Document IIF

Prédiction de la viscosité de six frigorigènes purs à l’aide de différents réseaux neuronaux artificiels

Viscosity prediction for six pure refrigerants using different artificial neural networks.

Auteurs : ZHI L. H., HU P., CHEN L. X., et al.

Type d'article : Article, Article de la RIF

Résumé

The viscosities of six environmentally friendly pure refrigerants with low GWP are predicted based on three artificial neural network (ANN) models: back propagation neural network (BPNN), radial biased function neural network (RBFNN) and adaptive neuro fuzzy interface system (ANFIS). A total of 1089 experimental data are used to train and test the models. Temperature, pressure and density are considered as input variables of networks. The optimal parameters are obtained through the stepwise searching method. The predicted values using the three optimized ANN models with values of experimental data are compared. Moreover, the viscosity of the six refrigerants in saturated liquid state are predicted using all three models in a wide temperature range. The results show that the deviations of almost all data are less than 5.0% and the ANFIS has the best performance.

Documents disponibles

Format PDF

Pages : 432-440

Disponible

  • Prix public

    20 €

  • Prix membre*

    Gratuit

* meilleur tarif applicable selon le type d'adhésion (voir le détail des avantages des adhésions individuelles et collectives)

Détails

  • Titre original : Viscosity prediction for six pure refrigerants using different artificial neural networks.
  • Identifiant de la fiche : 30023553
  • Langues : Anglais
  • Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 88
  • Date d'édition : 04/2018
  • DOI : http://dx.doi.org/10.1016/j.ijrefrig.2018.02.011

Liens


Voir d'autres articles du même numéro (57)
Voir la source