隨著國家和社會的快速發(fā)展,國家對食品藥品的質(zhì)量和數(shù)量的要求日漸提高,人們對冷藏運輸和冷庫倉儲的需求量也與日俱增。然而環(huán)境的污染以及自然資源的枯竭限制著冷藏運輸行業(yè)的發(fā)展。近幾年國家創(chuàng)新性的提出了以電力為主要能源的新能源的概念,以電力為核心能源的電動汽車,電動冷藏車正在成為一種趨勢。在電動冷藏系統(tǒng)中,如何在保證冷藏效果,保證精確快速的溫度控制的同時減少不必要的能量消耗成為一個重要的研究方向。本文對冷藏車的系統(tǒng)能耗模型與冷藏溫度模型進行分析與研究,具體工作內(nèi)容如下:（1）針對于冷藏車運行過程中能耗浪費和溫度控制不及時導致的問題,分析研究冷藏車的結(jié)構(gòu),冷藏車溫度控制的主要方式。對冷藏車在應用過程中的溫度控制不及時和不準確所導致的運輸成本增加的問題,冷藏空調(diào)運行參數(shù)設置隨意性,不合理性導致的能耗浪費問題進行分析研究。綜合冷藏車空調(diào)節(jié)能的研究現(xiàn)狀,對冷藏制冷環(huán)境的運行機制,工作原理進行分析。根據(jù)冷藏車空調(diào)的制冷原理和功耗與制冷量關(guān)系建冷藏車控制模型和冷藏車空調(diào)的能耗模型。（2）基于冷藏車車廂內(nèi)外的熱交換平衡,建立冷藏車溫度變化模型。根據(jù)冷藏車空調(diào)能耗影響因素,結(jié)合相關(guān)參考文獻,建立空調(diào)的制冷量和... 

【文章來源】：武漢理工大學湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

冷藏車廂Simulink總體模塊

20代種群中適應度最大的適應度值;步驟5:當適應度值無明顯變化或者種群達到最大優(yōu)化代數(shù)時就停止優(yōu)化并進入步驟6；否則返回步驟3；步驟6:將得到的最佳染色體解碼得到最優(yōu)權(quán)值，閾值，賦給BP神經(jīng)網(wǎng)絡得到最優(yōu)訓練模型；該網(wǎng)絡的結(jié)構(gòu)參數(shù)為5層輸入層，10層隱含層，2層輸出層，并將學習率設置成0.01，最大步數(shù)設置成100，學習目標設置成0.1。2.5仿真結(jié)果根據(jù)上述所建立的冷藏車廂熱交換模型可以確定車廂內(nèi)溫度變化和空調(diào)制冷量，車廂體內(nèi)外溫差和車廂內(nèi)風速與車廂制冷溫度的關(guān)系；冷藏空調(diào)功耗和制冷換熱的數(shù)學模型可知風機轉(zhuǎn)速與冷凝蒸發(fā)溫度以及功耗之間的關(guān)系。并采用Matlab和Simulink對數(shù)學模型進行仿真實驗，從而確定系統(tǒng)模型的合理性。仿真實驗中設置室外環(huán)境溫度；設定目標溫度為-20；設定車輛行駛速度40km/h；空調(diào)制冷量設置1800；仿真時在開始階段加入一定干擾來模擬操作熱量。仿真結(jié)果如下：0500100015002000250030003500-20-10010203040時間s圖2-4冷藏車廂降溫溫度曲線(橫坐標：時間S�？v坐標溫度)由以上結(jié)果分析可知，在給定的空調(diào)制冷量的條件下，圖2-4圖顯示橫坐標時間，縱坐標為溫度值。降溫速度由快到慢。由車廂熱平衡方程可知，該降溫曲

21線屬于關(guān)于溫差和制冷量等參數(shù)的微分方程。隨著溫度的下降，車內(nèi)外溫差擴大，與車車廂外的熱交換更加劇烈，使制冷降溫速度變慢。圖2-4是仿真數(shù)據(jù)與實驗測試數(shù)據(jù)點對比，由結(jié)果得到，實際測試數(shù)據(jù)點與仿真曲線大概由10%的誤差，這是由于實際測試環(huán)境與設定的理想條件存在差距，但整體趨勢一致，可知仿真模型合理可用；對壓縮機的AHRI15系數(shù)學模型擬合曲線如下：(a)(b)圖2-5壓縮機轉(zhuǎn)速與(a)壓縮機制冷量(b)系統(tǒng)功耗曲線由圖2-5(a)(b)可知，在不考慮壓縮機驅(qū)動器發(fā)熱的情況下，變頻壓縮機功耗

【參考文獻】：
期刊論文
[1]基于改進粒子群算法作業(yè)車間調(diào)度問題的優(yōu)化[J]. 劉洪銘,曾鴻雁,周偉,王濤.  山東大學學報(工學版). 2019(01)
[2]新型飛蛾火焰優(yōu)化算法的研究[J]. 田鴻,陳國彬,劉超.  計算機工程與應用. 2019(16)
[3]變論域自適應模糊PID控制系統(tǒng)仿真與應用[J]. 冀常鵬,孫巍.  測控技術(shù). 2018(10)
[4]車載溫控系統(tǒng)多溫區(qū)熱力學模型和仿真研究[J]. 袁陽,黃勇,張彬彬.  內(nèi)燃機與配件. 2018(19)
[5]套管連續(xù)流低溫恒溫系統(tǒng)的設計與性能實驗研究[J]. 孫長利,苗典遠,初德軍,劉立強.  低溫工程. 2018(03)
[6]采用改進CPSO動態(tài)搜索時頻原子的電能質(zhì)量擾動信號去噪方法[J]. 王文飛,周雒維,李紹令,盧偉國.  電網(wǎng)技術(shù). 2018(12)
[7]基于混合遺傳算法的中央空調(diào)空調(diào)水系統(tǒng)控制方法[J]. 王偉,蘇雙.  電子測試. 2017(15)
[8]R404A直接接觸凝結(jié)制冷循環(huán)的性能分析[J]. 寧靜紅,諸凱,劉圣春.  低溫工程. 2017(03)
[9]空間用4 K溫區(qū)預冷型JT制冷機研究進展及關(guān)鍵技術(shù)分析[J]. 劉東立,申運偉,甘智華.  低溫工程. 2017(02)
[10]基于變換函數(shù)與填充函數(shù)的模糊粒子群優(yōu)化算法[J]. 呂柏權(quán),張靜靜,李占培,劉廷章.  自動化學報. 2018(01)

博士論文
[1]純電動客車變頻熱泵空調(diào)系統(tǒng)及其優(yōu)化控制研究[D]. 彭慶紅.華南理工大學 2017
[2]易腐食品冷藏運輸溫度調(diào)控及優(yōu)化研究[D]. 李錦.中南大學 2013

碩士論文
[1]粒子群算法改進及其應用研究[D]. 秦媛.南京郵電大學 2018
[2]混合動力電動汽車制動能量回收分析及策略研究[D]. 李學凱.大連理工大學 2018
[3]基于混沌粒子群算法的直流調(diào)制控制器參數(shù)優(yōu)化研究[D]. 薛文.蘭州交通大學 2018
[4]汽車空調(diào)控制系統(tǒng)優(yōu)化及試驗研究[D]. 宋洪健.浙江大學 2018
[5]粒子群算法的改進及其在CRH3型動車組結(jié)構(gòu)優(yōu)化的應用研究[D]. 王嬋.北京交通大學 2018
[6]易腐食品冷藏運輸安全管理及對策研究[D]. 鐘賢.大連海事大學 2017
[7]電動轎車自動空調(diào)控制模式研究[D]. 李俊芳.吉林大學 2017
[8]汽車空調(diào)系統(tǒng)仿真優(yōu)化及舒適性研究[D]. 張楠.山東大學 2017
[9]基于遺傳算法優(yōu)化的水下機器人路徑跟蹤模糊控制技術(shù)研究[D]. 張磊.浙江大學 2017
[10]基于神經(jīng)網(wǎng)絡的空調(diào)系統(tǒng)節(jié)能控制研究[D]. 王春香.哈爾濱工業(yè)大學 2015



本文編號：3636703