神经网络模型在制冷剂物性参数计算中的应用_赵海波.pdf

第6卷第4期制冷与空调2006年8月REFRIGERATIONANDAIR-CONDITIONING56-59神经网络模型在制冷剂物性参数计算中的应用赵海波杨昭吴坤(天津大学)摘要介绍采用BP,RBF和Elman神经网络计算制冷剂物性参数的方法。以R11,R134a和近共沸混合制冷剂R410A为研究对象,分别建立三种制冷剂的BP,RBF和Elman网络饱和物性参数计算模型。根据该模型由已知温度求各制冷剂在饱和气和饱和液状态下的其他物性参数值,通过与REFPROP软件计算结果进行对比,证明BP,RBF和Elman神经网络物性计算模型具有很高的精度,可以用于物性参数的计算,是一种新的物性计算方法。关键词神经网络物性参数BPRBFElmanApplicationofneuralnetworkmodeltorefrigerantthermodynamicandtransportpropertiescalculationZhaoHaiboYangZhaoWuKun(TianjinUniversity)ABSTRACTTheneuralnetworkmodelsincludingaback-propagationneuralnetworkmodel,aRadialBasisFunctionneuralnetworkmodelandanElamnneuralnetworkmodelhavebeensetuptocalculatetherefrigerantthermodynamicandtransportproperties.Andbasedonthemodel,thethermodynamicandtransportpropertiesofrefrigerantR11,R134aandR410Aarecalculatedasanexample.ComparedwithresultscalculatedbythesoftwareREFPROP,satisfiedresultshavebeetgot.Theresultsprovethattheneuralnetworkcanbeusedtocalculatetherefrigerantthermodynamicandtransportproperties,whichisanewmethodintherefrigerantthermodynamicandtransportpropertiescalculationfield.KEYWORDSneuralnetwork;thermodynamicandtransportproperties;BP;RBF;Elman计算制冷剂物性参数的方法很多,如试验法、进行拟合,使用时计算繁琐。隐式多项式拟合方法状态方程法、经验关联式法、隐式多项式拟合法等。需要求解复杂隐式三次方程,得到的解可能产生分在此基础上,人们开发了许多具有较高精度的物性岔造成结果错误[1]。计算软件,如EES,NIST的REFPROP软件等。神经网络模型是基于模仿大脑神经网络结构但在实际使用过程中,尤其在制冷与热泵系统及部和功能而建立的一种信息处理系统。目前在制冷件设计、仿真和优化中,需要在相应的计算程序中行业中的应用已涵盖了负荷预测、系统仿真、故障进行大量的制冷剂物性参数计算,已开发的物性软诊断、参数辨识以及系统控制等领域,并已取得很件由于接口等因素限制难以与当前的程序结合使好的效果[2-4]。陈红等建立了BP神经网络物性计用,不适应部件及系统仿真与优化设计研究的要算模型[5],但该模型只能计算比容和焓值参数的求。经验关联式法通常是针对单个目标参数分别值,而且对其他神经网络能否应用于制冷剂的物性收稿日期:2005-11-09通讯作者:赵海波,Email:[e-mail]第4期赵海波等:神经网络模型在制冷剂物性参数计算中的应用57计算没有提及。笔者将BP网络、RBF网络和E-式中xn为输入变量归一化后的值;xi为输入变量lamn网络引入制冷剂的物性计算中,通过建立相1n归一化前的值;x为输入变量平均值,x=xi;应的神经网络模型来计算制冷剂包括焓值和比容ni=1n为样本数目;sx为输入变量的标准偏差,在内的所有常用热物性参数,提出一种新的制冷剂n物性计算方法。s=1(x-x)2。xn-1i1制冷剂热物性n-1输出变量的计算方式只需将其中的变为常用的制冷剂热物性参数分为热力学参数和yxy,然后代入相应的值即可。反归一化按下式计算:输运参数两种,主要有压力(p)、温度(t)、密度(d)、焓(h)、熵(s)、定压比热容(Cp)、