Unter der Annahme, dass sich die relativen Werte der sichtbaren und latenten Kälteleistung des Systems unter verschiedenen Luftzuständen am Einlass des Verdampfers nicht signifikant ändern, wurde in dieser Arbeit ein stationäres künstliches neuronales Netzwerk (ANN)-Modell für ein experimentelles Direktverdampfungs-Klimasystem mit variabler Geschwindigkeit aufgebaut, um die Systemausgabe bei verschiedenen Kombinationen von Kompressor- und Lüfterdrehzahlen vorherzusagen. Die Verwendung der relativen Werte der sichtbaren und latenten Kälteleistung kann den Einfluss des Raumluftzustands auf die Systemausgabe eliminieren. Mit Daten aus stationären Experimenten wurde das ANN-Modell trainiert, getestet und validiert, um die Genauigkeit der Vorhersage der Betriebseigenschaften des variablen Direktverdampfungssystems zu prüfen. Die Gültigkeit der Annahme und die Anwendbarkeit des ANN-Modells wurden durch stationäre Experimente an nicht trainierten Zustandsdaten überprüft. Die maximale Fehlerquote bei Training, Test und Validierung betrug jeweils weniger als 5 % und der Durchschnittsfehler weniger als 3 %, was zeigt, dass dieses stationäre ANN-Modell die Betriebseigenschaften des variablen Direktverdampfungssystems sowohl an trainierten als auch an nicht trainierten Zustandspunkten sehr genau vorhersagen kann.

Klimaanlagensystem; stationäres ANN-Modell; stationäre Experimente; Direktverdampfung