[发明专利]一种工业多相流过程参数学习与优化的方法

说明书

本发明涉及空调技术领域,公开了一种工业多相流过程参数学习与优化的方法，S1:建立CFD模型，应用CFD模拟软件，采用六面体网格划分网格，对CFD模型进行模拟；S2：采用云图对室内热舒适性指标PMV、PPD与空气龄的分布进行分析；A1：建立PSO目标函数，采用分层序列法与宽容分层序列法来对目标函数进行求解；A2：优化PSO算法，通过跟踪群体的2个极值：粒子本身找到的最优解和群体找到的最优解来动态调整自己的位置和速度，完成对问题的优化，根据多球交汇方法确定空调位置，修改室内空调送风口的布局和空调控制参数，使室内大部分工作人员获得满意的舒适度。

技术领域

本发明涉及空调技术领域，尤其涉及一种工业多相流过程参数学习与优化的方法。

背景技术

空调即空气调节器(room air conditioner)，调节温度、湿度、挂式空调是一种用于给空间区域(一般为密闭)提供处理空气温度变化的机组。它的功能是对该房间(或封闭空间、区域)内空气的温度、湿度、洁净度和空气流速等参数进行调节，以满足人体舒适或工艺过程的要求。

对于办公场所，室内热舒适性环境和空气质量直接影响着人们的工作状态，而达到更好的室内环境状态对于提高工作效率是很有必要的。在办公场所，很难通过简单观察来获取空调使用过程或者结果的有效信息。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种工业多相流过程参数学习与优化的方法。

为了实现上述目的，本发明采用了如下技术方案：

一种工业多相流过程参数学习的方法，包括以下步骤：

S1:建立CFD模型，应用CFD模拟软件，采用六面体网格划分网格，对CFD模型进行模拟；

采用云图对室内热舒适性指标PMV、PPD与空气龄的分布进行分析；

S2：建立ANFIS网格模型，采用ANFIS，网络结构为3层，即输入层、隐含层和输出层,输出数据为室内的PMV、PPD和空气龄；确定第一个隐含层神经元为10个,第二个隐含层为32个，用1000组输入、输出数据训练神经网络,并用300组测试数据来测试已经训练好的网络；

设输入向量x＝[x₁,x₂,···x_n]^T，每个分量x_i，均为模糊语言变量，并设T(x_i)＝{A_i¹,A_i²,···A_imi}(i＝1,2,···n)。

优选的，CFD模型实验室的尺寸为8.2m×5.4m×3.8m，室内放置了14张办公桌，桌前均坐着一个人：1.73m×0.3m×0.2m，58.2W/m²。

优选的，CFD模型实验室有一扇窗户，尺寸为4.4m×1.5m，壁面均是绝热面室内还有一个文件柜，尺寸为：1.8m×0.4m×3.5m。

一种工业多相流过程参数学习优化的方法，包括以下步骤：

A1：建立PSO目标函数，采用分层序列法与宽容分层序列法来对目标函数进行求解；

A2：优化PSO算法，通过跟踪群体的2个极值：粒子本身找到的最优解和群体找到的最优解来动态调整自己的位置和速度，完成对问题的优化。

优选的，分层序列法的主题思想是先将多目标函数按照重要程度进行排序，然后依次求得各个单目标函数的最优解。

优选的，宽容分层序列法为保证下一次求解过程中可行解的存在，采用一个宽容值来拓宽可行域，即在前一次求得的最优解附近的某一范围内进行搜索。