【技术实现步骤摘要】
基于XGBoost的电子膨胀阀质量流量特性预测方法
[0001]本专利技术属于制冷系统的节流装置领域，尤其涉及一种基于XGBoost机器学习的电子膨胀阀质量流量特性预测方法。
技术介绍
[0002]节流装置是制冷系统中的关键部件之一，其中电子膨胀阀(EEV)作为最新一代的节流装置，相比于传统节流装置(毛细管、短管和热力膨胀阀),具有更加灵活的质量流量调节机制、更快的响应速度以及对各种工况的强大适应性，目前已经广泛的应用于变频式热泵、电动汽车空调，电池冷却系统和冷库等热泵/制冷领域中。
[0003]电子膨胀阀是一种可变面积膨胀装置，内部的流动非常复杂，研究电子膨胀阀的质量流量特性以匹配可变的热负荷和实现实时的质量流量调节是很有必要的，这可以使热泵/制冷系统拥有最佳的经济性和可靠的运行策略。
技术实现思路
[0004]本专利技术的目的是克服现有技术中的不足，提供一种基于XGBoost的电子膨胀阀质量流量特性预测方法。
[0005]这种基于XGBoost的电子膨胀阀质量流量特性预测方法，包括以下步骤...
【技术保护点】
【技术特征摘要】
1.一种基于XGBoost的电子膨胀阀质量流量特性预测方法，其特征在于，包括以下步骤：步骤1、用Buckinghamπ原理对参数进行无量纲化处理，再采用Z
‑
score标准化方法对参数进行归一化处理；处理后的参数构成数据集，进行数据集划分；步骤1.1、用Buckinghamπ原理对实验收集的对制冷剂流量具有决定性影响的参数进行无量纲化处理：无量纲化处理：无量纲化处理：无量纲化处理：π5＝z
ꢀꢀꢀꢀ
(1)上式中，π1～π5表示无量纲化后的五个参数，P
in
表示膨胀阀入口压力，P
out
表示膨胀阀出口压力，P
c
表示临界状态压力，T
sub
表示制冷剂的过冷度，T
c
表示临界状态温度，v
g
表示气体粘度系数，v
f
表示液体粘度系数，σ表示制冷剂的表面张力，D表示膨胀阀的直径，z表示膨胀阀开度；步骤1.2、采用Z
‑
score标准化方法对参数进行归一化处理；步骤1.3、将数据集中的经过步骤1.1至步骤1.2处理后的对制冷剂流量具有决定性影响的参数进行随机打乱，将数据集划分为训练集和测试集；步骤2、搭建XGBoost模型，XGBoost模型为树集成模型；步骤3、用训练集训练XGBoost模型，用测试集来评估XGBoost模型的精度；使用XGBoost模型预测得到电子膨胀阀的质量流量；步骤3.1、电子膨胀阀的质量流量特性关联式表示为：上式中，C
d
为质量流量系数；A为膨胀阀口的流通面积，单位为m2；P
in
、P
out
分别为制冷剂在电子膨胀阀入口和出口的压力，单位均为kPa；ρ表示制冷剂的密度，单位为kg/m3；步骤3.2、将XGBoost模型预测得到的质量流量系数C
d
经式(19)转化为质量流量之后，再用相对误差、均方根误差来分析电子膨胀阀质量流量预测值和电子膨胀阀质量流量测量值的拟合效果。2.根据权利要求1所述基于XGBoost的电子膨胀阀质量流量特性预测方法，其特征在于，步骤1.2中Z
‑
score标准化的公式具体为：上式中，为标准化值；x为原始值；μ为均值；σ为标准层，数值区间为[
‑
1,1]。3.根据权利要求1所述基于XGBoost的电子膨胀阀质量流量特性预测方法，其特征在
于，步骤1.3中将数据集的70％划分为训练集，将数据集中剩余数据作为测试集。4.根据权利要求1所述基于XGBoost的电子膨胀阀质量流量特性预测方法，其特征在于，步骤2具体包括如下步骤：步骤2.1、给定一个拥有n个样本和m个特征的数据集D＝(x
i
,y
i
)(|D|＝n，x
i
∈R
m
,y
i
∈R)，定义函数如下：上式中，x
i
为第i个自变量，y
i
为第i个因变量，为预测值，R
m
为整个m维空间，R为整体实数，φ(x
i
)为关于x
i
的函数,f
k
()为第k棵树的权重函数；K为XGBoost树的总数；步骤2.2、构建XGBoost模型的目标函数：Obj(θ)＝L(θ)+Ω(θ)
ꢀꢀꢀꢀꢀꢀꢀ
(4)L(θ)是用来衡量预测值和测量值之间误差的损失函数：Ω(θ)是用来衡量XGBoost模型复杂程度的函数，用Ω(θ)来平滑各叶子节点之间的权重避免过拟合：上式中，T为叶子节点的个数；为正则化项，用于防止XGBoost模型过拟合；w为每个叶子节点的得分；γ和λ为用来避免过拟合的控制因子；将式(4)中的目标函数写为：上式中，为损失函数，用...
【专利技术属性】
技术研发人员：万安平，龚志鹏，陈挺，王文晖，缪徐，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。