基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測(cè)模型——分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對(duì)廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測(cè)，發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的均方根誤差和平均相對(duì)誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64％...

分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對(duì)廣州市一棟辦公樓和一棟圖書館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測(cè),發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的均方根誤差和平均相對(duì)誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64%左右.仿真結(jié)果表明,rbf神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測(cè)精度及更好的泛化能力,是建筑空調(diào)負(fù)荷預(yù)測(cè)的一種有效方法.在此基礎(chǔ)上,構(gòu)建了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷智能預(yù)測(cè)軟件系統(tǒng).

基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測(cè)模型——在簡(jiǎn)單介紹變風(fēng)量空調(diào)(vav)系統(tǒng)的基礎(chǔ)上，通過多元線性回歸原理建立機(jī)組部分的靜態(tài)模型，并對(duì)靜態(tài)模型進(jìn)行驗(yàn)證；最后用最小二乘法建立動(dòng)態(tài)模型。

論述并分析比較了目前國(guó)內(nèi)外在中央空調(diào)冷熱量收費(fèi)方面的常用方法,根據(jù)冷熱量直接計(jì)量法原理、設(shè)計(jì)測(cè)量方法,研制了冷熱量測(cè)試的單板機(jī)和微機(jī)系統(tǒng),并通過實(shí)驗(yàn)驗(yàn)證,測(cè)試系統(tǒng)工作可靠、準(zhǔn)確,測(cè)試10min內(nèi)累計(jì)誤差小于1%。

將rbf神經(jīng)網(wǎng)絡(luò)引入pid控制中,建立了一個(gè)三層神經(jīng)網(wǎng)絡(luò)模型。通過rbf神經(jīng)網(wǎng)絡(luò)的在線辨識(shí)對(duì)pid控制的三個(gè)參數(shù)進(jìn)行在線調(diào)整,從而改善系統(tǒng)的控制效果。仿真結(jié)果表明:基于rbf神經(jīng)網(wǎng)絡(luò)的pid控制與傳統(tǒng)pid控制相比,具有較強(qiáng)的魯棒性和自適應(yīng)能力,控制精度高,效果好,安全可靠。

蓄熱空調(diào) 上海廣安工程應(yīng)用技術(shù)研究所程志華 一 、 緒論 蓄熱空調(diào)在國(guó)民經(jīng)濟(jì)中的意義 隨著改革開放的深入發(fā)展 , 人民生活水平 的日益提高和外國(guó)友人交往增多等 , 人們對(duì)環(huán) 境氣溫的要求提出了更高的標(biāo)準(zhǔn) 。 用扇子納涼 的時(shí)代早已過去 , 空調(diào)設(shè)備已進(jìn)入了千家萬 戶 , 賓館 、 大廈 、 公寓 、 商場(chǎng) 、 企業(yè) 、 機(jī)關(guān)等都裝 上了中央空調(diào) 。 根據(jù)我們的統(tǒng)計(jì) , 新建的大廈用電量 以上是用于中央空調(diào) , 可見在這種設(shè)備上 考慮如何合理用電 , 計(jì)劃用電是非常必要的 。 因此 , 我們多年來開始這方面的研究工作 , 認(rèn) 為蓄熱空調(diào)是做好計(jì)劃用電 , 調(diào)荷避峰的一個(gè) 很好的方法 , 也是落實(shí)電力部提出 “ 分時(shí)電價(jià) ” 的一個(gè)有力措施 。 如果全國(guó)推廣使用蓄熱空 調(diào) , 可以為國(guó)家節(jié)約幾億元資金—這些資金 是為了解決電廠為調(diào)節(jié)

本文根據(jù)pmv指標(biāo)及列車隔熱壁熱平衡方程,討論了空調(diào)客車車內(nèi)設(shè)定溫度與平均輻射溫度、外氣溫度的熱舒適關(guān)系,從而合理地確定隔熱壁得熱量;以及列車行駛速度對(duì)隔熱壁得熱量的影響

闡述了太空艙外光纜連接器的應(yīng)用環(huán)境及相關(guān)性能，并對(duì)連接器的耐輻射總劑量、工作溫度和空氣泄漏率等性能指標(biāo)進(jìn)行了分析，提出太空艙外光纜連接器的理論結(jié)構(gòu)以及外殼材料設(shè)計(jì)、外殼厚度優(yōu)化設(shè)計(jì)、密封材料優(yōu)化選擇和氣密性組合設(shè)計(jì)等具有針對(duì)性的解決方案。

介紹了熱量計(jì)量技術(shù)的發(fā)展現(xiàn)狀。闡述了基于低功耗msp430f147的智能網(wǎng)絡(luò)熱量表的內(nèi)部硬件結(jié)構(gòu)以及關(guān)鍵參數(shù)的測(cè)量和計(jì)算方法,軟件的設(shè)計(jì)思想和組成,編寫了主程序,以及集中器的的硬件構(gòu)成。設(shè)計(jì)了一種遠(yuǎn)程計(jì)量小區(qū)用戶耗熱的智能熱量表,各個(gè)智能熱量表聯(lián)成一個(gè)計(jì)算機(jī)動(dòng)態(tài)監(jiān)控網(wǎng)絡(luò),監(jiān)控中心通過動(dòng)態(tài)監(jiān)控網(wǎng)絡(luò)所傳輸?shù)膶?shí)時(shí)數(shù)據(jù)對(duì)智能網(wǎng)絡(luò)熱量表進(jìn)行實(shí)時(shí)監(jiān)控。

相位測(cè)量輪廓術(shù)(pmp)是目前眾多光學(xué)三維測(cè)量方法中比較成熟可靠的一種,其系統(tǒng)標(biāo)定包括z和(x,y)坐標(biāo)標(biāo)定。在借鑒傳統(tǒng)標(biāo)定方法優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了一種基于bp和rbf神經(jīng)網(wǎng)絡(luò)結(jié)合的pmp系統(tǒng)面內(nèi)標(biāo)定新方法,該方法將黑白棋盤圖案在有效視場(chǎng)內(nèi)沿世界坐標(biāo)系z(mì)軸多次放置,獲取數(shù)據(jù)樣本。在bp網(wǎng)絡(luò)對(duì)數(shù)據(jù)樣本進(jìn)行訓(xùn)練和仿真后,利用rbf網(wǎng)絡(luò)對(duì)誤差數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試。實(shí)驗(yàn)中,bp網(wǎng)絡(luò)訓(xùn)練步數(shù)僅為21步,rbf網(wǎng)絡(luò)測(cè)試樣本的平均距離誤差僅為0.008mm,此方法具有較高的標(biāo)定效率和標(biāo)定精度。

分析空調(diào)器非穩(wěn)態(tài)制熱量測(cè)量的特點(diǎn)和常規(guī)焓差法在非穩(wěn)態(tài)制熱量測(cè)量方面的欠缺。提出一種基于焓差法的改進(jìn)型空調(diào)器非穩(wěn)態(tài)制熱量測(cè)量方法,即前置式測(cè)量空調(diào)器出風(fēng)溫度的方法,并對(duì)這種方法進(jìn)行試驗(yàn)驗(yàn)證。結(jié)果表明,這種方法能夠有效排除出風(fēng)與受風(fēng)室之間非穩(wěn)態(tài)換熱量對(duì)測(cè)量結(jié)果的影響,提高測(cè)試精度。

空調(diào)是目前家庭普及率最高的商品之一,嚴(yán)熱的夏日給人們送來習(xí)習(xí)涼風(fēng);然而在北方,冬季漫長(zhǎng),大部分時(shí)間都在-15℃以下,利用空調(diào)取暖,室外熱交換器會(huì)嚴(yán)重結(jié)霜,無法吸收空氣中的熱量,達(dá)不到室內(nèi)取暖的目的;利用燃?xì)馊紵懦鰺崃?來為空調(diào)進(jìn)行輔助加熱,具有節(jié)能顯著,熱負(fù)荷大,升溫速度的特點(diǎn),試驗(yàn)證明:空調(diào)電熱取暖的單位費(fèi)用是燃熱取暖器的2.5倍;而且,燃熱負(fù)荷可以達(dá)到20kw以上,是電熱的數(shù)倍;這明顯的節(jié)能效果和快速升溫的特點(diǎn),倍受空調(diào)界的重視,而且發(fā)展很快。

提出了一種減聚類徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的紡織空調(diào)送風(fēng)風(fēng)機(jī)故障診斷方法。在rbf網(wǎng)絡(luò)中采用了一種減聚類的學(xué)習(xí)算法來確定徑向基函數(shù)的相應(yīng)參數(shù),使網(wǎng)絡(luò)結(jié)構(gòu)得到優(yōu)化。試驗(yàn)結(jié)果顯示,該方法可以有效提高故障診斷的精度和效率。

空調(diào)是目前家庭普及率最高的商品之一，嚴(yán)熱的夏日給人們送來習(xí)習(xí)涼風(fēng)然。而在北方，冬季漫長(zhǎng)，大部分時(shí)間都在-15℃以下，利用空調(diào)取暖，室外熱交換器會(huì)嚴(yán)重結(jié)霜，無法吸收空氣中的熱量，達(dá)不到室內(nèi)取暖的目的；利用燃?xì)馊紵懦鰺釒?，來為空調(diào)進(jìn)行輔助加熱，具有節(jié)能顯著，熱負(fù)荷大，升溫速度的特點(diǎn)。試驗(yàn)證明：空調(diào)電熱取暖的單位費(fèi)用是燃熱取暖器的25倍；而且，燃熱負(fù)荷可以達(dá)到20kw以上，是電熱的數(shù)倍；這明顯的節(jié)能效果和快速升溫的特點(diǎn)，倍受空調(diào)界的重視，而且發(fā)展很快。

介紹了日本政府部門對(duì)蓄熱空調(diào)在稅收、金融、電價(jià)等方面的鼓勵(lì)政策，日本蓄熱空調(diào)的發(fā)展簡(jiǎn)況，１９９７年在東京舉行的蓄熱空調(diào)展覽會(huì)以及當(dāng)前的研究動(dòng)態(tài)。

分析了對(duì)工程造價(jià)有重要影響的眾多因素,參考國(guó)內(nèi)外專家、學(xué)者的研究成果,確定了影響工程造價(jià)的18個(gè)主要因素,并基于rbf神經(jīng)網(wǎng)絡(luò)建立了工程造價(jià)決策模型。本文利用rbf神經(jīng)網(wǎng)絡(luò)快速、準(zhǔn)確的函數(shù)逼近能力,為工程造價(jià)決策提供了一種新的方法。

負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對(duì)于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測(cè)中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測(cè)方法,對(duì)存在的問題進(jìn)行了分析,并對(duì)未來的發(fā)展進(jìn)行了展望。

本文對(duì)房間空調(diào)器熱泵實(shí)際使用狀態(tài)與額定狀態(tài)的差異進(jìn)行了分析,提出了增強(qiáng)熱泵制熱效果的方案。

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷實(shí)時(shí)預(yù)測(cè)模型——文章針對(duì)暖通空調(diào)系統(tǒng)優(yōu)化和預(yù)測(cè)控制，研究了利用神經(jīng)網(wǎng)絡(luò)進(jìn)行空調(diào)負(fù)荷預(yù)測(cè)的方法。

空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動(dòng)態(tài)性,因而傳統(tǒng)方法的預(yù)測(cè)精度不高。而動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動(dòng)、更直接地反映系統(tǒng)的動(dòng)態(tài)特性。針對(duì)這個(gè)特點(diǎn),建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)模型,并進(jìn)行了實(shí)例預(yù)測(cè)。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實(shí)驗(yàn)證明了elman神經(jīng)網(wǎng)絡(luò)具有動(dòng)態(tài)特性好、逼近速度快、精度高等特點(diǎn),說明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測(cè)方法。

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測(cè)——通過分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測(cè)rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行比較．測(cè)試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對(duì)砂土液化進(jìn)行預(yù)測(cè)，預(yù)測(cè)效果好，識(shí)別精度高．

針對(duì)目前混凝土強(qiáng)度預(yù)測(cè)中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測(cè)模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測(cè)結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測(cè)精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場(chǎng)實(shí)地的混凝土強(qiáng)度預(yù)測(cè)和質(zhì)量檢驗(yàn)。