RBF神经网络用于家用空调系统匹配特性的研究

RBF神经网络是目前应用较多的一种神经网络。它能以任意精度逼近任意非线性函数,具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。因此,将RBF神经网络应用于家用空调匹配仿真研究时具有独特的优势。提出采用RBF神经网络估算制冷量和压力来优化研发过程,仿真结果表明,RBF神经网络运用于家用空调匹配仿真,能够精确仿真空调制冷量和低压力等参数,并预测制冷量和压力,能有效地减少家用空调匹配时间,提高研究效率。

Smith预估器控制蒸发器过热度的仿真

针对蒸发器过热度控制系统的大时滞问题,提出采用预估器控制蒸发器过热度,该办法能克服大纯滞后,增强控制系统稳定性。仿真表明,其控制效果优于常规控制,而且当过热度的环境和采样时间发生变化和控制参数没有改变时,具有更好的稳定性和鲁棒性,对于大时间滞后系统是一种比较实用的控制方法。