《家用冰箱线性压缩机内在调控性能的实验研究和数值分析》由会员分享，可在线阅读，更多相关《家用冰箱线性压缩机内在调控性能的实验研究和数值分析（18页珍藏版）》请在金锄头文库上搜索。
1、家用冰箱线性压缩机内在调控性能的实验研究和数值分析家用冰箱线性压缩机内在调控性能的实验研究和数值分析摘要 线性压缩机以自由活塞系统为基础，由于活塞运动对环境温度敏感，通常需要中风控制器。本文提出了使用制冷剂 R600a 家用冰箱线性压缩机固有调控能力的一种新的设计方法。该压缩机能够独立调节它的生产能力，此特征确保在无需中风控制器的情况下压缩机能够稳定和高效的运行。电子参数设计是按照冷却需求的变化反映固有控制能力。机械参数的设计是为了建立一个有效的共振系统。数学模型的建立和压缩机模型的构建。这压缩机模型模拟的冷凝温度范围 15-50，对应于环境温度 5-43。仿真结果表明冷却能力在高于环境温度范
2、围情况下从 55%调节到 90%，固有的调控能力的 70-90%是通过实验确定。关键词 压缩机 自由活塞 家用冰箱 制冷系统 模型输出依赖功能缩放的方法在建模和评估不同空气、氧气、氮气输出依赖功能缩放的方法在建模和评估不同空气、氧气、氮气和氩气入口压力下有不同喷嘴数逆流涡管性能中的应用和氩气入口压力下有不同喷嘴数逆流涡管性能中的应用摘要 在这项研究中，逆流型涡管的性能与入口参数，包括喷嘴数（N） ，入口气体密度（空气、氧气、氮气和氩气） ，和进气压力（Pinlet）通过混合的方法与名为输出依赖功能缩放（ODFS）新的数据预处理方法和使用实验获得数据基于模糊推理系统的自适应网络（ANFIC）相结
3、合建模。在这开发的系统中，在冷热点之间的输出参数的温度梯度已被确定使用输入参数，包括（Pinlet） 、 （N）和气体的密度。为了评估混合方法的性能，使用了绝对平均误差（MAE） ，均方误差（MSE） ，均方根误差（RMSE）,决定系数（R2）和协议指数（IA）数值。使用混合方法得到的结果是（MAE）9.0670e-004，(MSE)5.8563e-006,(RMSE)0.0024,(R2)1.00 和（IA）1.00。关键词 涡管 加热 冷却 建模 中枢网络 模糊逻辑垂直单波段循环风幕密封冷藏室固定模式的发展垂直单波段循环风幕密封冷藏室固定模式的发展摘要 循环冷空气幕用在开放式的多加板前的冷
4、藏密封，常用在食品零售展示柜。估计通过冷空气的渗透，冷藏柜得到总热量的 78-80%。更高效的风幕不仅能够节约能源，而且能够精确的控制展示柜里物品的温度，更好地保持食品的质量。风幕的厚度、长度、排气温度和速度都会影响风幕的效率，直到现在优化设计主要是经验或是使用复杂的 CFD 模型。这项研究的目的是产生一个设计指导，这将是橱柜设计师能够利用有限流体技术迅速确定最有效的风幕的设计密封只通过基本计算无需任何集中计算的任何给定的腔。关键词 风幕 制冷设备 建模 计算流体动力学 设计 通过变频压缩机储存能量的实验评估通过变频压缩机储存能量的实验评估摘要 这项研究中，变速制冷系统在潜热热能储存（LHTE
5、S）系统中使用的调查是为了提高储能的效率。四种不同压缩机转速控制情况的比较在能源储罐的进口得到传热流体（HTF）温度。这些控制情况是（i）控制与蒸发温度， （ii）控制与蒸发器出口段乙二醇的温度， （iii）控制与压缩机的吸气压力和（iv）开/ 关控制。通过实验分析，最佳的控制策略是控制方案（ii） ，在传热流体入口温度稳定性，LHTES 的不稳定的能量效率和系统的性能指数（COP）方面都是最佳的。情况（ii）提供了最稳定的 HTF 入口温度，而情况（iv）呈现的是最不稳定的结果。此外，在情况（ii）中观察的能源效率最高（99%） ，火用效率（87.9%）和 COP 是（2.05） 。此外，在
6、案例（i）中达到实验设定值大约 50m,另一方面案例（iii）和案例（iv）在不稳定最初一段时间变成时间大约为25min 的案例（ii） 。所以，变频压缩机应采用案例（ii）控制来稳定乙二醇水溶液的温度和提高系统的效率和 COP。关键词 压缩机 变速 潜热 储能 节能 火用往复式压缩机启动和关闭瞬间的数学模型往复式压缩机启动和关闭瞬间的数学模型摘要 影响能源消耗，噪音水平和压缩机的可靠性的集中现象与压缩机启动与关闭是的瞬态效应有关。本文提出了模拟方法和试验验证的方法分析压缩机的瞬态效应。由于时间尺度与压缩机的热行为的相关性远远高于物理机械，本文为方便起见规定了热平衡条件。结果阀位移，活塞运动，
7、压缩腔的压力和电阻扭矩用来说明此方法的应用，帮助理解影响启动和关闭时的压缩机的性能的物理方面。据观察，吸入和排出阀的动态有很大的影响。此外，该模型估计压缩机启动时的所需的最低电压作为均衡压力和辅助线圈驱动时间的函数。关键词 往复式压缩机 瞬态效应 压缩机模型 轴承 自动阀减少制冷剂充注：紧凑型换热器优化设计的新型设计减少制冷剂充注：紧凑型换热器优化设计的新型设计摘要 对减少制冷剂充注的关注，我们引入了一个新的标准，所谓的生态成本（EC） ，并建立了相关的 HEXs 的优化设计。EC 不仅考虑在 HEX 中熵的产生，而且考虑特殊环境成本值 c 和 c影响的制冷剂充量。EC 的最小化是在给定的热流
8、率或是给定的温差下进行的。结果表明，最佳的设计值取决于器件的寿命和在 EC 中列出的 c/c漏损率。我们建立了 EC 和 TEWI 之间的连接，并且表明最佳的 EC 会引起最佳的 TEWI。我们在处理此文的第二部分时在给定的所有卷下冷热换热器的优化配置或是假定可逆循环时的制冷剂的总质量约束。关键词 制冷剂充量 换热器 设计 优化 环境 熵COCO2 2与自然制冷剂混合工作级联周期的性能与自然制冷剂混合工作级联周期的性能摘要 在本文中，用二氧化碳加上碳氢化合物和二甲醚作为低温工作液的叠式制冷循环的性能进行了分析。调查混合液的属性用来模拟叠式循环中以氨作为高温线路工作液的性能。这项工作的目的是研究
9、使用二氧化碳混合物应用在温度低于三相点温度下的可能性。这项分析基于 csd 的软件发展得出结论。状态方程应用的二元相互作用参数源自文献中的实验数据。结果表明，添加制冷剂 R744 到 HCs，二甲醇降低循环的性能，即使可接受的值总是达到性能指标 COP。R744 和自然制冷剂混合的主要吸引力和它们的GWP,ODP 和可燃性属性比纯流体的低有关。关键词 二氧化碳 烃 级联系统 低温 建模 制冷系统太阳能辅助空调系统的研究提供使用人工神经网络系统的储罐太阳能辅助空调系统的研究提供使用人工神经网络系统的储罐摘要 这项研究提出了太阳能辅助空调系统的性能提供了安装在太阳能研究中心（CIESOL）的两个储
10、罐。系统主要包括太阳能集热器，一个热水驱动吸收式制冷机，冷却塔，两个热储罐，辅助加热器还有两个冷储罐。热储罐电路作进一步调查。在第一步中，我们已经对集成热水箱对太阳能系统的必要性进行了研究。随后，独特的人工神经网络（ANN）模型与最低输出变量提出的主要目的是预测性能系数和吸收式制冷机的冷却能力。发现配置5-9-2（5个输入，9个隐藏，2个输出神经元）是最佳的拓扑结构。结果表明，适当的人工神经网络预测与平均方根误差（RMSE）小于0.70%和几乎空的偏差，这是令人非常满意的。关键词 储热 吸收系统 神经网络1 引言太阳能空调是一个具有巨大增长潜力的新兴市场。夏季用电高峰与太阳辐射的高可用性是相关
11、联的，太阳能辐射为利用太阳能热驱动制冷剂提供了一个极好的机会。对于低功率的冷却系统，商业技术在优先的基础上是可用的。然而，太多的注意力放在其他的应用研究上包括光伏操作制冷循环和太阳能机械制冷（Balaras 等，2006） 。现在一直致力于提高吸收式太阳能制冷系统的主要组成部分，例如，太阳能集热器，吸收式制冷剂和热水储罐。太阳能辅助空调存储的主要目的是克服太阳能电池收益与冷负荷之间的不匹配。最常见的应用是在热驱动制冷设备中的热水缓冲罐的集成。多余的太阳能热可以存储在虚热装置，如果太阳能热不够可以利用储存的能量，它作为缓冲的水罐有恒定的热输入。Kreider and Kreith (1981)已
12、经报道在使用两个热储单元作为一个热储装置，设置两个不同的温度范围情况下该系统能够更有效的运行。(Li and Sumathy,2000, 2001; Henning, 2004).人工神经网络近年来已经被越来越广泛的应用于预测或是提高暖通空调制冷非线性系统的性能(S encan et al., 2006; Wong et al.,2010)。学习能力是人工神经网络的主要特点之一。人工神经网络系统能够建立多个参数同时进行的非线性模型，而且现在广泛应用于预测控制，如太阳能辐射(Lopezet al., 2001, 2005; Bosch et al., 2008)，能源使用的预测，能源优化(Cho
13、w et al., 2002)，数据趋势和最佳启动和停止(Wang, 2001; Chang, 2007)。有几项吸收式制冷机系统性能预测的研究(Lazzarin et al.,1993; Martnez and Pinazo, 2002; Syed et al., 2005; Asdrubali and Grignaffini, 2005; Helm et al., 2009） ，然而很少的基于吸收式制冷机的总的太阳能制冷系统和提供热水储存箱的工作进行。因此这项研究的主要目的是分析热水箱一体化的重要意义，并确定人工神经网络模型能够估计性能系数和控制系统的冷却能力。太阳能辅助空调系统的最终目标
14、是操作的稳定性和高性能系数，并最大限度地利用太阳能热。为达到这个目标，我们需要知道在建设的同时哪种条件下系统更有效。直到现在发现在采集者领域仅靠确定温度信息，储罐和关于系统任何最佳操作点下的建筑物的载荷都利用次控制系统。这是应用人工神经网络模型与不应用该系统的根本不同。另一方面，我们打算估计冷却能力来操作冷储水罐。使用这种储罐我们能够储存过剩的冷水机组的制冷量，当制冷量不能够承担整个建筑的需要时就使用储存冷量（太阳能收益和建筑之间的负载不匹配或交替） 。该系统可以允许吸收式制冷机组在没有需要的情况下工作，提高太阳能的使用，由于低冷量的要求防止冷水机命名法水的比热容4.18Kjkg-1K-1 进
15、入吸收器和冷凝器的温度pCeacT入射辐射强度Wm-2 离开吸收器和冷凝器的温度IlacT环境温度 第一储罐的平均温度ambT1T离开平板集热器的温度 第二储罐的平均温度outT2T集热器质量流率m3h-1 第二储罐上部的温度cm2S发生器的质量流率m3h-1 COP 性能系数gm进入发生器的温度 冷却能力KwegTcoolQ出发生器的温度 蒸发器符合KwlgTevQ蒸发器质量流率m3h-1 传到发生器的热量KwemgenQ进入蒸发器的温度 出蒸发器的温度eeTleT吸收器和冷凝器的质量流率m3h-1acm组突然开启/关闭（开 /关循环） ，允许实现早期冷水机组的启动，所以我们需要的冷却能力的预测值选择最佳的控制系统。使用这种方法我们最大限度的利用太阳能，避免CO2排放到大气中。在这项工作中，我们确定了一种方法，它可以很容易的适应其他系统，主要目的是提高太阳能辅助系统的设计承担测量次数和操作要点以及太阳能热的最大化。我们的研究也降低了监督的成本，因为我们通过人工神经网络系统输入参数的选择避免多余的测量。在目前工作的第一阶段，在没有热水储罐的条件下我们观察系统的行为。为了达到这个系统的目标，系统没有热水集成储罐。其次，对适用于上述系统的太阳能驱动的热水储罐进行深入的调查。最后，我们确定主体范围的人工
