279 基于神经网络的冷却塔出水温度的预测.doc

基于神经网络的冷却塔出水温度的预测华中科技大学刚文杰王劲柏摘要:本文主要介绍了运用人工神经网络预测冷却塔出水温度的方法。通过在MATLAB环境下编程建立冷却塔模型,获取神经网络模型需要的训练数据和测试数据。建立一个三层基于反向传播算法的神经网络模型(BP网络),以空气干球温度﹑相对湿度﹑冷却塔进水温度和冷却水流量作为输入变量,冷却塔出水温度作为输出变量,在MATLAB环境下,用训练数据训练神经网络,测试数据检测神经网络预测结果。结果表明神经网络可以用来预测冷却塔出水温度,并得出适合本研究的最理想的神经网络模型。关键字:冷却塔出水温度人工神经网络BP网络预测1前言冷却塔在制冷系统中起着重要的作用。制冷剂在冷凝器内冷凝放热,冷却水吸收冷凝器中的热量,温度升高,被送至冷却塔,通过与空气进行热质交换,温度降低,再被送至冷凝器,构成冷却水循环。冷却塔在其中负责将冷却水中的热量,即制冷系统中的热量排放出去。冷却水出口温度的高低,直接关系到空调系统的制冷效果和能耗。通过预测冷却塔出水温度,判断空调的运行效果,采取控制措施,从而保证空调系统的高效运行,就显得尤为重要。2冷却塔模型本文采用迈克尔(Merkel)焓差法建立逆流湿式冷却塔模型。通过两个参数(冷却数)和(冷却塔特性数)实现冷却塔热工计算:;式中:-冷却塔特性数;-以含湿量差表示的传质系数,;-填料的比表面积,;-塔的横截面积,;-塔内填料高度,;W-进入冷却塔的冷却水流量,。冷却数的确定采用辛普逊近似积分法,在精度要求不高,且水在塔内的温降<15℃时,可将冷却塔分两层进行计算。本文涉及的室外参数覆盖面比较广,且存在进出口温差>15℃的工况,因此将冷却塔分四层进行计算(见图1),具体公式如下:式中:-冷却数;-水的比热容,(℃));-冷却水在塔内的温降;,,,,-分别与,,,,相对应的饱和空气焓,;其中为冷却塔的进水温度,为冷却塔的出水温度,,;,-分别为冷却塔空气出口处,进口处空气的焓值,其中,,,。图1水和空气在冷却塔中的换热过程图2本设计BP神经网络模型冷却塔的设计计算问题,就是要求冷却任务与冷却能力相适应,即。本文通过在MATLAB环境下编程,实现此冷却塔模型。3人工神经网络人工神经网络(works,ANN)是由大量简单的基本元件——神经元相互连接,通过模拟人的大脑神经处理信息的方式,进行信息并行处理和非线性转换的复杂网络系统。由于神经网络具有强大的学习功能,可以比较轻松的实现非线性映射过程,并且具有大规模计算的能力,因此在模式识别,人工智能,控制工程,优化计算和联想记忆,信号处理方面得到大量的应用。单个人工神经元往往不能完成对输入信号的处理,它要按一定的规则连接成网络,并让网络中每个神经元的权值和阈值按一定的规则变化,才能实现所设计设计神经网络的功能要求。BP神经网络是目前应用最为广泛和成功的神经网络,lelland在1986年提出的一种多层网络的学习算法。典型的BP神经网络由输入层,输出层和隐含层组成。通过文献可知,BP网络可实现从输入空间到输出空间的非线性映射,本文利用它的这一特点,来完成对冷却塔出水温度的预测,并通过一些统计值,如均方根用来检测预测结果。式中:-均方根;-数据组的个数;-第m个数据的预测值;-第m个数据的计算值。4冷却塔的神经网络模型设计(1)输入层的设计影响自然通风逆流湿式冷