预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113959046A(43)申请公布日2022.01.21(21)申请号202111051953.7F24F11/70(2018.01)(22)申请日2021.09.08F25B45/00(2006.01)(71)申请人青岛海尔空调电子有限公司地址266101山东省青岛市崂山区海尔路1号海尔工业园申请人青岛海尔空调器有限总公司海尔(上海)家电研发中心有限公司海尔智家股份有限公司(72)发明人任滔柴婷阚荣强宋强(74)专利代理机构北京瀚仁知识产权代理事务所(普通合伙)11482代理人袁楠宋宝库(51)Int.Cl.F24F11/30(2018.01)F24F11/64(2018.01)权利要求书2页说明书7页附图2页(54)发明名称用于空调系统的冷媒充注量的确定方法(57)摘要本发明涉及空调技术领域,具体提供一种用于空调系统的冷媒充注量的确定方法。旨在解决现有空调系统的冷媒充注量的确定方式难以保证系统长时间维持高效换热状态的问题。为此,本发明的冷媒充注量的确定方法包括:获取室外环境温度、室外风机的转速百分比、空调系统的负荷率和压缩机的压比,并根据室外环境温度、室外风机的转速百分比、空调系统的负荷率和压缩机的压比确定目标冷凝压差,获取空调系统的当前冷凝压差,将当前冷凝压差与目标冷凝压差进行比较,再根据目标冷凝压差和当前冷凝压差的比较结果确定空调系统的冷媒充注量是否需要调节,以便有效保证空调系统的冷媒充注量始终能够维持在最佳状态,进而有效保证空调系统的换热效率。CN113959046ACN113959046A权利要求书1/2页1.一种用于空调系统的冷媒充注量的确定方法,所述空调系统包括压缩机和室外风机,其特征在于,所述冷媒充注量的确定方法包括:获取室外环境温度、所述室外风机的转速百分比、所述空调系统的负荷率和所述压缩机的压比;根据所述室外环境温度、所述室外风机的转速百分比、所述空调系统的负荷率和所述压缩机的压比,确定目标冷凝压差;获取所述空调系统的当前冷凝压差;将所述当前冷凝压差与所述目标冷凝压差进行比较;根据所述目标冷凝压差和所述当前冷凝压差的比较结果,确定所述空调系统的冷媒充注量是否需要调节。2.根据权利要求1所述的冷媒充注量的确定方法,其特征在于,“根据所述室外环境温度、所述室外风机的转速百分比、所述空调系统的负荷率和所述压缩机的压比,确定目标冷凝压差”的步骤具体包括:对所述室外环境温度、所述室外风机的转速百分比、所述空调系统的负荷率和所述压缩机的压比进行归一化处理;基于归一化处理的结果,计算神经网络的输出值;对所述神经网络的输出值进行反归一化处理,以确定所述目标冷凝压差。3.根据权利要求2所述的冷媒充注量的确定方法,其特征在于,“对所述室外环境温度、所述室外风机的转速百分比、所述空调系统的负荷率和所述压缩机的压比进行归一化处理”的步骤具体包括通过下式进行归一化处理:Tao′=a1*(Tao+a2)‑1fan′=b1*(fan+b2)‑1η′=c1*(η+c2)‑1τ′=d1*(τ+d2)‑1其中,Tao为所述室外环境温度,fan为所述室外风机的转速百分比,η为所述空调系统的负荷率,τ为所述压缩机的压比,a1、a2、b1、b2、c1、c2、d1和d2为归一化系数。4.根据权利要求3所述的冷媒充注量的确定方法,其特征在于,a1、a2、b1、b2、c1、c2、d1和d2通过实验数据拟合得出。5.根据权利要求2所述的冷媒充注量的确定方法,其特征在于,“基于归一化处理的结果,计算神经网络的输出值”的步骤具体包括通过下式计算所述神经网络的输出值:o1=2/(1+exp(w11*Tao′+w12*fan′+w13*η′+w14*τ′+b1))‑1o2=2/(1+exp(w21*Tao′+w22*fan′+w23*η′+w24*τ′+b2))‑1o3=2/(1+exp(w31*Tao′+w32*fan′+w33*η′+w34*τ′+b3))‑1o4=2/(1+exp(w41*Tao′+w42*fan′+w43*η′+w44*τ′+b4))‑1o5=2/(1+exp(w51*Tao′+w52*fan′+w53*η′+w54*τ′+b5))‑1o6=2/(1+exp(w61*Tao′+w62*fan′+w63*η′+w64*τ′+b6))‑1O=w1*o1+w2*o2+w3*o3+w4*o4+w5*o5+w6*o6+w0其中,O为所述神经网络的输出值,w11、w12、w13、w14、w21、w22、w23、w24、w31、w32、w33、w34、w41、w42、w43、w44、w51、w52、w53、w54、w61、w62、w63、w64、b1、b2、b3、b4、b5