总换热系数的修正系数。
表２冷凝器基本模型与组合模型的计算效果基本模型组合模型换热量误差（％）过冷度误差（℃）换热量误差（％）过冷度误差（℃）最大值平均值最大值平均值最大值平均值最大值平均值１１．８４２．３６６．１４２．１７２．１５０．７７３．０９１．１３
万方数据２０制冷技术２００１年第４期是和工况、结构参数的关系用多层前向神经网络辨识，该网络输出层只有一个神经元，对应修正系数是，另有６个输入神经元（对应表１）、４个隐层神经元。对于实验用冷凝器的５８组实验数据，取其中２６组数据作为学习样本。神经网络学习的收敛精度为０．０１２。表２列出基本模型与组合模型的计算效果。（３）蒸发器模型对蒸发器，由于同时存在加速压降和摩阻压降，整个流程的压降较大，另外空气侧的析湿对蒸发器的换热影响很大，因此在蒸发器组合模型中，不能象冷凝器一样只选用一个修正参数，而选用３个修正量是。、是，、足，，分别修正制冷剂侧换热系数口，，析湿系数ｅ，和制冷剂侧压降ｃ炉。修正后的制冷剂侧换热系数口，’，可以表示为口，７＝是ｌ口，（６）对空气侧同样进行是。倍的修正。修正后的析湿系数手７可以表示为ｅ７＝是２｛（７）修正后的制冷剂侧压降ｄＰ’可以表示为卯’＝是３卯（８）是ｌ、是２、是，和工况、结构参数有关，采用多层前向神经网络来辨识这种非线性关系。神经网络结构定为：６个输入神经元（对应表１）、６个隐层神经元和３个输出层神经元（对应足ｌ、是２、是３）。利用复合型模型计算９１组蒸发器实验数据，结果如下。由于蒸发器比冷凝器复杂，因此在精度上有所下降，但仍有良好的效果。表３蒸发器组合模型的计算效果制冷剂侧换热量误差（％）过热度误差（℃）最大值平均值最大值平均值１０．５１．２９．７３．５４．系统仿真系统层次的偏差纠正，首先需要通过分析，确定～组需要关心精度的输出参数（如制冷量，蒸发压力，冷凝压力，ＣＯｐ），在此称为特征参数，还要确定一组对于特征参数有重要影响，而且在部件中又无法准确得到的修正因子。其次，根据特征参数计算结果与实验值的偏差，通过调整这些参数，以提高精度。由于改变修正因子中的任何一个，均会引起所有计算结果的相应变化和整个制冷系统状态的偏移，因此用人工进行调节，难以取得较好效果。比较好的方法是将所有修正因子作为一个向量，采用神经网络在整个系统特性空间中进行辨识和寻优。比较实用的两种神经网络辨识方法为直接调整和偏差调整法。每种方法都分为两步：神经网络的学习和修正因子的调整计算。下面介绍直接调整法。图２是直接调整法的基本原理。其中，卢。为修正因子向量，卢。为经神经网络调整后的修正因子向量；ｙ，ｙＮ分别为实际系统的实验样本和对应的仿真值。神经网络的学习方式如图２（ａ）所示：任意取一修正因子∥ｏ，计算出该修正因子所决定的参数，并将其作为仿真模型的已知参数，仿真计算出相对应的一组参数ｙＮ，作为神经网络的一组学习样本；再随机改变修正因子，同样可得出另一组参数，经仿真模型计算出新的学习样本，……，如此循环反复，可以得到若干组随机给出的参数修正因子及其相对应的参数结果，这些参数修正因子和仿真结果构成了一个反映系统特性的数据库。以该数据库内的结果作为神经网络的输入，以相应的结果参数作为神经网络即可用于实际系统仿真模型的构建（图２（ｂ））：根据已有的实际系统特征参数样本ｙ，由神经网络辨识出相应的修正因子。辨识出的定量参数即可作为该实际系统的固有特性，直接用于对该系统的仿真计算，而不再需要神经网络的学习过程，仿真计算速度仍取决于系统数据模型的复杂程度。
（ａ）神经网络的学习方式（ｂ）定量参数的调整计算图２直接调整法的基本原理如果要考虑动态过程，则需要计入冷凝器时间常定义开机过渡过程制冷剂压力的稳定时间ｒ：数和蒸发器时间常数的影响。｛ｒｒ＝ｆ，，ｉｆｆ≥￡，，ＩＰｆ—ＰｏＩ≤△Ｐ｝（９）
万方数据
