基于模型与神经网络的绝热毛细管快速仿真方法.pdfVIP

中国工程热物理学会 991017 工程热力学与能；乐利用学术会议 基于模型和神经网络的绝热毛细管快速仿真方法+ 丁国良，张春路，刘浩 (上海交通大学制冷与低温工程研究所，上海200030) 摘要：为实现制冷系统快速仿真，需要简化毛细管分布参数模型。本文采用分相集 中参数的建模息路，将平均比容的权重因子作为两相区简化的特征参数，并获得该特 征参数的无量纲影响参数。采用人工神经网络方法建立特征参数与其影响参数之间的 R600a等多种工质。在常用制冷空调工况范围内，该简化模型与分布参数模型相比， 平均偏差0．3％，计算速度提高1个数量级。 关键词；绝热毛细管，模型，简化，人工神经网络 毛细管是小型制冷装置的常见节流部件，它的模型质量直接影响到制冷系统仿真 效果。分布参数模型n’21虽然有利于保证精度．但计算量和存贮量较大，不能满足系统 仿真的快速性要求。近年来，毛细管模型简化研究有了较大的进展，通过理论分析和 经验方程的结合，获得了一些理论精度较好的毛细管简化模型，但是模型的通用性不 尽一致。作者在文【5l中提出了绝热毛细管的通用积分模型，并在文【6】中进一步简化为 平均参数模型。由于采取了基于线性经验方程的模型简化思路，上述两种简化模型的 通用性较好，但大范围内的模型精度有待进一步提高。如果将线性经验方程改进为非 线性方程，则可望获得高精度的毛细管简化模型，但寻找高精度非线性方程的难度报 大。 对于制冷空调系统仿真中碰到的大量非线性环节的处理，如果单纯从数学模型变 换上做到既精确又通用是非常困难的，因此我们采用了模型与人工智能相结合的方法， 用数学模型保证定性计算上的正确、通用，而将一些难以简化的非线性环节用人工神 经网络来代替。这种思路在系统仿真与部件建模中己得到良好的效果r-91。本文先将模 型简化转化为一个非线性辨识闯题，再通过人工神经网络方法来完成这一非线性辨识， 从而获得高精度的毛细管简化模型。 1数学模型的简化 对绝热毛细管内一维定常绝热流动，可用以下方程描述 一印=G2咖+12』d酊2皿 ‘国家教委回国留学人员基金和上海交通太学科技发展基金资助 Ⅲ一?1 取沿毛细管长度方向的某一控制容积，对式(1)作积分，得 一2，12 A～乜2G H肚 (2) 2(V2一V1)+寺J 式中，A、P2、v1、v2分别是此控制容积的进出口压力和比容。 沿程摩阻系数，沿管程的变化很小，可简化为常数，对不同的流动匡域均可取作 该流动区域的进出口摩阻系数的算术平均值，即 f”dL：必f12。dL (3) ojr 2 oj1 将公式(3)写成平均比容vm的形式，代入公式(2)，得 ’ Pl鸭：G (4) 2(v叫)+笔垃掣‰ Z“ 上 对于过冷区，比容可以作为常数处理。 一 对于两相区，平均比容vTP皿不能简单取为进出口的某类平均值。为了准确计算 v。。，本文将之表示成进、出口比容的加权形式 ’h。=(1一c)％1+c1，口2 (5) 式中，，岷l、vm2是两相区进出口的比容，c是一个待确定的量。 如果能够对于每次计