铁路客车空调研究领域急需引入人工神经网络

介绍了铁路客车车内环境控制的现状,并以综合管理控制车内环境品质为目的,指出了铁路客车空调实时控制的方式和实现方法。

简要介绍了人工神经网络的结构及特点,并且详细论述了神经网络在中央空调水系统、风系统、制冷系统、负荷预测、系统的仿真设计和建筑运行能耗评价等方面的应用概况,指出了神经网络在空调领域今后的发展方向.

针对当前乘员舱温度(特别是前后排)难以准确测量的现状,提出一种基于人工神经网络算法的乘员舱温度模型。该模型集成于空调控制器内,作为空调系统的输入值及温度反馈值,能够更加及时、准确地调节乘员舱温度。

针对目前我国铁路客车空调的现状,分析了影响旅客健康、环境保护、节能等几个方面存在的问题,并就这些问题提出了相应的对策。

铁路客车空调品质问题探析 吴江妙 (金华铁路司机学校　浙江金华　321019) 1　引言 近年来,随着铁路技术的不断发展,空调列车已得到广泛应用。为旅客 提供一个舒适、健康的环境是列车空调系统设计的主要目的,但目前的列车 空调系统往往只注重空气温度、湿度的控制,而忽视了空气品质问题,因空 调列车空气品质差而使旅客身体不适的现象时有发生,乘客普遍反映车内 新鲜空气太少,常感到头晕、胸闷、疲劳、精神不佳。因此,采取有效措施提 高列车空调舒适度和空气品质已是刻不容缓的任务。 2　影响铁路空调客车空气品质的因素 2.1　空调列车内空气的主要污染源 空调列车内的空气污染源主要有车内人员、装饰材料、空调系统本身、 空调系统二次回风、新风质量不佳等。列车内人员密集、滞留时间长是车内 空气的重要污染源;装饰材料会释放出甲醛、苯、甲苯、二甲苯、环烷、二烯 烃、乙醛等挥发性有

介绍了铁路列车空调控制系统的基本功能、使用中发现的问题、国外列车空调控制技术的发展水平及高速列车空调系统在控制上的特殊要求。

分析了传统铁路客车空调系统送风不均匀的原因,介绍了静压送风道的设计方法,对不同类型的静压送风系统进行了送风均匀性测试,实验结果表明,如果不采取一定的措施,静压送风系统的送风均匀性仍然不理想,只有合理设计空调静压送风系统的结构,才能保证均匀送风,并提出了进一步改善静压送风道送风均匀性的措施

针对我国铁路客车目前仍然大量使用的被禁用的hcfc22的现状,提出了应采取的对策与措施。

人工神经网络在基坑变形性状研究中的应用——基坑工程不仅要保证维护结构本身的安全，而且要保证周围建(构)筑物的安全和正常使用。开展基坑工程变形性状研究具有重要意义。影响基坑变形的因素很复杂，传统的计算方法已无法准确预测基坑的变形。人工神经网络(an...

人工神经网络在预测软基沉降中的应用研究——依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型，利用已建高速公路沉降数据，进行了软土地基最终沉降量的预测，取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素...

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的bp、elman、rbf三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测。某电网实际预测结果表明,rbf比bp、elman有更好的预测精度,更快的速度。

对日益广泛应用于建筑结构的人工神经网络的基本原理与特征以及误差反向传播的多层感知器网络(bp网络)的多种改进算法进行了介绍,分析了人工神经网络在建筑结构的优化、控制以及损伤诊断等领域中的应用情况,对人工神经网络的推广应用具有一定指导意义。

中央空调系统制冷机的能量消耗特性具有强非线性的特点,传统的建模方法满足不了在线优化需求。利用bp人工神经网络的非线性映射能力,研究建立了中央空调系统制冷机的能量消耗模型。解决了由于空调系统设备模型复杂、待定系数数量多、优化方法初始值选取不当等因素引起中央空调水系统的实时优化控制问题

讨论了地铁区间隧道盾构施工引起的地表变形机理,并结合某地铁工程的实践,利用神经网络技术处理非线性问题的优势,应用人工神经网络对地表沉降进行了预测,经与现场实测值作对比分析,证实该方法具有较高的准确性。研究表明,该方法对处理此类非结构性规律的多因素综合影响问题较一般方法具有更强的适应性。

简述传统的结构近似重分析技术的缺点与不足,介绍bp网络的原理、算法,利用bp网络能够实现从n维设计空间到m维任意非线形映射的特点,通过不同设计变量的训练样本集对bp网络进行训练,然后输出拟合值。经过分析,证明在结构近似重分析中,采用bp神经网络能很好地实现从设计变量到结构响应之间的映射。

自1980年我国开始实施住宅制度改革以来,商品住宅价格的确定已成为我国住宅市场的核心问题,也是各级政府房地产业宏观管理与调控的指示灯,商品住宅价格的变化直接关系到广大消费者的切身利益,是社会关注的热点问题。因此,本文从市场价格的确定机制出发,寻求影响商品住宅价格的因素,并采用bp人工神经网络定量分析这些影响

采用理论分析的方法,通过分析国内外在该方面的研究成果,剖析了人工神经网络在空调系统负荷预测中的应用,指出了利用人工神经网络(ann)具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力,进行空调系统负荷预测精度高、准确度好。ann是一种有效的空调负荷预测手段。

空调负荷是近年来增长较快的一类负荷,其特性对电网的电压稳定性影响很大。夏季影响空调负荷的因素主要是温度和湿度的变化。为了更好的预测空调降温负荷,研究了温度和湿度对空调负荷的影响。利用bp人工神经网络对电网空调负荷进行了预测,经过分析把日平均湿度量化成4段,和日平均湿度实际数值的模型进行计算比较,结果显示考虑日最高温度和日平均湿度量化为4段能更好的模拟温度、湿度和空调负荷之间的非线性关系,能更好的对电网空调负荷进行预测。

用vb编制了人工神经网络的通用bp算法程序。根据西安参考年气象参数,采用动态模拟程序计算了某办公楼4月至9月逐时冷负荷,结果显示利用神经网络的预测值与计算值吻合。

人工神经网络(ann)是一门崭新的信息处理学科,它研究非程序的、适应性的、大脑风格的信息处理的本质和能力,在众多的工程领域有着很好的应用。论文阐述了ann技术的特点,根据铁路工程的技术特点以及应用需求,论文研究分析了ann技术在铁路工程上的应用,并对今后的研究方向提出了一些见解。

人工神经网络是近年发展起来的模拟人脑生物过程的具有人工智能的系统,在钢铁材料研究中有着广阔的应用前景。人工神经网络可根据钢的化学成分和/或加工工艺参数对微观组织、相变温度和时间及性能等做出快速准确预测,并可用于研究钢的上述各影响因素间的相互关系。研究人工神经网络也可用于钢的冶金过程及钢的表面处理过程工艺参数的预测及控制。

青藏铁路客车空调供氧方式简介——青藏铁路处于高海拔、低气压、严寒地区，在青藏线运行的客车需要空调供氧，以保证乘务员和旅客的安全，本文根据青藏线的环境特点，客车运行条件，介绍了客车空调供氧方式。