目前，利用神经网络对复杂的、非线性的溴化锂吸收式机组进行模拟，对其运行性能进行分析研究是一个发展方向。笔者以某型号燃气溴化锂吸收式制冷机组为例，结合新型人工智能科学— —神经网络知识，对燃气溴化锂吸收式机组以及系统进行建模，结合实际的测试数据，利用前馈网络BP算法辨识出机组的系统模型，对机组的运行特性进行分析，并可采用同样的方法对机组的运行进行监控，以保证机组正常运行，同时可对机组的不正常运行进行预警与诊断。

1、燃气溴化锂吸收式机组的神经网络模型建立及应用

    人工神经网络系统辨识的过程分为2步：首先是学习过程，通过大量的训练样本，对网络进行训练，根据某种学习规则不断对连接权值进行调节。最后使网络具有某种期望的输出，直到这种输出将训练样本正确分类到其所属类别中去，此时可以认为网络是学习到了输入数据或样本间的内在规律。接下来是分类过程，应用前面学习过程所训练好的权值，对任一送入网络的样本进行分类。Rumelhart，McClelland及其同事洞察到神经网络信息处理的重要性，于1985年发展了BP网络(back—propagation network，简称BP网络)学习算法，实现了Minsy的多层网络设想。目前，在人工神经网络的实际应用中，绝大部分神经网络模型是采用BP网络和它的变化形式，它也是前向网络的核心部分，体现了人工神经网络的精华部分。


    点击下载附件：神经网络在燃气溴化锂吸收式机组性能模拟中的应用.pdf