制冷涡旋压缩机热力性能模型适用性研究

对4种模型的内插、外推性能进行了对比分析。结果表明:遗传算法优化的BP神经网络模型对压缩机热力性能有较好的预测能力,而且有较强的泛化能力。

基于主成分分析和神经网络相结合的制冷剂充注量故障诊断

空调设备的能耗在建筑总能耗中占据30%以上的比例,一旦发生故障不及时排除,很可能导致系统能耗增加、设备寿命缩短、人员体感不适甚至影响正常的工作。本文采用一种基于主元分析法(Principal Component Analysis,PCA)与基于反向算法(Back Propagation,BP)的多层前馈神经网络(BP神经网络)相结合的算法,以制冷剂充注量为例,实现了对多联机性能故障的高效诊断。首先收集多联机组实测运行数据,进行一定的数据预处理工作,然后利用PCA提取主元,最终基于BP神经网络训练建立PCA-BP模型进行联机制冷剂充注量的故障诊断。结果表明:PCA-BP神经网络能高效检测多联机制冷剂充注量的故障,较于传统BP神经网络节约了计算时长及计算空间,同时该算法也具有泛化能力,为推广到多联机其他故障的诊断奠定了基础。

耶律楚材诗歌特质论

针对目前耶律楚材诗歌研究的欠缺,从楚材的历史定位入手,进而全面考察其诗学观、诗歌的思想内容和艺术特色,最终揭示其诗歌的特质所在。耶律楚材为我国历史上一位杰出的、有着特殊经历的少数民族政治家。他的诗学观主要表现为:重视诗歌的社会功能,提倡形式与内容并重,不拘门限、多元继承。诗歌反映出三教融合的思想以及民族观和战争观。诗歌的艺术特色,包括自然灵活的诗歌语言,高洁素朴的意象群落和丰富多样的艺术风格。耶律楚材生活在中国历史上的民族大融合时期,作为汉化很深的少数民族政治家,他的思想呈现出一种糅合状态,反映在诗歌里,就表现出了多元并存、多元交融的独特性质。其诗歌的特点对元代文坛的多元化产生了重要的影响。

基于PCA-Clustering的压缩机回液故障诊断

在多联机(VRF)空调系统中,压缩机回液将导致能量损失。本文结合大数据提出了一种基于PCA-Clustering的压缩机回液故障诊断的方法。首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签。结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29%。

基于遗传算法和BP神经网络的多联机阀类故障诊断

针对多联机系统(变制冷剂流量系统)阀类故障的诊断特征变量冗杂、诊断效率低的问题,提出一种复合诊断模型,利用遗传算法在原始特征集中搜索特征子集,与参数优化后的BP神经网络模型结合,对多联机阀类故障进行检测和诊断。本文从原始特征集中优化选择了带有18个特征变量的最优特征子集,用该模型对电子膨胀阀卡死、电子膨胀阀泄漏和四通阀故障3种故障进行检测,结果表明:该复合诊断模型对故障检测率提高,其中电子膨胀阀的卡死故障检测率提升8%,整体诊断正确率提高到99.27%;该复合诊断模型大大提高了诊断效率,使测试时间缩短了52.17%,表明该复合诊断模型具有较好的故障诊断效果。

基于粒子群优化算法和BP神经网络的变频压缩机功率预测

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。

基于改进主元分析方法的空调系统传感器故障检测和诊断研究

传感器在空调系统中主要起着监测和控制的作用,影响空调系统的正常运行,从而带来能耗增加等不良影响。本文提出了结合小波变换的数据优化,以及基于神经网络的故障诊断优化的改进主元分析方法,用于空调系统传感器故障检测和诊断研究。通过对比数据优化前后主元分析的结果,发现同样0. 850 0累计贡献率原则上,采用小波变换去除噪声后,主元个数减少了两个,蒸发器进口温度传感器的固定偏差、漂移、精度下降等故障检测效果分别提升了0. 020 7、0. 020 8、0. 041 5,风量传感器固定偏差故障检测效果提升了0. 160 6。为了进一步找出故障源,在小波变换和主元分析的基础上,将求得的主元作为神经网络的输入,对5个传感器固定偏差故障进行测试,故障诊断结果分别为0. 766 7、0. 866 7、0. 900 0、1. 000 0、1. 000 0。

基于EWMA-BN的冷水机组故障诊断策略

为提高冷水机组故障诊断的准确度,本文提出一种基于EWMA-BN的冷水机组故障诊断策略。EWMA-BN模型通过EWMA控制图进行故障检测,以其控制限为阈值将各性能指标的故障数据分为高、低、正常3种状态,通过概率统计获得条件概率表,将条件概率表和由专家知识获得的先验概率表输入BN进行故障诊断。利用实验数据从输入模型的证据节点数量、顺序及完整性等方面分析该模型的故障诊断特性。结果表明:EWMA-BN方法对冷水机组常见故障的诊断效果显著,后验概率值(故障诊断结果)均大于0.85,且输入模型的证据节点越多,故障诊断结果越准确,但证据节点输入模型的顺序对最终故障诊断结果无任何影响;对不确定、不完整信息的利用进一步提高了模型的故障诊断能力。采用ASHRAE Project提供的数据对EWMA-BN模型进行验证,故障诊断结果良好。

基于主元分析法的多联机系统压缩机排气温度传感器故障检测与诊断

传感器是空调系统的重要组成部分,它对空调系统的运行状态进行实时监控,并将运行数据传输到控制系统中。传感器发生故障将使得空调系统偏离正常运行状态,导致系统能耗增加。主元分析法(Principal Component Analysis,PCA)是传感器故障检测与诊断中常用的数据分析方法。本文采集了多联机系统传感器正常运行数据,通过人为调整得到故障运行数据;采用正常运行数据对PCA进行建模,用训练好的模型对故障运行数据进行检测与诊断,分析检测与诊断结果。本文中传感器故障工况包含压缩机排气感温包漂移、脱落、精度下降以及完全失效故障。检测与诊断的结果为:基于PCA的多联机系统压缩机排气温度传感器故障检测与诊断结果良好。

基于数据挖掘的多联机能耗预测

本文提出了基于数据挖掘模型的多联机系统能耗预测方法,通过分析对比多元线性回归、支持向量机、径向基函数神经网络3种算法模型,得到了可靠的多联机运行能耗的预测模型。结果表明:3种模型都表现出较好的预测性能;径向基神经网络预测模型较之其他两个模型的误差小,均方根误差达到0.1734,预测准确率高,拟合效果最佳。

基于离散型Hopfield神经网络的制冷剂充注量故障诊断的新策略

本文提出了一种应用离散型Hopfield神经网络(Discrete Hopfield Neural Network,DHNN)对制冷剂充注量故障进行诊断的新策略。首先对数据进行清理,然后将原始数据集划分为训练集和测试集,接着对数据进行二值化处理,最后以训练集建立DHNN模型进行故障检测与诊断。实验数据测试集的检测与诊断结果验证了该策略可以用于制冷剂充注量的故障诊断。测试结果表明:基于DHNN的制冷剂充注量故障诊断模型可以有效地诊断出充注不足故障,收敛速度快,具有较好的实用性。

基于优化神经网络的空调系统未知类型故障诊断

目前基于数据驱动方法的制冷系统故障诊断模型,只能对参与建模训练的已知类型故障进行诊断,而对于未参与建模训练的未知类型故障,不能正确地诊断。针对这一问题,本文提出了一种优化神经网络的故障诊断策略。利用已知类型的故障数据建立BP神经网络模型,然后确定一个区分阈值,能够实现对未知类型故障的诊断识别。结果表明:对于包含所有故障类型的测试数据,模型的诊断正确率为88.62%,对于其中的未知类型故障,模型的诊断效果显著,正确率为99.48%。

基于支持向量机和粒子群算法的多联机气液分离器插反故障诊断

本文通过多联机实验平台采集数据,选取合适的特征变量,利用支持向量机算法建立了多联机气液分离器插反故障诊断模型。采用粒子群算法优化该模型,通过测试集验证模型的分类准确率,并对两种模型下的故障诊断效果进行对比分析。结果表明,制冷工况下的故障诊断准确率高于制热工况下的准确率。模型优化前两种工况下的故障诊断准确率均高于96%,而优化后的准确率均高于97%,优化后制冷工况下的故障诊断准确率更是高达98.4%,可见优化后的模型性能稳步提升。

基于学习向量量化神经网络的多联机系统制冷剂充注量故障诊断研究

针对暖通空调系统故障而导致的建筑能耗增长问题,本文提出了一种基于学习向量量化(LearningVector Quantification,LVQ)神经网络的制冷剂充注量故障诊断模型,故障诊断分为数据预处理、建立初始模型、LVQ 模型的训练和仿真测试 4 个步骤,并对隐含层节点数进行了参数寻优。实验共设置 9 种制冷剂充注量水平,经过数据预处理后选取了 12 个特征变量,建立了 LVQ 神经网络建模。将经过数据预处理后的数据集以 75%∶25%的比例划分为训练集和测试集,分别用于研究训练和测试模型性能。结果表明:在制冷剂充注量 LVQ 模型故障诊断中,制冷剂充注量适中、过量和不足的正确率分别为 52.5%、70.1%和87.5%,总体故障诊断正确率达到 70.0%。

数据挖掘技术在冷链物流行业的应用

本文基于大数据的背景,简要介绍了数据挖掘的概念,研究对象以及部分算法,并阐述了数据挖掘的基本流程。结合冷链物流行业目前已存在的统计数据,介绍了该行业目前现状,重点阐述了该行业在发展上升过程中所面临的一系列亟待解决的问题;梳理出冷链物流领域大数据的来源及分类;认为应用数据挖掘技术可推进冷链物流行业今后的转型发展,提出了数据挖掘在节能模式识别,智能控制优化以及故障诊断及预测等方面的用途;利用大数据可最终达到完善冷链体系,整合冷链资源,提升产品品质,降低物流成本等效果。

工程项目投标人与招标人合谋报价区间测算模型研究

为揭示工程项目投标人与招标人合谋“意向—协商—形成”过程中报价区间变化规律,探寻能精准施治合谋行为的有效对策;构建投标人和招标人合谋意向期望效用函数,并对双方合谋报价意向区间和协商区间进行测算;从分润比例较高、居中、较低3种情形,分析合谋报价区间、距离和效用的对应关系;同时,对查处概率δ,分润比例r,惩罚强度β与合谋报价区间距离的作用进行数值模拟;得出结论:提高δ和β均能减少合谋报价区间距离,控制r对3种情形下合谋报价区间距离有不同影响。

高速公路BOT项目社会资本联合体协同度评价

在高速公路项目BOT模式下,社会资本联合体的协同程度将直接影响高速公路建设活动的成效。基于此,本文运用扎根理论,从信息、目标、资源、制度、组织管理5个方面构建高速公路BOT项目社会资本联合体协同度评价指标体系,同时将AHP与GFCE法相结合,形成综合评价模型,以确定指标权重及其评价方法。结合具体案例,对所建的指标体系及综合评价模型加以应用,从而有针对性地提出提升社会资本联合体协同程度的有效措施,以期可为同类研究提供参考。

工程项目电子分散评标实行的影响因素动力学分析研究

为探寻工程项目电子分散评标实行中影响因素及其作用规律,运用文本分析、网络爬虫、专家咨询等方法对影响因素进行识别;构建DANP+SD组合模型对影响因素间的相互因果与作用关系进行分析。研究结果表明:影响工程项目电子分散评标实行的因素涉及技术维、法律维、管理维、社会维4个维度,具体包括15个因素;其中网络安全管理、政府监管力度、法律支持力度对影响工程电子分散评标实行的相对重要程度较大;各因素综合作用下影响工程项目电子分散评标实行的程度呈递增趋势。

基于蛛网模型的高速公路品质工程实现度评价研究

运用文献分析、案例研究、问卷调查方法,构建高速公路品质工程实现度评价指标体系,包括优质耐久、安全舒适、经济环保、社会认可4个维度15个指标;运用蛛网模型理论计算各指标蛛网面积和规则度。结合案例应用,计算案例实现度为1.3276。结果表明,蛛网模型对高速公路品质工程实现度评价有效,为高速公路品质工程评价提供参考。

古史今诠:蒙元名臣耶律楚材治国理政新探

耶律楚材是蒙元时期的政治家,他凭借非凡的才干赢得蒙古大汗的信赖和倚重,作为中原士人的杰出代表跻身13世纪世界权力的中心舞台。他以"治天下匠"自居,着眼全局擘画蓝图,不失时机地提出涉及民生、经济、政治、法律等方面的治国方略并努力推行,体现了运用中华文化治理世界性帝国的实践探索。由于历史条件所限,耶律楚材的治国理政遭受了很大挫折,但他取上得中的治理成效,不仅显现于当时,尤其泽被于后世,为蒙元一朝最终认归中华正统起到了奠基之功。