Documento sobre redes neuronales artificiales
4. Red neuronal artificial
El pensamiento humano tiene dos formas básicas diferentes: la lógica y la intuición. El pensamiento lógico se refiere al proceso de razonar según reglas lógicas, primero, convierte la información en conceptos y los representa con símbolos; Luego, el razonamiento lógico se realiza de forma serializada a partir de operaciones simbólicas. Este proceso se puede escribir como instrucciones en serie para que la computadora las ejecute. El pensamiento intuitivo es la síntesis de información distribuida y el resultado son ideas o formas repentinas de resolver problemas. Los puntos fundamentales de esta forma de pensar residen en los dos puntos siguientes: 1. La información se distribuye en la red mediante la excitación de las neuronas; 2. El procesamiento de la información se completa mediante el proceso dinámico de interacciones simultáneas entre neuronas.
Las redes neuronales artificiales son la segunda forma de simular el pensamiento humano. Se trata de un sistema dinámico no lineal caracterizado por el almacenamiento distribuido y el procesamiento colaborativo paralelo de la información. Aunque la estructura de una sola neurona es extremadamente simple y su función es limitada, los comportamientos que puede lograr un sistema de red compuesto por una gran cantidad de neuronas son extremadamente ricos y coloridos.
4.1 Principios de aprendizaje de las redes neuronales artificiales
Las redes neuronales artificiales primero deben aprender de acuerdo con ciertos criterios de aprendizaje antes de que puedan funcionar. Tomando como ejemplo la red neuronal artificial para reconocer las letras escritas a mano "A" y "B", se especifica que "A" genera "1" y "B" genera "0".
Entonces, el principio del aprendizaje en red debería ser: si la red hace un juicio equivocado, la red debería utilizar el aprendizaje en red para reducir la posibilidad de cometer el mismo error la próxima vez. Primero, se asigna un valor aleatorio a cada peso de conexión de la red en el intervalo de (0, 1) y el patrón de imagen correspondiente a "a" se ingresa en la red. La red pondera y agrega los patrones de entrada, los compara con un umbral y luego realiza operaciones no lineales para obtener la salida de la red. En este caso, la probabilidad de que la salida de la red sea "1" y "0" es del 50% respectivamente, lo que significa que es completamente aleatoria. En este momento, si la salida es "1" (el resultado es correcto), el peso de la conexión aumenta para que la red aún pueda hacer un juicio correcto cuando vuelva a encontrar la entrada del modo "A".
Si la salida es "0" (es decir, el resultado es incorrecto), ajuste el peso de la conexión de red en la dirección de reducir el peso de entrada integral, con el objetivo de reducir el riesgo de que la red haga lo mismo. cometa un error la próxima vez que encuentre la posibilidad de entrada en modo "A". Con este ajuste de operación, cuando se ingresan en secuencia varias letras escritas a mano "A" y "B" en la red, y después de aprender varias veces a través de la red de acuerdo con el método de aprendizaje anterior, la precisión del juicio de la red mejorará enormemente. . Esto muestra que la red ha aprendido con éxito estos dos patrones y los ha memorizado en cada peso de conexión de la red. Cuando la red vuelve a encontrar cualquiera de estos patrones, puede realizar juicios e identificaciones rápidas y precisas. En términos generales, cuantas más neuronas contiene una red, más patrones puede recordar y reconocer.
4.2 Ventajas y desventajas de las redes neuronales artificiales
Las redes neuronales artificiales simulan el patrón organizativo de las neuronas cerebrales y tienen algunas características básicas de las funciones del cerebro humano, abriendo un camino para la investigación en inteligencia artificial. . nuevas maneras. Las redes neuronales tienen las siguientes ventajas:
(1) Procesamiento distribuido paralelo
Dado que la disposición de las neuronas en las redes neuronales artificiales no es caótica, a menudo es jerárquica o tiene un orden regular. Las señales dispuestas pueden llegar a las entradas de un grupo de neuronas al mismo tiempo, lo que las hace ideales para la computación paralela. Al mismo tiempo, si consideramos cada neurona como una pequeña unidad de procesamiento, todo el sistema puede ser un sistema informático distribuido, lo que evita problemas anteriores como "conflictos de coincidencia", "explosión de combinación" y "recursión infinita" y logra razonamiento rápido.
(2) Hábitos que se pueden aprender
Las redes neuronales artificiales relativamente pequeñas pueden almacenar una gran cantidad de conocimiento experto, simular entornos reales basados en algoritmos de aprendizaje o utilizar sistemas de guía de muestra (llamados aprendizaje para profesores), o aportes de aprendizaje adaptativo (llamado aprendizaje sin profesores), aprendiendo continuamente de forma automática y mejorando el almacenamiento de conocimientos.
(3) Robustez y tolerancia a fallas
Debido a que una gran cantidad de neuronas y sus interconexiones tienen la capacidad de memoria asociativa y mapeo asociativo, se puede mejorar la tolerancia a fallas de los sistemas expertos. Redes neuronales artificiales La falla o error de una pequeña cantidad de neuronas no afectará seriamente el funcionamiento general del sistema. Y supera el problema del "estrecho nivel de conocimiento" que existe en los sistemas expertos tradicionales.
(4) Capacidad de generalización
La red neuronal artificial es un sistema no lineal a gran escala, que proporciona el potencial para la autoorganización y la colaboración del sistema. Puede aproximarse completamente a relaciones no lineales complejas.
Cuando la entrada cambia ligeramente, la salida puede mantener una brecha bastante pequeña con respecto a la producción producida por la entrada original.
(5) Tiene una representación interna unificada del conocimiento y cualquier regla de conocimiento se puede almacenar en los pesos de conexión de la misma red neuronal a través de instancias de aprendizaje, lo que facilita la organización y gestión de la base de conocimiento y tiene gran versatilidad.
Aunque las redes neuronales artificiales tienen muchas ventajas, basadas en sus mecanismos internos inherentes, las redes neuronales artificiales inevitablemente tienen sus propias debilidades:
(1) El problema más grave es que no pueden explicar su proceso de razonamiento y la base de su razonamiento.
(2) Las redes neuronales no pueden hacer las preguntas necesarias a los usuarios y no pueden funcionar cuando no hay datos suficientes.
(3) Las redes neuronales convierten las características de todos los problemas en números y convierten todo razonamiento en cálculos numéricos. El resultado debe ser una pérdida de información.
(4) Es necesario mejorar aún más la teoría y el algoritmo de aprendizaje de las redes neuronales.
4.3 La tendencia de desarrollo de la red neuronal y su viabilidad en el diagnóstico de fallas del motor diésel
La red neuronal proporciona un nuevo método teórico y un método para el monitoreo de condición y el diagnóstico de fallas de sistemas grandes y complejos modernos. Medios técnicos de implementación. El sistema experto de red neuronal es un nuevo tipo de sistema de expresión de conocimiento, que es diferente del modelo lógico de alto nivel de los sistemas expertos tradicionales. Es un modelo numérico de bajo nivel y el procesamiento de la información se realiza mediante la interacción entre una gran cantidad de elementos de procesamiento simples (nodos). Debido a su modelo de retención de información distribuida, proporciona una nueva forma para que los sistemas expertos adquieran, expresen y razonen conocimientos. Combina el razonamiento lógico con operaciones numéricas y utiliza la función de aprendizaje, la función de memoria asociativa y la función de procesamiento de información paralela distribuida de las redes neuronales para resolver los problemas de representación, adquisición y razonamiento paralelo de conocimientos inciertos en sistemas de diagnóstico. A través del aprendizaje de muestras de experiencia, el conocimiento experto se almacena en la red en forma de pesos y umbrales, y la retención de información de la red se utiliza para completar un razonamiento de diagnóstico impreciso, que simula mejor el razonamiento del experto basado en la experiencia y la intuición en lugar de proceso de cálculos complejos.
Sin embargo, esta tecnología es un campo de aplicaciones cruzadas de conocimiento multidisciplinario y es un tema inmaduro. Por un lado, los fallos de los equipos son bastante complejos; por otro, las propias redes neuronales artificiales todavía tienen muchas deficiencias:
(1) Limitadas por los resultados de las investigaciones existentes en la ciencia del cerebro. Debido a la dificultad de los experimentos fisiológicos, la comprensión de los mecanismos de pensamiento y memoria del cerebro humano es todavía superficial.
(2) Aún no se ha establecido un sistema teórico completo y maduro. Actualmente se han propuesto muchos modelos de redes neuronales artificiales. En resumen, estos modelos son generalmente redes topológicas dirigidas compuestas por nodos y sus interconexiones. La matriz compuesta por las fortalezas de interconexión entre nodos se puede establecer mediante una determinada estrategia de aprendizaje. Pero este * * * por sí solo no es suficiente para formar un sistema completo. La mayoría de estas estrategias de aprendizaje están fragmentadas y no pueden unificarse dentro de un marco completo.
(3) Tiene un fuerte color estratégico. Esta es una consecuencia natural de resolver algunas aplicaciones sin el apoyo de una teoría subyacente unificada.
(4) La interfaz con la tecnología informática tradicional es inmadura. La tecnología de redes neuronales artificiales nunca puede reemplazar completamente la tecnología informática tradicional, solo puede complementarla en algunos aspectos. Por lo tanto, es necesario resolver aún más el problema de la interfaz con la tecnología informática tradicional para lograr su propio desarrollo.
Aunque existen muchas deficiencias en las redes neuronales artificiales en la actualidad, la tecnología de diagnóstico inteligente de fallas que combina redes neuronales con sistemas expertos tradicionales seguirá siendo el foco de futuras investigaciones y aplicaciones. Maximiza lo mejor de ambos mundos. Las redes neuronales son buenas para los cálculos numéricos y son adecuadas para el razonamiento empírico superficial. Los sistemas expertos se caracterizan por el razonamiento simbólico y son adecuados para el razonamiento lógico profundo. El funcionamiento paralelo de sistemas inteligentes no solo amplía el alcance del monitoreo de condiciones y el diagnóstico de fallas, sino que también cumple con los requisitos en tiempo real de la monitorización de condiciones y el diagnóstico de fallas. Hace hincapié tanto en el razonamiento simbólico como en el cálculo numérico, por lo que puede adaptarse a las características básicas y tendencias de desarrollo de los sistemas de diagnóstico de fallas actuales. Con el continuo desarrollo y mejora de las redes neuronales artificiales, se utilizará ampliamente en el diagnóstico inteligente de fallas.
Con base en las ventajas y desventajas anteriores de las redes neuronales, una tendencia de investigación es combinar las redes neuronales con los sistemas expertos tradicionales para establecer el llamado sistema experto de redes neuronales. El análisis teórico y la práctica de aplicación muestran que el sistema experto de redes neuronales combina las ventajas de ambos y ha sido investigado y aplicado más ampliamente.
La estructura y principio de funcionamiento de un compresor de refrigeración centrífugo es muy similar a un soplador centrífugo. Sin embargo, su principio de funcionamiento es esencialmente diferente al de un compresor de pistón.
No aumenta la presión del vapor reduciendo el volumen del cilindro, sino que depende de cambios en la energía cinética. Un compresor centrífugo tiene un impulsor con palas. Cuando la rueda de trabajo gira, las palas impulsan el vapor para que se mueva o obtengan energía cinética del vapor y luego convierten parte de la energía cinética en energía de presión para aumentar la presión del vapor. Este tipo de compresor se llama compresor centrífugo porque aspira continuamente vapor de refrigerante y lo expulsa radialmente durante el funcionamiento. Entre ellos, según la cantidad de ruedas de trabajo instaladas en el compresor, se divide en tipo de etapa única y tipo de etapa múltiple. Si solo hay una rueda de trabajo, se llama compresor centrífugo de una sola etapa; si consta de varias ruedas de trabajo conectadas en serie, se llama compresor centrífugo de múltiples etapas. En los acondicionadores de aire, debido a que hay menos presurización, generalmente son de una sola etapa. La mayoría de los compresores de refrigeración centrífugos utilizados en otras aplicaciones son de varias etapas. La estructura de un compresor de refrigeración centrífugo de una sola etapa consta principalmente de una rueda de trabajo, un difusor y una voluta. Cuando el compresor está funcionando, el vapor de refrigerante ingresa axialmente a la cámara de succión desde el puerto de succión y el vapor de refrigerante del evaporador (o intercooler) se guía uniformemente hacia la rueda de trabajo giratoria de alta velocidad bajo el efecto de división de la cámara de succión. 3 (La rueda de trabajo también se llama impulsor y es un componente importante del compresor de refrigeración centrífugo, porque solo la rueda de trabajo puede transferir energía al vapor). Bajo la acción de las palas, el vapor gira a alta velocidad a medida que gira la potencia. Al mismo tiempo, debido a la acción de la fuerza centrífuga, fluye en los canales de las palas, lo que aumenta la presión y la velocidad del vapor. El vapor que sale de la rueda de trabajo ingresa al difusor 4 con un área de sección transversal que se expande gradualmente (debido a que el vapor sale de la rueda de trabajo con un caudal alto, el difusor convierte parcialmente la energía cinética en energía de presión, aumentando así la presión). del vapor). A medida que el vapor fluye a través del difusor, la velocidad disminuye y la presión aumenta aún más. El vapor que pasa a través del difusor se recoge en la voluta y luego se dirige a través del puerto de escape al intercooler o condensador.
2. Características y características de los compresores frigoríficos centrífugos
Comparados con los compresores frigoríficos de pistón, los compresores frigoríficos centrífugos presentan las siguientes ventajas:
(1) Una sola máquina Tiene una gran capacidad de enfriamiento. Cuando la capacidad de enfriamiento es la misma, el volumen es pequeño, el espacio del piso es pequeño y el peso es de 5 a 8 veces más liviano que el pistón.
(2) Dado que no hay piezas de desgaste como válvulas de vapor y anillos de pistón, y no hay mecanismo de biela de manivela, tiene las ventajas de un funcionamiento confiable, funcionamiento suave, bajo nivel de ruido y funcionamiento simple. y bajos costos de mantenimiento.
(3) No hay fricción entre la rueda de trabajo y la carcasa y no se requiere lubricación. Por lo tanto, el vapor del refrigerante no entra en contacto con el aceite lubricante, mejorando así el rendimiento de transferencia de calor del evaporador y el condensador.
(4) El ajuste de la capacidad de refrigeración es económico y conveniente, con un amplio rango de ajuste.
(5) Poca adaptabilidad a los refrigerantes. Un compresor de refrigeración centrífugo de una determinada estructura sólo puede adaptarse a un refrigerante.
(6) Debido a que es adecuado para refrigerantes con pesos moleculares relativamente grandes, solo es adecuado para aquellos con gran capacidad de refrigeración, generalmente por encima de 250 000 ~ 300 000 kcal/hora. Si la capacidad de refrigeración es demasiado pequeña, se requiere que el caudal sea pequeño, el canal de flujo es estrecho, la resistencia al flujo es alta y la eficiencia es baja. Sin embargo, después de mejoras continuas en los últimos años, la capacidad de enfriamiento de un solo compresor de refrigeración centrífugo para aire acondicionado puede ser tan pequeña como 654,38+ millones de kcal/hora.
Relación entre la temperatura de refrigeración y condensación y la temperatura de evaporación.
Según la física, el cambio en el momento de impulso de un cuerpo en rotación es igual al momento externo, entonces
T=m(C2UR2-C1UR1)
Multiplica la velocidad angular ω en ambos lados, obtienes
Tω=m(C2UωR2-C1UωR1)
En otras palabras, la fuerza externa n sobre el eje principal es:
N=m(U2C2U-U1C1U)
Divida ambos lados de la fórmula anterior por m para obtener el trabajo realizado por el impulsor sobre la unidad de masa de vapor refrigerante, que es la altura de energía teórica. del impulsor. U2 C2
ω2c 2 ur 1r 2ω1c 1u 1c2rβ Las características del compresor de refrigeración centrífugo se refieren a la relación entre la altura de energía teórica y el caudal, que también se puede expresar como capacidad de enfriamiento.
w = U2C2U-u 1c 1U≈U2C2U
(Porque importó C1U≈0)
C2U = U2-C2RCTGβC2R = Vυ1/(A2υ2)
Entonces tenemos
W= U22(1-
Vυ1
ctgβ)
2 2U2
En la fórmula: v es el caudal volumétrico de vapor aspirado por el impulsor (m3/s)
υ 65438+υ 2 - son los volúmenes específicos de vapor en la entrada y salida del el impulsor (m3/kg) respectivamente.
A2, U2: el área de salida (m2) y la velocidad periférica (m/s) del borde exterior del impulsor.
Ángulo de instalación de la pala β
Se puede ver en la fórmula anterior que la altura de energía teórica W está relacionada con la estructura del compresor, la velocidad de rotación, la temperatura de condensación, la temperatura de evaporación y la Caudal volumétrico del vapor de succión del impulsor. Para un compresor con una determinada estructura y una determinada velocidad, U2, A2 y β son todos constantes, por lo que la carga de energía teórica W solo está relacionada con el caudal V, la temperatura de evaporación y la temperatura de condensación.
Según las características del compresor de refrigeración centrífugo, se debe utilizar un refrigerante con un peso molecular relativamente grande. Los refrigerantes que se utilizan actualmente en los refrigeradores centrífugos incluyen F-11, F-12, F-22, F-113 y F-110. En la actualidad, los compresores centrífugos más utilizados para aire acondicionado doméstico son los F-11 y F-12. Los compresores de refrigeración centrífugos suelen elegirse cuando la temperatura de evaporación no es demasiado baja y la capacidad de refrigeración es grande. Además, en la industria petroquímica, los compresores frigoríficos centrífugos utilizan propileno y etileno como refrigerantes, y sólo los compresores centrífugos con una capacidad de refrigeración especialmente grande utilizan amoníaco como refrigerante.
3. Ajuste del compresor de refrigeración centrífugo
El compresor de refrigeración centrífugo y otros equipos de refrigeración constituyen un sistema unificado de suministro y consumo de energía. Cuando la unidad de refrigeración está funcionando, solo cuando el flujo de refrigerante a través del compresor es igual al flujo de refrigerante a través del equipo y la brecha de energía generada por el compresor es compatible con la resistencia del equipo de refrigeración, las condiciones de funcionamiento del sistema de refrigeración pueden cambiar. el sistema permanezca estable. Sin embargo, la carga de un refrigerador siempre cambia según las condiciones externas y el uso de la capacidad de enfriamiento por parte del usuario. Por lo tanto, para satisfacer las necesidades de los usuarios en cuanto a cambios de carga de enfriamiento y operación segura y económica, la unidad de refrigeración debe ajustarse de acuerdo con los cambios externos. El ajuste de la capacidad de enfriamiento de la unidad de refrigeración centrífuga incluye: cambiar la velocidad del compresor 1; usar una paleta guía de entrada giratoria; 3 cambiar la entrada de agua del condensador 4, estrangular la entrada de aire, etc., entre los cuales se encuentra el más comúnmente utilizado; la guía de entrada de aire giratoria. Ajuste de la hoja y ajuste del acelerador de admisión. El llamado ajuste de la paleta guía de entrada giratoria consiste en girar la paleta guía en la entrada del compresor, lo que hace que el vapor que ingresa al impulsor genere un flujo de remolino y cambie la energía cinética aumentada de la rueda de trabajo para ajustar la capacidad de enfriamiento. El llamado ajuste de estrangulación del vapor de entrada consiste en instalar una válvula reguladora en el tubo de entrada de vapor frente al compresor. Si desea cambiar las condiciones de trabajo del compresor, ajuste el tamaño de la válvula para reducir la presión en la entrada del compresor mediante estrangulación, ajustando así la capacidad de enfriamiento. La forma más económica y efectiva de ajustar la capacidad de enfriamiento de un compresor centrífugo es cambiar el ángulo de la paleta guía de entrada, cambiando así la dirección de la velocidad (C1U) y el caudal V del vapor que ingresa al impulsor. Sin embargo, el caudal V debe controlarse dentro de un rango operativo estable para evitar una disminución de la eficiencia.