基于神经网络温度

Ⅰ 神经网络在进行负荷预测时,气候和温度数据怎么处理

气候数据可以用来做数值化，即晴天为1，雨天为2等，温度数据做归一化

Ⅱ 格力空调的e享模式是什么

智能感应调节模式。

格力空调的E享模式是该类型空调的智能感应调节模式，开启该模式后空调能够通过空调温度传感器对室内温度、气流组织进行对应模式的智能调节，让人体感觉舒适。

与普通空调不同，格力全能王的E享功能，采用格力首创的融合环境传感器；这个功能是采用基于PMV的尖端神经网络控制技术，只需按“E享”键，就可以选择快速冷、凉、舒适、暖、热5种温度模式。

格力空调e享模式温度

格力空调e享模式是自动设定温度在26到28度之间，可以避免设置的过低一直运行。

1、格力空调e享模式由于是基于空调自带的环境传感器，会根据环境温度自动改变，能够很好地避免温度设置过低且一直运行，减少噪音和空气流动量，让睡眠更舒适。

2、格力空调e享,运用的是基于PMV的*神经网络控制技术,可以检测到室内的温度,然后根据室内的温度来调节空调的温度。所以对于很多用户来说，格力空调e享功能十分的智能话，使用起来也非常的简单和实用。

3、所以在使用的过程中，只要简单地按动e享按键，就可以进入到e享模式，然后可以根据目前的需要，选择五种温度模式中的一种即可，十分的简单方便。

Ⅲ 只有温度数据怎么建立rbf神经网络模型

该网络的输出是什么？RBF神经网络的建立和训练主要有以下几种形式：

1.net=newrbe(P,T,spread)
newrbe()函数可以快速设计一个径向基函数网络，且是的设计误差为0。第一层(径向基层)神经元数目等于输入向量的个数，加权输入函数为dist，网络输入函数为netprod；第二层(线性层)神经元数模有输出向量T确定，加权输入函数为dotprod，网络输入函数为netsum。两层都有阀值。
第一层的权值初值为p'，阀值初值为0.8326/spread，目的是使加权输入为±spread时径向基层输出为0.5，阀值的设置决定了每一个径向基神经元对输入向量产生响应的区域。

2.[net,tr] =newrb(P,T,goal,spread,MN,DF)

该函数和newrbe一样，只是可以自动增加网络的隐层神经元数模直到均方差满足精度或者神经元数模达到最大为止。

P=-1:0.1:1;
T=sin(P);
spread=1;
mse=0.02;
net=newrb(P,T,mse,spread);
t=sim(net,P);
plot(P,T,'r*',P,t)

3.还可以直接建立广义RBF神经网络：net = newgrnn(P,T,spread)泛回归网络(generalized regression neural network)广义回归网络主要用于函数逼近。它的结构完全与newbre的相同，但是有以下几点区别(没有说明的表示相同)：

(1)第二网络的权值初值为T
(2)第二层没有阀值
(3)第二层的权值输入函数为normpod，网络输入函数为netsum

P=0:1:20;
T=exp(P).*sin(P);
net=newgrnn(P,T,0.7);
p=0:0.1:20;
t=sim(net,p);
plot(P,T,'*r',p,t)

Ⅳ 基于BP神经网络PID控制器的过热气温串级控制系统仿真时，导前区和惰性区都要近似为一阶惯性纯滞后么

当然可以这么做，但是仿真的效果必定要大打折扣。就不说导前区，惰性区三阶就是高阶仿真对象了，将其近似为一阶或二阶纯滞后也是一种解决方案，可是其控制特性会有较大的差别。

Ⅳ 在用神经网络进行压力传感器的温度补偿时输入为什么不用温度值而是用温度传感器的输出电压值

温度传感器的电压值不就是反映的温度值么？没有温度传感器的检测输出你的温度值又从何而来？

Ⅵ 汽轮机主蒸汽温度压力变化对汽轮机运行影响有哪些

主蒸汽温度压力变化对汽轮机运行的影响有：

1、主蒸汽压力升高：在机组额定功率下初压升高后蒸汽流量有所减少，各监视段压力相应降低，各中间级焓降基本保持不变，因此主蒸汽流量减少各中间级动叶应力均有所下降，隔板的压差和轴向推力也都有所减少。调节级前后压差虽有上升，但其危险工况不在额定负荷，

因此调节级和中间各级在主蒸汽压力上升时都是安全的。对于末几级叶片，由于前后压差的减小(级前压力减小)，级的焓降减少，从强度观点看末几级叶片也是安全的。

当然，主蒸汽压力也不能过高，否则有可能造成机组过负荷，隔板、动叶过负荷及机组轴向位移大、推力轴承故障等不安全情况的发生。

2、主蒸汽压力下降：在主蒸汽压力下降后机组仍要发出额定功率，则主蒸汽流量会相应增加。因此会引起非调节级各级级前压力升高，而末几级焓降增大，因此非调节级各级的负荷都有所增加，

末几级过负荷最为严重，全机的轴向推力也相应增大。因此运行中主蒸汽压力下降机组应适当带负荷。

3、主蒸汽温度升高：主蒸汽温度升高从经济性角度来看对机组是有利的，它不仅提高了循环热效率，而且减少了汽轮机的排汽湿度。但从安全角度来看，主蒸汽温度的上升会引起金属材料性能恶化缩短某些部件的使用寿命，如主汽阀、调节阀、轴封、法兰、螺栓以及高压管道等。

对于超高参数机组，即使主蒸汽温度上升不多也可能引起金属急剧的蠕变，使许用应力大幅度的降低。因此绝大多数情况下不允许升高初温运行的。

4、主蒸汽温度降低：在机组额定负荷下主蒸汽温度下降将会引起蒸汽流量增大，各监视段压力上升。此时调节级是安全的，但是非调节级尤其是最末几级焓降和主蒸汽流量同时增大将产生过负荷，是比较危险的。

同时，蒸汽温度下降会引起末几级叶片湿度的增加，增大了湿汽损失，同时也加剧了末几级叶片的冲蚀作用，直接威胁倒汽轮机的安全运行。因此，在主蒸汽温度降低的同时应降低压力，是汽轮机热力过程线尽量与设计工况下的热力过程线重合，以提高机组排汽干度。

因此机组的功率限制较大，必要时应申请减负荷运行。

5、当使用射汽抽气时，应先进行蒸汽暖管，再投入主抽气器和启动抽气器。现在一般在我国都采用射水抽气器，应先启动射水泵，射水泵启动前应作联动试验，正常后使一台运行一台备用，以使凝汽器逐渐建立起真空。

机组启动时，真空值应高一些，以减少汽轮机转子冲动阻力和启动汽耗，另外排汽温度低，对刚建投运的凝汽器也较为有利。但真空值也不易过高，因真空过高会延长启动时间，主要因为真空值过高时，所需进汽量少，对汽轮机加热不利。目前我国启动真空一般为350-450mmHg。

(6)基于神经网络温度扩展阅读：

主汽温控制方法

常规的主汽温控制方法分为导前汽温微分信号的双冲量汽温控制、串级汽温控制、分段汽温控制及相位补偿汽温控制几种。但是，随着机组容量的逐渐增大，常规控制方法已经不能得到足够满意的控制质量，同时，由于工业过程逐渐复杂化，单一控制技术也远远无法达到要求。

因此，结合先进的控制理论和控制算法将成为今后研究的一大趋势。近几年已经出现了一些相类似的控制方法，主要有以下两类：一类是先进控制算法与传统控制方法相结合，另一类是先进控制算法之间的结合。主要包括 ：

1、Smith预估控制及其改进型。

2、基于神经网络理论的各种控制策略，诸如单神经元控制器取代主蒸汽温度串级PID控制中主调节器的策略、基于BP神经网络提出主蒸汽温度的串级智能控制等。

3、基于模糊控制理论的各种控制策略，

诸如主蒸汽温度的模糊PID控制、模糊控制与基于专家系统整定的串级PID控制相结合的复合控

制策略，主蒸汽温度的Fuzzy-PI复合控制策略等。

4、基于状态反馈的控制策略，例如：基于现代控制理论中状态反馈控制原理的分级控制方法、状态反馈控制与串级PID控制相结合的主蒸汽温度控制策略、将状态反馈引入到锅炉主蒸汽温度中的一种多回路串级控制方法等。

5、其它控制策略，诸如基于鲁棒控制原理改进主蒸汽温度串级PID控制策略并指出在DCS系统中的实现方法、用预测智能控制器作为串级控制的主调节器以改善主蒸汽温度的迟延特性等。

我们所接触的是一个复杂多变的系统，难以建立被控对象的精确模型，而传统控制方法往往需要建立一个精确的数学模型。同时，由于一些被控对象带有大迟延和大惯性的动态特性,因而即使建立了数学模型，通常也不如一个有经验的操作人员进行手动控制效果好。

从20世纪七十年代开始，生物控制理论逐渐引起研究者的重视并迅速发展。目前神经网络控制已经发展得比较成熟，但是基于神经内分泌系统的生物智能控制理论研究才刚刚起步。

作为人体各种激素调节中心，神经内分泌系统具有较好的稳定性和适应性，通过将模糊理论与神经内分泌反馈调节机制算法相结合，优势互补，并应用于PID控制器中，可以对锅炉主汽温系统的对象特性和一般控制规律进行分析。

Ⅶ 格力空调e享模式

格力空调e享模式自动将温度设置在26-28度之间，可以避免设置过低而一直运行。1.格力空调e享模式是基于空调的环境传感器，会根据环境温度自动变化，可以很好的避免低温设置而保持运行，降低噪音和气流，让睡眠更加舒适。2.格力空调e享，采用基于PMV的*神经网络控制技术，可以检测室内温度，然后根据室内温度调节空调温度。所以对于很多用户来说，格力空调E享非常智能的功能，用起来也非常简单实用。3.所以在使用的过程中，只需按下E享键就可以进入E享模式，然后就可以根据当前的需求在五种温度模式中选择一种，非常简单方便。

Ⅷ 压力传感器神经网络温度补偿，输入：温度的输出电压值Ut，压力的输出电压值Up，输出：压力值P

力士乐1602790297@qq.com

Ⅸ 求matlab的神经网络对实验数据进行拟合程序

%你没说神经网络类型，就使用最简单的前向反馈网络拟合。
t=[0 3.9 4.1 7.3 8.4 13.1 14.8 16.4 17.7 19 19.7 20.3 21.2 24.5 26.3 27.8 28.9 29 29.8 31.1 32.8 33.5 34.5 35.6 36.2 37.6 37.8 38.7 39.4 40.3 41 41.4 42.5 43.9 45 45.7 46.9 47.8 49 49.4 51.4 53 54 55.6 56.9 57.5 58.9 ];%这里发现t有49个数据,而R就47个，因此将后两个删除
R=[100.16 101.87 101.97 102.99 103.43 105.23 105.89 106.54 107.01 107.52 107.77 108.01 108.39 109.64 110.33 110.90 111.32 111.41 111.86 112.53 112.63 113.10 113.52 113.94 114.39 114.52 114.92 115.26 115.87 115.90 116.27 116.96 117.32 117.71 118.13 118.34 118.62 118.96 119.59 120.20 120.68 121.33 121.90 122.17 122.94 123.27 123.85];
net = newff(t,R,20);%隐层预设20个
net = train(net,t,R);
simplefitOutputs = sim(net,t);

Ⅹ 如何用matlab构建一个三层bp神经网络模型，用于预测温度。

第0节、引例
本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set 找到。这里简要介绍一下Iris数据集：
有一批Iris花，已知这批Iris花可分为3个品种，现需要对其进行分类。不同品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。我们现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。
一种解决方法是用已有的数据训练一个神经网络用作分类器。
如果你只想用C#或Matlab快速实现神经网络来解决你手头上的问题，或者已经了解神经网络基本原理，请直接跳到第二节——神经网络实现。

第一节、神经网络基本原理
1. 人工神经元( Artificial Neuron )模型
人工神经元是神经网络的基本元素，其原理可以用下图表示：

图1. 人工神经元模型

图中x1~xn是从其他神经元传来的输入信号，wij表示表示从神经元j到神经元i的连接权值，θ表示一个阈值 ( threshold )，或称为偏置( bias )。则神经元i的输出与输入的关系表示为：

图中 yi表示神经元i的输出，函数f称为激活函数 ( Activation Function )或转移函数 ( Transfer Function ) ，net称为净激活(net activation)。若将阈值看成是神经元i的一个输入x0的权重wi0，则上面的式子可以简化为：

若用X表示输入向量，用W表示权重向量，即：
X = [ x0 , x1 , x2 , ....... , xn ]

则神经元的输出可以表示为向量相乘的形式：

若神经元的净激活net为正，称该神经元处于激活状态或兴奋状态(fire)，若净激活net为负，则称神经元处于抑制状态。
图1中的这种“阈值加权和”的神经元模型称为M-P模型 ( McCulloch-Pitts Model )，也称为神经网络的一个处理单元( PE, Processing Element )。

2. 常用激活函数
激活函数的选择是构建神经网络过程中的重要环节，下面简要介绍常用的激活函数。
(1) 线性函数 ( Liner Function )

(2) 斜面函数 ( Ramp Function )

(3) 阈值函数 ( Threshold Function )

以上3个激活函数都属于线性函数，下面介绍两个常用的非线性激活函数。
(4) S形函数 ( Sigmoid Function )

该函数的导函数：

(5) 双极S形函数

该函数的导函数：

S形函数与双极S形函数的图像如下：

图3. S形函数与双极S形函数图像
双极S形函数与S形函数主要区别在于函数的值域，双极S形函数值域是(-1,1)，而S形函数值域是(0,1)。
由于S形函数与双极S形函数都是可导的(导函数是连续函数)，因此适合用在BP神经网络中。（BP算法要求激活函数可导）
具体http://blog.csdn.net/gongxq0124/article/details/7681000/