制冷系统核心模型定性重构及其简化模型
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| 1．1 引言 | 第10页 |
| 1．2 制冷系统仿真技术的发展趋势 | 第10-11页 |
| 1．3 人工智能技术在系统仿真中的运用 | 第11-12页 |
| 1．4 本文的研究内容、目的和技术路线 | 第12-13页 |
| 1．5 本章小结 | 第13-14页 |
| 第2章 制冷系统仿真核心模型和算法 | 第14-17页 |
| 2．1 压缩机 | 第14-15页 |
| 2．1．1 全动态模型 | 第14页 |
| 2．1．2 全稳态态模型 | 第14页 |
| 2．1．3 两节点态模型 | 第14-15页 |
| 2．2 毛细管 | 第15页 |
| 2．3 换热器(冷凝器或蒸发器) | 第15-16页 |
| 2．4 制冷剂的热物性模型 | 第16页 |
| 2．5 本章小结 | 第16-17页 |
| 第3章 传统数字模型的定性重构 | 第17-52页 |
| 3．1 压缩机数学模型 | 第17-22页 |
| 3．1．1 活塞式压缩机 | 第17-20页 |
| 3．1．2 全封闭旋转式压缩机 | 第20-22页 |
| 3．1．3 仿真结果 | 第22页 |
| 3．2 毛细管模型 | 第22-28页 |
| 3．2．1 过冷液体区 | 第23页 |
| 3．2．2 亚稳态液体区 | 第23页 |
| 3．2．3 气液两相区 | 第23-24页 |
| 3．2．4 经验公式和其它模型 | 第24-25页 |
| 3．2．5 毛细管仿真流程 | 第25-27页 |
| 3．2．6 传统毛细管模型中的缺陷及改进方法 | 第27-28页 |
| 3．3 冷凝器模型 | 第28-36页 |
| 3．3．1 基本控制方程 | 第29-31页 |
| 3．3．2 管外有效传热面积 | 第31-32页 |
| 3．3．3 制冷剂侧的对流换热与摩擦损失 | 第32-33页 |
| 3．3．4 空气侧的对流换热 | 第33-34页 |
| 3．3．5 仿真算法 | 第34-35页 |
| 3．3．6 冷凝器模型的数值问题及解决办法 | 第35-36页 |
| 3．4 蒸发器模型 | 第36-45页 |
| 3．4．1 基本控制方程 | 第38-40页 |
| 3．4．2 管外有效传热面积 | 第40-41页 |
| 3．4．3 制冷剂侧的对流换热与摩擦损失 | 第41页 |
| 3．4．4 空气侧的对流换热 | 第41-43页 |
| 3．4．5 仿真算法 | 第43-45页 |
| 3．5 制冷剂热物性模型 | 第45-48页 |
| 3．6 系统模型与算法分析 | 第48-51页 |
| 3．7 本章小结 | 第51-52页 |
| 第4章 基于神经网络的模型简化和精度校正 | 第52-65页 |
| 4．1 神经网络的应用方法及重点 | 第52页 |
| 4．2 毛细管模型的简化方法 | 第52-57页 |
| 4．2．1 假设前提 | 第53页 |
| 4．2．2 壅塞态两相区神经网络关联模型 | 第53-54页 |
| 4．2．3 非壅塞时预测方法 | 第54-55页 |
| 4．2．4 整体仿真流程 | 第55-57页 |
| 4．2．5 本文毛细管简化模型的创新点 | 第57页 |
| 4．3 冷凝器模型的简化方法 | 第57-60页 |
| 4．4 蒸发器模型的简化方法 | 第60-62页 |
| 4．5 预期的系统模型的精度校正 | 第62-63页 |
| 4．6 本章小结 | 第63-65页 |
| 结论与展望 | 第65-67页 |
| 研究结论 | 第65-66页 |
| 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读硕士学位期间发表的论文目录 | 第71页 |
