摘要
以R410A为例,通过建立合适的BP神经网络模型,对制冷剂特性进行有监督学习,通过对R410A制冷剂在-60℃~150℃范围内的6073组数据进行10000次迭代,得到温度、压力与焓值的关系。与相关专业软件的计算结果进行对比,最大误差仅为1.79%,而根据相关文献中提及的方法,仅在-40℃~60℃范围内的过热气态的计算偏差就已经达到了4%。可见,通过神经网络对制冷剂性质的学习,不仅使精度大大提高,而且适用范围也大大扩展。
出处
《内蒙古科技与经济》
2019年第9期82-83,85,共3页
Inner Mongolia Science Technology & Economy
