MétaCan
Menu
Retour à la cohorte
Enregistrement W4402252582 · doi:10.1007/s44189-024-00059-7

Adaptive neural network control of a centrifugal chiller system

2024· article· en· W4402252582 sur OpenAlex
Songchun Li, Mohammed Zaheeruddin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueInternational Journal of Air-Conditioning and Refrigeration · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésArtificial neural networkChiller boiler systemChillerControl (management)Computer scienceControl theory (sociology)Control engineeringEngineeringArtificial intelligencePhysicsMechanical engineeringWater chillerThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, a neuro-adaptive PI control strategy for a water-cooled centrifugal chiller system is developed, and its control performance is examined. The system model consists of a flooded evaporator, a flooded condenser, a centrifugal compressor, and an electronic expansion valve. The overall system consists of three control loops: a compressor speed control loop, an inlet guide vane (IGV) control loop, and a condenser liquid level control loop. A neuro-adaptive control strategy for compressor speed control was designed. The control performance of the chiller was tested by carrying out simulation runs using an integrated building and HVAC (IB-HVAC) system model. The major details of the IB-HVAC model are described in this paper. Results show that the neuro-adaptive controller can adapt to new system dynamics of the IB-HVAC system and give good setpoint tracking responses under a wide range of operating conditions. The results show that the neuro-adaptive controller performs better than the constant gain PI controller in terms of speed of response and setpoint tracking properties.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,133

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle