未來(lái)十年除濕機模型系統新型走向

未來(lái)十年除濕機模型系統新型走向

　　未來(lái)十年除濕機模型系統新型走向

　　1、神經(jīng)網(wǎng)絡(luò )算法原理人工神經(jīng)網(wǎng)絡(luò )（ArtificialNeuralNetworks）模型，簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò )，是由大量與自然神經(jīng)系統細胞類(lèi)似的人工神經(jīng)元互聯(lián)而成的網(wǎng)絡(luò )，大量的神經(jīng)元組成龐大的神經(jīng)網(wǎng)絡(luò )，實(shí)現對復雜信息的處理與儲存，并表現出各種優(yōu)越的特性。為模擬生物神經(jīng)元，一個(gè)簡(jiǎn)化的人工神經(jīng)元結構如所示。1）式中，（1，2，，）jxjn=是從其他細胞傳來(lái)的輸入信號；iθ為閥值；ijw表示從細胞j到細胞I的連接權值；（f）

　　為傳遞函數。傳遞函數可為非線(xiàn)性函數，或具有任意階導數的非線(xiàn)性函數。常用的傳遞函數有階躍函數、Sigmoid型函數和高斯型函數。

　　根據連接方式，神經(jīng)網(wǎng)絡(luò )常分成兩大類(lèi)：沒(méi)有反饋的向前神經(jīng)網(wǎng)絡(luò )和相互結合型網(wǎng)絡(luò )，我們最常用的一種向前神經(jīng)網(wǎng)絡(luò )是BP神經(jīng)網(wǎng)絡(luò )（BackpropugationNeuralNetwork），該神經(jīng)網(wǎng)絡(luò )是單向傳播的多層向前神經(jīng)網(wǎng)絡(luò )，其結構如圖2所示。網(wǎng)絡(luò )除輸入輸出節點(diǎn)外，有一層或多層隱含節點(diǎn)，同層節點(diǎn)間沒(méi)有任何連接。輸入信號（1，2，，）jxjn=加載到網(wǎng)絡(luò )上后，輸入的信號從輸入層經(jīng)隱含層單元逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元狀態(tài)。在輸出層信號與期望值進(jìn)行比較，如果存在誤差，則將誤差沿原來(lái)連接路徑返回，通過(guò)修改層間各節點(diǎn)的連接權值，使誤差信號減少直到預先規定的范圍。

　　在網(wǎng)絡(luò )運行開(kāi)始時(shí)，與中間層每個(gè)處理單元相連的權值都要賦以不同的值。這些權值可能是隨機產(chǎn)生的，也可能是已存好的訓練產(chǎn)生的數據。即使所有中間處理層的處理元件的傳遞函數和它們的輸入信號是完全相同的，每一個(gè)處理元件在不同初始權值作用下也將產(chǎn)生不同的輸出，輸出后產(chǎn)生神經(jīng)網(wǎng)絡(luò )的輸出信號（1，2，，）iyin=。x12xnmy21y輸入層隱含層輸出層

　　預先設定若干組輸入和輸出值，對整個(gè)網(wǎng)絡(luò )節點(diǎn)的權值進(jìn)行初始化，當網(wǎng)絡(luò )運行后，對應每一組輸入，均有相應的輸出，這些輸入、輸出值之間的規律是符合指導學(xué)習值規律的。不斷地對這種BP網(wǎng)絡(luò )進(jìn)行訓練、指導學(xué)習，使網(wǎng)絡(luò )節點(diǎn)的權值調整到更接近于實(shí)際規律，從而每一組輸入所對應的輸出也更符合實(shí)際。另外，提高隱節點(diǎn)數目或層數可以提高網(wǎng)絡(luò )計算的精度?？傊?，樣本數據越多，隱節點(diǎn)層數和每層節點(diǎn)數越合理，網(wǎng)絡(luò )計算的精度就越高。

　　2、除濕機負荷的神經(jīng)網(wǎng)絡(luò )模型實(shí)際工程設計中影響除濕機負荷的因數有很多，對于任意一個(gè)負荷計算的房間來(lái)說(shuō)，有房間用途、房間溫度，房間相對濕度，房屋面積，房屋相對濕度等等，而對于設計人員來(lái)說(shuō)，最后要得到的最基本數據只有三個(gè)，房間冷負荷，房間熱負荷和房間濕負荷。根據這些輸入輸出參數的特點(diǎn)建立的BP神經(jīng)網(wǎng)絡(luò )結構如所示。

　　在所示除濕機負荷BP神經(jīng)網(wǎng)絡(luò )中，設計了一個(gè)輸入層、一個(gè)輸出層和兩個(gè)隱含層，每層節點(diǎn)數可以根據實(shí)際情況選定。用戶(hù)在輸入層輸入需要的參數以后，網(wǎng)絡(luò )的隱層自動(dòng)根據它對樣本數據總結出的規律和函數關(guān)系式產(chǎn)生一定的輸出。這個(gè)過(guò)程并不是對樣本數據進(jìn)行簡(jiǎn)單的插值運算或擬合運算，也不是得到一組微分方程后進(jìn)行的解析運算，它是一種類(lèi)似大腦思維的復雜過(guò)程的智能運算。隱層的功能就是這個(gè)運算過(guò)程，只是這個(gè)運算過(guò)程是由計算機通過(guò)神經(jīng)網(wǎng)絡(luò )自動(dòng)完成的，不是編程人員預先設置的算法規則。

　　除濕機負荷神經(jīng)網(wǎng)絡(luò )要完成非常復雜的計算過(guò)程，網(wǎng)絡(luò )中各層節點(diǎn)的權值是非常重要的，但這些權值是通過(guò)學(xué)習訓練才能確定。為了進(jìn)行學(xué)習訓練，需要采集大量樣本數據，然后通過(guò)學(xué)習訓練，神經(jīng)網(wǎng)絡(luò )自動(dòng)總結出了輸入與輸出數據之間的某種復雜關(guān)系，并將這種關(guān)系用權值表示出來(lái)，這樣，輸入與輸出樣本數據之間的復雜關(guān)系就能應用于非樣本數據了，此時(shí)，除濕機負荷神經(jīng)計算BP網(wǎng)絡(luò )就真正建立起來(lái)。由此可見(jiàn)，神經(jīng)網(wǎng)絡(luò )舍棄了線(xiàn)性系統和傳遞函數的概念，強調從實(shí)際中總結經(jīng)驗。對于暖通除濕機設計人員來(lái)說(shuō)，是一種全新的方法。這種方法放棄了種種復雜的微分方程、計算公式、主觀(guān)因素等，它本身的原理盡管非常復雜，但經(jīng)過(guò)大量實(shí)踐論證是正確的。

　　以上的網(wǎng)絡(luò )模型和學(xué)習訓練方法可以同過(guò)Matlab6.x軟件的神經(jīng)網(wǎng)絡(luò )工具箱實(shí)現。

　　3、除濕機負荷的神經(jīng)網(wǎng)絡(luò )模型的輸入輸出參數選擇與采集根據神經(jīng)網(wǎng)絡(luò )的特點(diǎn)，除濕機負荷神經(jīng)計算網(wǎng)絡(luò )中的輸入參數是用戶(hù)可以很方便地確定、不帶主觀(guān)因素的實(shí)際值，這樣就不必像傳統的計算方法那樣要求輸入包括一時(shí)無(wú)法確定的各種參數，如窗墻的結構、面積等。同樣，除濕機負荷神經(jīng)計算網(wǎng)絡(luò )中的輸出參數應該是容易測量的客觀(guān)參數，在房間設計負荷計算網(wǎng)絡(luò )中，只適宜以最終的能直接用來(lái)選擇冷凍機組、風(fēng)機盤(pán)管等設備的負荷容量作為輸出參數。通常，結構或參數上略有差別的大樓所選設備的容量可能是一樣的，同樣，即使同一類(lèi)房間的圍護結構有某些差別，所得到的除濕機設計負荷可能是相同的。因此，上述房間負荷計算網(wǎng)絡(luò )中的輸入參數中沒(méi)有提到圍護結構材料等，事實(shí)上，這些參數在方案設計階段是無(wú)法準確得到的，即使設計時(shí)準確定義為某一類(lèi)圍護結構，在施工過(guò)程中也可能會(huì )由于各種原因而改變其導熱特性。理論上，這是不正確的，但在工程上是允許的，它能夠滿(mǎn)足工程設計要求。神經(jīng)網(wǎng)絡(luò )并不是萬(wàn)能的，除濕機負荷神經(jīng)計算法也不能解決除濕機負荷計算中的所有問(wèn)題，但它作為一種新思路解決工程設計中的實(shí)際問(wèn)題是完全可行的。

　　除濕機負荷神經(jīng)計算網(wǎng)絡(luò )中輸入輸出樣本數據的采集是一項重要而艱巨的任務(wù)。如圖3所示的神經(jīng)網(wǎng)絡(luò )的樣本一般都是成千上萬(wàn)的。通?？梢酝ㄟ^(guò)實(shí)測獲取樣本數據。對建筑物的室內外參數進(jìn)行現場(chǎng)實(shí)測，得到各除濕機房間的溫度、相對濕度、人員密度、房間和圍護結構的幾何尺寸及室外氣象資料等輸入參數；同時(shí)，相應于各組輸入參數，測量各房間的送風(fēng)量并計算出實(shí)際運行所需要的設備負荷，或者直接測量冷熱源機組、除濕機機組（風(fēng)機盤(pán)管）等設備的容量得到相應的設計負荷等輸出參數。也可以從各大設計院提取除濕機設計原始資料和負荷計算結果，并根據工程建成后使用者的反應的好壞來(lái)取舍某些數據，必要時(shí)到現場(chǎng)實(shí)測一些數。

　　4、結論除濕機負荷神經(jīng)網(wǎng)絡(luò )模型算法是一種全新的除濕機負荷計算方法，在理論上是可行的，并克服了傳統計算方法的缺陷，優(yōu)勢明顯。其主要優(yōu)勢是：當房間和建筑物參數無(wú)法獲得或確定時(shí)，傳統計算方法就無(wú)法處理或處理不合理，而神經(jīng)網(wǎng)絡(luò )模型算法則可以忽略掉這些參數，得到一個(gè)與實(shí)際非常接近的滿(mǎn)足工程設計要求的最終結果，從而指導工程設計；輸入參數與輸出參數相對應，計算過(guò)程簡(jiǎn)單，使用方便。除濕機負荷神經(jīng)計算法也有它的局限性，主要表現在輸入輸出參數太多時(shí)，大樣本數據采集比較困難，因此不宜用來(lái)計算動(dòng)態(tài)負荷。而且這種方法引的計算精度也不是百分之百，實(shí)際情況也會(huì )有一定的偏差。，盡管如此，除濕機負荷神經(jīng)計算法的精度仍然要高于傳統的除濕機負荷計算方法，而且它本身有一套學(xué)習訓練過(guò)程，可以將計算精度不斷提高。