Document IIF
Prédiction du poids de givrage et de la puissance frigorifique d’un évaporateur à ailettes basée sur une méthode des éléments finis aléatoire et un réseau neuronal en ondelettes.
Frosting weight and refrigerating capacity prediction of fin evaporator based on random finite element method and ridgelet neural network.
Résumé
In order to confirm the proper defrosting measurement, the Frosting weight and refrigerating capacity of fin evaporator should be predicted correctly, therefore the new prediction model is proposed by combining the ridgelet neural network and random finite element method. Firstly, the ridgelet neural network is constructed through using ridgelet function as excitation function of hidden layer, and the basic structure of the ridgelet neural network is designed. Secondly, the training algorithm of ridgelet neural network is put forward based on improved genetic algorithm, the intervals of weights and thresholds can be changed dynamically for the improved genetic algorithm. Thirdly, the frosting random finite element model of fin evaporator is constructed, the frosting parameters of fin evaporator are considered as random variables, and the simulation results under different working condition can be used as testing samples and training samples. Finally, the Frosting weight and refrigerating capacity of fin evaporator are predicted based on new prediction model, simulation analysis shows that the new prediction model has highest prediction precision and efficiency.
Documents disponibles
Format PDF
Pages : 37-46
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 : Frosting weight and refrigerating capacity prediction of fin evaporator based on random finite element method and ridgelet neural network.
- Identifiant de la fiche : 30025485
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 99
- Date d'édition : 03/2019
- DOI : http://dx.doi.org/10.1016/j.ijrefrig.2018.11.046
Liens
Voir d'autres articles du même numéro (45)
Voir la source
Indexation
-
Fin-and-tube condenser performance evaluation u...
- Auteurs : ZHAO L. X., ZHANG C. L.
- Date : 05/2010
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 33 - n. 3
- Formats : PDF
Voir la fiche
-
Fin-and-tube condenser performance modeling wit...
- Auteurs : LI Z. Y., SHAO L. L., ZHANG C. L.
- Date : 11/2015
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 59
- Formats : PDF
Voir la fiche
-
Model-based dimensionless neural networks for f...
- Auteurs : YANG L., LI Z. Y., SHAO L. L., et al.
- Date : 12/2014
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 48
- Formats : PDF
Voir la fiche
-
Performance prediction of heat exchangers based...
- Auteurs : DING G. L., ZHANG C. L.
- Date : 22/04/2003
- Langues : Anglais
- Source : Cryogenics and refrigeration. Proceedings of ICCR 2003.
Voir la fiche
-
Performance prediction of wet cooling tower usi...
- Auteurs : GAO M., SUN F. Z., ZHOU S. J.
- Date : 03/2009
- Langues : Anglais
- Source : International Journal of thermal Sciences - vol. 48 - n. 3
Voir la fiche