本文以热泵蓄冷机组为研究对象，从实验测试的角度建立了故障症状模型。用BP神经网络对热泵机组进行故障诊断，并用Matlab进行仿真，仿真结果表明，基于BP神经网络的热泵机组故障诊断可以通过BP神经网络实现。BP的神经网络上简单有效。气源热泵系统中的故障通常分为硬缺陷和轻缺陷。缺陷易于检测和评估，因此可以及时消除。到系统性能下降，直到舒适性受到影响为止，通常都很难检测到光故障，这会引起用户的注意并导致不必要的大量能量损失。此，有必要实时监测热泵冷库的运行状态，以加强对热泵冷库的渐进式缺陷的检测。迅速诊断出光缺陷的位置和位置，调查光缺陷的原因，及时消除故障，减少能量损失。而，热泵存储系统较为复杂，难以建立其数学模型，神经网络的出现为这些系统的故障诊断提供了新的解决方案。
章中使用BP网络进行故障诊断。BP神经网络采用误差传播算法：首先，使用训练样本来驱动网络。经元的激活值逐层传播，然后由隐藏层从一层传播到另一层。素获取输出响应。
后，为了减小实际输出与目标输出之间的均方误差，对均方误差进行反向传播，并逐层校正每个权重和连接阈值，然后将其返回到输入层。
出层通过每个屏蔽层。着这种校正的继续，实际网络输出与目标输出之间的误差变得越来越小。
旦获得适当的网络连接值，就可以对新样本进行非线性成像。用神经网络进行错误诊断的过程如下：首先，为了获得所需的诊断网络，我们使用许多训练样本集来形成一组“症状”数据。障“以驱动神经网络；第二步是使用测试样本集。
为诊断当前诊断网络的输入，此过程涉及将神经网络用于下游计算。一步是从网络捕获样本数据和目标输出。于热泵的冷库，入口为高压p1，冷凝器价格低压p2，冷凝温度p3，蒸发温度p4，吸入过热温度p5，液体的过冷温度p6，冷凝器价格排气温度p7和冷凝器出口温度差p88输出无故障F1，制冷剂泄漏F2，压缩机排气阀泄漏F3，液管F4堵塞，冷凝器F5堵塞蒸发器F6结垢。1显示了输入样本数据。2显示了这五个故障的预期输出值。二步是确定网络结构。1显示数据样本具有八个特征向量，因此神经网络的输入层节点数为n =8。2指示数据网络中存在六种错误类型。据示例，因此网络输出层节点的数量等于8。
=6。后根据经验公式h = a确定隐藏层的节点数量。中a = 9.26（a是[1，10]之间的常数），因此h =13。
终确定了BP神经网络的结构如下：8-13-6。0.001上定义目标输出与实际输出之间的误差的平方和，在tansig上定义隐式层传递函数，在logsig上定义输出层传递函数，在traingda上学习函数，目标精度为0.001，最大训练周期为1000。三步是形成神经网络。
1的样本数据和表2的目标输出值用于形成第二步确定的BP神经网络，净重w1ij和隐层的阈值b1i以及隐层的权重获得w2ki网络和输出层的阈值。B2K。四步是测试网络并分析结果。
了测试BP神经网络的故障诊断能力和准确性，将一组测试样本数据输入到在MATLAB7.6环境中形成的BP神经网络中，并对网络进行仿真。1是BP神经网络测试样本的网络训练图。BP的神经网络用于诊断热泵冷库的故障，大大简化了故障诊断方法：该网络具有良好的容错性和稳定性，而提供令人满意的结果。
本文转载自
冷凝器价格 http://www.china-iceage.com