冷庫冷風(fēng)機(jī)"按需除霜",可有效降低冷庫能耗、提高能源利用率。本文將濕空氣物性參數(shù)、冷風(fēng)機(jī)運(yùn)行時間作為神經(jīng)網(wǎng)絡(luò)輸入變量,建立基于BP算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)結(jié)霜量與除霜時長預(yù)測模型,并利用相關(guān)試驗數(shù)據(jù)進(jìn)行模型訓(xùn)練與測試。結(jié)果表明:結(jié)霜量預(yù)測模型計算值與試驗測量值平均誤差為10.11%,除霜預(yù)測模型計算值與試驗測量值的誤差均小于5%。本文所建立的基于人工神經(jīng)網(wǎng)絡(luò)結(jié)霜量預(yù)測模型與除霜時長預(yù)測模型可較好地預(yù)測冷風(fēng)機(jī)結(jié)霜量與除霜時長,為實際工程應(yīng)用中通過確定除霜起始點和除霜時長實現(xiàn)冷風(fēng)機(jī)"按需除霜"提供了參考價值。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 試驗裝置及方法
    1.1 試驗裝置
    1.2 試驗方法
    1.3 試驗數(shù)據(jù)處理
2 神經(jīng)網(wǎng)絡(luò)建模及性能分析
    2.1 神經(jīng)網(wǎng)絡(luò)除霜控制模型的建立
    2.2 數(shù)據(jù)預(yù)處理
    2.3 隱藏層節(jié)點數(shù)的確定
    2.4 其他參數(shù)
3 結(jié)果分析
    3.1 結(jié)霜量預(yù)測模型的訓(xùn)練結(jié)果
    3.2 除霜時長預(yù)測模型的訓(xùn)練結(jié)果
4 結(jié)論



本文編號：3870619