水冷式换热器传热性能的稳态分布参数模拟与实验验证

建立了以分布参数为基础,以壳管式换热器为主要研究对象的稳态仿真模型,以R124为制冷剂模拟实验工况,并分别对蒸发器和冷凝器的进出水温度及蒸发侧和冷凝侧的换热量进行了测量,对比分析了实验结果与仿真结果,对换热器性能进行了分析。结果表明,冷凝器、蒸发器出水温度的仿真值与实测值的相对偏差分别在±2.5%和±3%内;蒸发侧和冷凝侧换热量的仿真结果最大偏差分别为1.72%和-5%;冷却水进水温度每升高1℃,冷凝侧换热量降低1.37%;蒸发器出水温度每升高1℃,蒸发侧换热量减小5.17%。     

城市用水量预测的SIMULINK仿真技术研究

为保证城市供水优化运行的安全性和可靠性,提出了基于时间序列和神经网络理论的城市用水量预测的SIMULINK仿真模型。基于时间序列预测法的SIMULINK仿真模型依据回归算法确定模型参数,得到预测结果和误差,可通过调整SIMULINK模块参数提高仿真精度;在基于神经网络的SIMULINK仿真模型中,根据BP神经网络原理分别建立输入层、隐含层和输出层模型,得到预测结果和误差,可通过增加训练样本数提高仿真精度。仿真结果表明:基于时间序列和神经网络的水量预测SIMULINK仿真模型,不仅预测精度达到要求,而且还具有模块直观、参数易调和结果可视化等优点。     

太阳能热泵多功能复合机实验系统建模与仿真分析

本文简要介绍了太阳能热泵多功能复合机(SAHPM)制热系统的工作原理,建立了系统各主要部件的数学模型。考虑到仿真计算的实用性和稳定性,对冷凝器和蒸发器采用分区集总参数法建模,对压缩机和毛细管建立了稳态集中参数模型,给出了太阳能集热器能量平衡方程,通过对仿真结果和实验测试结果的对比分析,验证了模型的正确性。     

太阳能热泵多功能复合机实验系统建模与仿真分析

本文简要介绍了太阳能热泵多功能复合机(SAHPM)制热系统的工作原理,建立了系统各主要部件的数学模型。考虑到仿真计算的实用性和稳定性,对冷凝器和蒸发器采用分区集总参数法建模,对压缩机和毛细管建立了稳态集中参数模型,给出了太阳能集热器能量平衡方程,通过对仿真结果和实验测试结果的对比分析,验证了模型的正确性。     

翅片管式冷凝器仿真研究

翅片管式冷凝器广泛用于风冷式空调机组。本文采用稳态分布参数模型对人字型波纹片冷凝器进行计算机仿真。仿真过程中，通过数学模型计算制冷工质在管内的局部冷凝换热系数，翅片侧的表面换热系数及压降由CC Wang的关联式确定。翅片的热效率由CFD计算得出。制冷工质的热物理性质使用隐式三次多项式拟合模型计算。将仿真模拟结果与试验数据比较，发现冷凝器换热量的最大相对误差为9．5％，冷凝器出风温度的最大相对误差为1．71％，过冷度的最大绝对误差为1．28℃。     

太阳能热泵机组内蒸发器的模型与仿真研究

对太阳能热泵机组内蒸发器稳态分布参数模型进行仿真算法设计,以压缩机进、出口压力值、蒸发器冷冻水的入口温度、蒸发温度、蒸发器内水流量以及蒸发器简化模型计算出的蒸发器吸热量计算值作为输入参数,建立了基于神经网络的蒸发器优化模型.通过太阳能热泵系统实测数据学习而形成的蒸发器优化模型明显提高了仿真的速度及精度,运用该模型能够降低太阳能热泵系统的研究成本和缩短其设计周期.     

基于神经网络预测混凝土中氯离子浓度的分布

现阶段对氯离子浓度预测大多基于Fick定律以及在此基础上的一些改进模型,其明显的缺点就是模型的参数较多,应用不便。而人工神经网络不需要研究各个影响因素间的关系,常用于对模糊问题的研究。基于BP神经网络与径向基函数神经网络,给出了预测混凝土中氯离子浓度分布的分析模型,并结合试验对比了两种方法的有效性,结果表明径向基函数神经网络比BP神经网络具有较好的准确性与稳定性。最后提出通过建立庞大的神经网络数据库来预测不同环境作用下不同配合比的混凝土在任意时刻的氯离子浓度分布。     

太阳能-空气源热泵热水系统研究

阐述了太阳能-空气源热泵系统的基本结构与运行原理。利用稳态分布参数法对太阳能-空气源热泵系统分别建立了太阳能集热器、空气换热器、冷凝器的数学模型;利用集中参数法建立了压缩机和热力膨胀阀的数学模型以及工质充注量的数学模型。系统的仿真结果是用于系统的优化设计和运行控制。     

使用R407C冷媒的翅片管冷凝器的计算机模拟

本文针对R22的替代工质R407C,采用稳态分布参数法,对翅片管冷凝器进行了计算机模拟：对制冷剂整个流动方向的温度、饱和温度、干度、换热量、压力、管内换热系数进行了模拟计算并加以分析,并以回路为基本单位,比较了回路之间换热情况的差别,为系统的仿真以及使用R407C的翅片管冷凝器的设计打下基础。     

RBF神经网络在高程异常拟合中的应用

利用MATLAB神经网络工具箱中RBF神经网络函数进行高程异常值的拟合,结合工程实例论述了利用穷举法来获取RBF函数的散布常数(分布密度)Spread和隐层神经元个数mn两个关键参数最佳估值的问题,并将模型预测值与单基准站RTK测量结果比较,表明建立的模型具有实际应用意义.     

基于神经网络的工业企业电气安全评价方法研究

提出工业企业电气神经元网络安全评价方法.在论述BP神经网络基本原理和基本算法基础上,以工业企业电力系统的"安全可靠、经济合理"和其定义所包含的各项内容为依据,从电气设备固有安全性、环境及管理三个层面建立包含14项指标的评价指标体系.以此建立工业企业电气系统综合安全评价模型并进行求解.该方法运用到黄岛热电厂的系统安全状况评价中,预测结果与实际情况基本相符.     

神经网络模型在边坡坍塌预测中的应用

尝试建立了在区域降水条件下,选取蒸发量和降雨量作为评价参数,预测边坡坍塌强度的神经网络模型,实例的计算和验证表明,用人工神经网络的方法来预测在降水条件下边坡的坍塌强度是可行的。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

浅层地下水位预测的小波网络模型

针对浅层地下水位时间序列动态变化的非线性和复杂性 ,提出了基于小波分析与人工神经网络相结合的预测方法———小波网络模型。小波网络模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。实例计算结果表明 ,建议模型不同预见期的拟合和检验精度很高。小波网络模型延长了预见期 ,提高了预报精度。     

基于BP网络的隧道围岩位移预测方法

介绍人工神经网络模型法的基本原理与步骤,探讨了隧道围岩收敛监测数据与人工神经网络间的联系,并建立了基于人工神经网络的隧道围岩收敛预报模型。以工程实例为背景,对隧道围岩的收敛变形进行预报分析。研究结果表明:BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。     

利用改进的BP神经网络预测烧结砖的抗压强度

根据改进的BP神经网络基本原理，建立了烧结砖的神经网络强度预测模型．利用试验数据训练神经网络，通过工程实例，对训练过的神经网络进行了测试，并将用神经网络方法获得的结果与用传统数学回归模型计算的结果进行了对比．结果表明，该神经网络方法所得的预测值优于传统方法．     

人工神经网络及在建筑施工中应用

从人工神经网络的发展入手,对其基本概念及组成特性做了介绍。并以反向传播模型B-P模型为例阐述了人工神经网络(ANN)的结构及学习算法,给出了B-P模型的实现方法及最终在建筑施工中的成功应用,指出了人工神经网络系统广阔的应用前景,最后提出了今后研究的方向。     

基于小波分析和神经网络的静力触探土类划分

利用小波分析和BP神经网络,建立一种用于基于静力触探数据进行土类划分的神经网络模型。该方法基于实测数据,利用小波分析获得不同土层触探参数的特征值,并用BP神经网络建立特征值与土类之间的映射关系,从而得到BP神经网络分类模型。结果表明,该方法可以有效地进行土类划分。     

人工神经网络在岩质边坡稳定性预测中的应用

针对岩质边坡稳定性分析中存在的问题，提出了运用人工神经网络（ANN）预测岩质边坡稳定性的新方法，并构造了相应的BP神经网络模型。预测结果表明，该模型具有很高的预测精度，能够满足实际工程需要。     

边坡稳定性分析中工程岩体抗剪强度参数选取的神经网络方法

影响工程岩体抗剪强度参数的因素很复杂，具有不稳定性。由于神经网络方法不仅能考虑定量因素，而且能考虑定性因素的影响，因而神经网络适用于解决非确定性的工程岩体抗剪强度参数的选取问题。建立了选取工程岩体抗剪强度参数的人工神经网络模型，并利用大量工程资料对网络进行训练和测试，得出了一些有意义的结论。