面向室内温湿度同时控制的直膨式空调系统混合建模

摘要

目前的家用空调通常只能控制室内温度，在低纬度夏季含湿量较大的地区，仅控制室内温度同时室内相对湿度过高会导致人体不适。理论上通过直膨式空调压缩机和蒸发器风机变频可以实现室内温湿度同时控制，空调系统中的传热传质耦合是实现这一目标的最大障碍。本文主要内容即建立合适的直膨式空调系统模型进行解耦，预测系统在不同工况下的制冷能力和除湿能力。
　　本文对直膨式空调系统各部件建立了物理模型，组合起来的直膨式空调系统物理模型迭代次数过多，导致误差相对较大，响应时间长，不适合单独用于开发面向控制的算法，故本文进一步尝试应用经验建模的方法。另外本文对焓差法下的肋片效率公式进行了简化，得到了精度较高，运算量较小的经验公式。
　　已经有研究者采用当下最常用的经验建模方法——人工神经网络模型对某一工况下直膨式空调系统Φs和Φl（显热冷量和潜热冷量）进行了预测，得到了不错的预测结果。但经验模型的缺点在于当工况改变时，根据原工况下实验数据建立的模型预测误差较大。因此本文对工况漂移时人工神经网络模型的预测能力进行了验证，Φs和Φl平均误差分别为1.3％和18.3%，预测结果误差较大，说明人工神经网络模型也不适合单独用于建立面向控制的直膨式空调模型。
　　综上，本文尝试将物理模型和人工神经网络模型结合起来，综合物理模型能解耦物理过程和人工神经网络模型快速准确的优点。直膨式空调系统传热传质耦合发生在与室内空气直接接触的蒸发器上，因此本文对直膨式空调系统中的蒸发器建立了物理子模型，对压缩机、冷凝器和电子膨胀阀建立了一个人工神经网络子模型。经过细致分析后确定了将两个子模型结合起来的输入输出，并分别对两个子模型进行了验证，都得到了不错的预测结果。最后验证了混合模型在工况漂移时的预测精度，Φs和Φl平均误差分别为5.8%和2.8%，预测效果远好于同样条件下的人工神经网络模型，可见本文建立的面向控制的直膨式空调系统混合模型是有效的。在对包含耦合物理过程的系统进行建模时可以参考本文对直膨式空调系统建立混合模型的过程，对物理过程存在强耦合的部件建立物理模型，对系统的其他部件整体建立一个经验模型。

目录

声明

致谢

符号表

第一章绪论

1.1 温湿度控制方法

1.2 建模方法简述

1.3 本文的主要研究内容

第二章直膨式空调实验系统

2.1 实验装置

2.2 仪表和数据采集系统

2.3 LabVIEW数据采集和监控程序

2.4 实验装置内的常规控制回路

2.5 实验条件与实验数据

2.6 本章小结

第三章直膨式空调系统物理建模

3.1 制冷剂与空气物性参数获取与计算

3.2 压缩机建模

3.3 电子膨胀阀建模

3.4 冷凝器建模

3.5 蒸发器建模

3.6 直膨式空调系统物理建模流程

3.7 本章小结

第四章人工神经网络建模

4.1 神经网络的设计

4.2 同一工况下ANN模型的训练与验证

4.3 工况改变时ANN模型的验证

4.4 本章小结

第五章直膨式空调混合建模

5.1 混合建模方法

5.2 用于预测qm,r和Hr,e,in 的 ANN子模型的训练与验证

5.3 物理子模型求解过程

5.4 混合模型误差分析

5.5 本章小结

第六章结论与展望

参考文献

攻读硕士期间科研成果及所获奖励