人工神经网络在空气处理单元换热器建模中的应用.pdfVIP

人工神经网络在空气处理单元换热器建模中的应用 胡钦华 李奎山 (东莞理工学院教务处，东莞 523808) 523106)(东莞理工学院国际交流处，东莞 苏廷弼 董阿妮 (香港城市大学建筑系，香港)(东莞理工学院城市学院，东莞523106) Handler 摘要：本文应用人工神经网络技术对安装在空气处理单元(Air Unit，AHU)中 的换热器建立了静态和动态神经网络模型。该模型的所有预测值基本都在实际测量值的 Rela— 95％～105％之间。实际测量值和神经网络模型预测值之间的平均相对误差(Mean tive Error，MRE)小于2．5％，充分说明模型逼近实际对象的精确性。本文中同时给出了 该神经网络模型的权值和闽值，它可以作为工程上一个很好的参考。本文的实验结果显 示，神经网络，尤其是BP神经网络，可以作为一个很容易的建模工具来获得空气处理单 元中换热器的神经网络模型，同时也很容易应用在类似的热系统中。 关键词：换热器换热率人工神经网络BP算法模型 1简介 人工神经网络目前的研究热点很大程度上源于它能模拟人脑智能，具有自学习能 力。它可以通过学习输入一输出关系对来自学习，而不需要精确的差分方程模型。所 以它们广泛应用于模式识别、函数估计、优化、预测、自动控制、建模和快速信息处理等 很多方面。从这点可以看出，人工神经网络可以学习和预测一个系统的性能。因此神经网 络建模已经成为经典建模方法的一个替代选择，而且经常应用于经典建模方法难于处理的 方面。 换热器是广泛应用于制冷系统和空气处理系统的一种重要设备。它的机理复杂以至于 很难用热力学第一原理来预测它的静态和动态性能。在过去的几年里，Yasar Islamogly 采用神经网络技术建立了换热器的差分模型[1]。YasarIslamogly采用神经网络技术建立 了换热器的稳态模型来预测换热器的换热率，Arturo eta1．[2]研究了利用换 Pacheco—Vega et 热器的神经网络模型来估计换热率的精确性问题，Bechtlera1．E33运用神经网络建立了 et 蒸汽压缩液态热泵的稳态性能模型，Gerardoa1．[4]提出了使用神经网络对换热器进行 动态预测和控制的方案。许多公开刊物上也列出了神经网络在HVAC系统中应用的大量 实例，并且神经网络模型的精确性也得到证实[3]。从上面提到的参考文献中我们可以得出 结论，人工神经网络在工程应用中更有利于热力学分析。几乎所有的神经网络在换热器中 的应用都与制冷有关。神经网络从未应用在空气处理单元换热器的建模中。因此本文重点 347 B建筑智能化与绿色建筑 研究人工神经网络方法在空气处理单元(AHU)中换热器建模上的应用。 由于物理模型需要系统的几何参数，而这些参数在工程上通常都是很难获得的。其他 的建模方法希望在不使用物理或者热力学模型的前提下得到换热器的性能预测。在本文中 提出了一种新的建模方法来预测换热器的性能，它把系统当作黑箱处理而不考虑系统内部 的信息。该模型是神经网络的应用，特别是多层神经网络的实际应用。该研究领域已经成 为一个很有前景的研究领域并且在近几年越来越流行，因为神经网络比其他方