Dieser Artikel befasst sich mit den Schwierigkeiten bei der Messung der Leistung von frequenzgeregelten Kompressoren und großen Messfehlern und schlägt ein Simulationsmessmodell vor. Der Partikelschwarmalgorithmus wird verwendet, um das global optimale Partikel zu finden, mit dem die Schwellenwerte und Gewichte des BP-Neuronalen Netzes initialisiert werden, um die Leistung des frequenzgeregelten Kompressors zu messen. Es wurden insgesamt drei Simulationsmodelle zum Vergleich erstellt: das BP-Neuronale Netzwerkmodell, das GA-BP-Neuronale Netzwerkmodell und das PSO-BP-Neuronale Netzwerkmodell. Anschließend wurde die Leistung des frequenzgeregelten Kompressors mit drei Testmethoden gemessen: Interpolation, Extrapolation der Verdampfungstemperatur und Extrapolation der Kondensationstemperatur. Die durchschnittlichen relativen Fehler und der Anpassungsgrad der Vorhersageergebnisse wurden vergleichend analysiert. Die Ergebnisse zeigen, dass das auf dem Partikelschwarmalgorithmus optimierte BP-Neuronale Netzwerkmodell den anderen beiden Modellen deutlich überlegen ist, insbesondere beim Test der Extrapolation der Kondensationstemperatur, bei dem der relative Fehler im Vergleich zu den beiden anderen neuronalen Netzen um 1,11 % bzw. 2,64 % reduziert wurde. Der durchschnittliche relative Fehler unter den drei Testmethoden liegt jeweils unter 1 %, und der Anpassungsgrad liegt über 0,9, was darauf hinweist, dass das auf dem Partikelschwarmalgorithmus optimierte BP-Neuronale Netzwerkmodell über eine gute Messfähigkeit für die Leistung frequenzgeregelter Kompressoren verfügt und außerdem eine starke Generalisierungsfähigkeit besitzt.

frequenzgeregelter Kompressor;Leistungsmessung Kompressor;Partikelschwarmalgorithmus;BP-Neuronales Netzwerk