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。

一种新的压缩机噪声声功率的室内测量方法

介绍一种新的压缩机噪声声功率的室内测量方法。首先解释ISO-3744最新标准中对要实现工程等级精度2级的声学测量的声学环境要求,然后介绍一个估算室内环境修正因子K2的方法,并估算出其K2值。应用该标准附录F中的半球6点测量法,在一间待改进的房间内实际测量K2,从而得出估算值与实测值的差异,接着尝试在房间的不同部位覆盖吸声海绵用于降低墙面反射,并估算改进后房间的K2值。最后通过实测,得出在房间所有的墙面上都覆盖吸声海绵是可以满足K2要求的结论。该改进后的房间还可以适用于满足欧盟2000/14/EC指令的压缩机声功率的室内测量。