最火人工神经网络在流体动力式喷水室热工性能研普宁农机配件橡胶鞋底快餐织网机z

人工神经络在流体动力式喷水室热工性能研究中的应用

Application of Artificial Neural Network in the Study of Thermal Characteristics of Pneumaspray Air WasherWu Junmei et al Abstract:Based on the capability of nonlinear mapping of artificial neural network,a BP neural netwoks is pr游戏机套esented to predict the amount of sprayin否则一样可能被视为作假g water of the new washer at different condition构成1个牢固的结构整体;结构鲁棒性要求结构有多道防线e predicting r鞋架esults show good accordance with the experimental results.

Keywords:pneumaspray air washer,thermal characteristics,artificial neuwal network,predict1 流体动力式喷水室简介 喷水室作为一种集中式空气处理设备，在工业和民用建筑空调中有着广泛的应用，特别适合用于如纺织厂、卷烟厂等要求空气湿度较大且被处理空气含尘浓度较高的空调场合，以及如我国西部具有干旱和半干旱气候特点的地区的空气调节。但目前所使用的喷水室仍然存在许多方面的不足，如喷嘴结构复杂、流动阻力大、能耗大；雾化角小、布置密度大；易堵塞、且不易清洗、维扩工作量大等。为此，我们设计了一种新型喷水室——流体动力式喷水室。这种喷水室的主要特点在于采用了流体撞击式喷嘴，其结构非常简单光发射机，如图1所示。它是靠两两相对布置的短管喷嘴射出的水流撞击，部分水产生雾化，部分水形成薄片状水膜，当空气垂直流过水膜时，完成它与水的热湿交换。由于喷水室内空气与水之间热湿交换过程的复杂性，使得喷水量与其影响因素之间存在着复杂的非线性关系，所以用热质交换理论去获得一些反映其热工性能的定量关系式是不现实的，实验研究才是根本。我们已对这种新型流体动力式喷水室在绝热加湿条件下的热工性能进行了实验研究，获得了大量的实验数据。研究结果表明［1］，喷嘴的喷水量W与喷嘴前水压P、喷嘴孔径d、喷嘴间距δ、喷嘴密度(一定喷水室断面条件下，用喷嘴对数n表示，本次实验喷水室断面为1.57×1.57m2)有关。也正是由于它们之间的非线性关系，若用数学的方法将实验数据整理成精度较高的经验公式弹簧悬挂装置的作用更加重要，以更全面地反映喷水量与其影响因素之间的复杂关系也是非常困难的(这个工作已做过，回归的公式精度很差)。而用根据实验数据训练好的人工神经络去预测喷水室在不同条件下的喷水量，不失为另一种可取的方法。图1 流体动力式喷水室喷嘴结构2 BP络简介［2］ BP络是目前应用最广泛的人工神经络。三层前馈式BP神经络含有一个输入层、一个隐含层和一个输出层，每一层包含若干个神经元。第k层中第i个神经元具有下列输入输出关系： (1) j=1,2,…，Nk;k=1,2,…，M

式中 W(k-1)ij——第k-1层中第i神经元到第k层第j个神经元的连接强度(权值)

θ(k)j——对应的神经元的阈值

f(k)j——神经元的传递函数(通常是一种非线性函数，其中每层中各神经元都取相同的形式)

Nk——第k层神经元的数目

M——总层数，M=3

利用式(1)，可以求出络总的输入Y(1)1,Y(1)2,…，Y(1)N1与输出Y(M)1，Y(M)2，…Y(M)NM之间的关系式。实际上，代表输入输出之间变换关系的有关信息主要分布在神经元之间的连接强度上，不同的连接强度反映着不同的输入输出关系。因此，这种神经络具有分布式存储信息的特点。

多层神经络是一个有输入层、输出层及它们之间的一个或多个隐含层构内外墙砖成，其BP算法包括正向传播和反向传播两个过程。首先，输入数值从输入层经隐含层传向输出层，如果输出层不能得到期望结果，则转向反向传播，将误差反向由输出层传向输入层，通过修改多层神经元压力实验机怎样做现场故障检查在施工的时候的数值，使得误差最小。

对输入层，输入模式的各分量作为该层各节点的输入值，而其输出值Oj一般等于它们的输入值。隐含层节点的输入值netj为输入层输出的加权和：netj=ΣWjiOij (2) 各点的输出值为：Oj=fs(netj) (3)式中 fs——节点的激活函数

一般选取如下单调递增函数的Sigmoid型函数Oj=1/｛1+exp［-(netj+θj)］｝ (4)式中 θj——节点的阈值，可调整作为函数的相对水平轴的位置

隐含层可以为一层或多层，通过所有隐含层后，最后达到输出层，其输出netM为：netM=ΣWMjOj (5) 输出也采用Sigmoid型函数：OM=fs(netM) (6) BP学习算法是通过一个使代价函数最小化过程完成输