制冷機組蒸發器系統的Elman神經網絡預測模型

沈顯慶， 黃習恒

(黑龍江科技大學 電氣與控制工程學院， 哈爾濱 150022)

0 引 言

隨著經濟快速發展，制冷設施在生產生活變得越來越重要。尤其在醫療藥物、特殊材料、高端食材等方面對溫度精度要求更高。超過預警溫度，將會造成極大損失。蒸發器作為制冷機組冷庫溫度精度控制最直接的部分，冷庫溫度超過預警溫度，即視為蒸發器系統故障，在故障發生之前根據出現的微小征兆準確預測故障，將會有重大的意義[1]。韓華等[2]提出一種復合故障診斷模型，利用遺傳算法與帶參數優化的支持矢量機結合，提高故障診斷正確率，但未對故障預測問題進一步分析。蔡博偉等[3]提出了一種基于前饋神經網絡的空調系統焓差試驗臺故障預測模型，取得了較好的成果，但未對制冷系統具體部位故障預測進行分析，且故障預測特征值精度未提及。基于以上研究現狀，筆者以某一針對特殊食材設計的高精度低溫冷庫為研究對象，其食材保存溫度為-29 ℃，可允許溫差為0.5 ℃，超過預警溫度1 h即會導致食物變質。通過Matlab系統仿真研究，使用一步預測模式，建立基于Adam算法改進的Elman神經網絡設計預測模型，對比分析網絡的預測性能。

1 一步預測輸入輸出模式

1.1 樣本參數的選取

制冷機組主要組成部分為壓縮機、冷凝器、蒸發器、節流閥等。制冷工作環境下，蒸發器及其部件位于室內，經制冷劑作用調節室內溫度，冷庫溫度與蒸發器系統有著直接關系。通過對蒸發器系統數據樣本集分析，按照輸入數據是否與系統輸出指標有明確因果關系，選取蒸發器指標參數如下5個：風機排水管溫度、蒸發器冷卻液進口溫度、風機托水盤溫度、低溫霜溫和壓縮機進口溫度。……