基于神經(jīng)網(wǎng)絡(luò)的智能控制系統(tǒng)

智能控制理論及其應(yīng)用4.4幾種典型的神經(jīng)網(wǎng)絡(luò)按照神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與學(xué)習(xí)算法相結(jié)合的方法可將神經(jīng)網(wǎng)絡(luò)的類型分為前饋網(wǎng)絡(luò)、競爭網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)四大類。4.4.1BP神經(jīng)網(wǎng)絡(luò)1986年，D.E.Rumelhart和J.L.McClelland提出了一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，簡稱BP(BackPropagation)網(wǎng)絡(luò)，是一種有隱含層的多層前饋網(wǎng)絡(luò)，系統(tǒng)地解決了多層網(wǎng)絡(luò)中隱含單元連接權(quán)的學(xué)習(xí)問題。(1)BP算法原理

BP學(xué)習(xí)算法的基本原理是梯度最速下降法，它的中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差最小。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)(1)BP算法原理

多層網(wǎng)絡(luò)運(yùn)用BP學(xué)習(xí)算法時(shí)，實(shí)際上包含了正向和反向傳播兩個(gè)階段。在正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的連接通道返回，通過修改各層神經(jīng)元的權(quán)值，使誤差信號最小。這種網(wǎng)絡(luò)沒有反饋存在，實(shí)際運(yùn)行仍是單向的，所以不能將其看成是一非線性動(dòng)力學(xué)系統(tǒng)，而只是一種非線性映射關(guān)系。具有隱含層BP網(wǎng)絡(luò)的結(jié)構(gòu)如圖4-9所示。

（1）BP算法原理圖4-9BP網(wǎng)絡(luò)的結(jié)構(gòu)4.4幾種典型的神經(jīng)網(wǎng)絡(luò)目標(biāo)函數(shù)：

函數(shù)為Sigmoid函數(shù)：正向推算過程：（1）隱層輸出（2）網(wǎng)絡(luò)輸出

4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（1）BP算法原理（2）BP算法的計(jì)算步驟1)計(jì)算一個(gè)輸出單元活性改變時(shí)的誤差導(dǎo)數(shù)EA，即實(shí)際輸出與期望輸出的差值2)計(jì)算一個(gè)單元所接受總輸入變化時(shí)的誤差導(dǎo)數(shù)EI，EI實(shí)際上等于上述步驟1)的結(jié)果乘以一個(gè)單元的總輸入變化時(shí)其輸出的變化率，即4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）BP算法的計(jì)算步驟3)計(jì)算一個(gè)與輸出單元聯(lián)接權(quán)值改變時(shí)的誤差變化率EW4)為了計(jì)算對誤差總的影響，把對各輸出單元的所有單獨(dú)影響相加4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）BP算法的計(jì)算步驟運(yùn)用步驟2)和4)，可把一層單元的EA變成前面一層單元的EA，為了得到期望的前面各層的EA，可重復(fù)此計(jì)算步驟。當(dāng)?shù)玫揭粋€(gè)單元的EA后，可用步驟2)和3)來計(jì)算作用于它的輸入聯(lián)接上的EW。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）BP算法的計(jì)算機(jī)實(shí)現(xiàn)流程

1)初始化，對所有權(quán)值賦以隨機(jī)任意小值，并對閾值設(shè)定初值；2)給定訓(xùn)練數(shù)據(jù)集，即提供輸入向量和期望輸出；3)計(jì)算實(shí)際輸出4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）BP算法的計(jì)算機(jī)實(shí)現(xiàn)流程

4)調(diào)整權(quán)值，按誤差反向傳播方向，從輸出節(jié)點(diǎn)開始返回到隱層按下式修正權(quán)值其中：5)返回第2)步重復(fù)，直至誤差滿足要求為止。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（4）使用BP算法應(yīng)注意的幾個(gè)問題學(xué)習(xí)速率η

的選擇非常重要。在設(shè)置各訓(xùn)練樣本的期望輸出分量時(shí)，不能設(shè)置為1或0，以設(shè)置為0.9或0.1較為適宜。若實(shí)際問題給予網(wǎng)絡(luò)的輸入量較大，需做歸一化處理，網(wǎng)絡(luò)的輸出也要進(jìn)行相應(yīng)的處理。各加權(quán)系數(shù)的初值以設(shè)置為隨機(jī)數(shù)為宜。在學(xué)習(xí)過程中，應(yīng)盡量避免落入某些局部最小值點(diǎn)上，引入慣性項(xiàng)有可能使網(wǎng)絡(luò)避免落入某一局部最小值。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（5）BP網(wǎng)絡(luò)的優(yōu)缺點(diǎn)1）BP網(wǎng)絡(luò)主要優(yōu)點(diǎn)：只要有足夠多的隱含層和隱節(jié)點(diǎn)，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近的方法，因而它具有較好的泛化能力。2）BP網(wǎng)絡(luò)的主要缺點(diǎn)：收斂速度慢；局部權(quán)值；難以確定隱含層和隱節(jié)點(diǎn)的個(gè)數(shù)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（6）典型的BP網(wǎng)絡(luò)改進(jìn)算法1)引入慣性項(xiàng)輸出層的任意神經(jīng)元k在樣本p作用時(shí)的加權(quán)系數(shù)改進(jìn)公式為隱含層的任意神經(jīng)元i在樣本p作用時(shí)的加權(quán)系數(shù)改進(jìn)公式為4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（6）典型的BP網(wǎng)絡(luò)改進(jìn)算法2)引入動(dòng)量項(xiàng)加入的動(dòng)量項(xiàng)實(shí)質(zhì)上相當(dāng)于阻尼項(xiàng)收斂性式中，既可表示單個(gè)的連接權(quán)系數(shù)；為時(shí)刻的負(fù)梯度：是時(shí)刻的負(fù)梯度：為學(xué)習(xí)速率，；為動(dòng)量項(xiàng)因子，。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.2徑向基神經(jīng)網(wǎng)絡(luò)

1985年，Powell提出了多變量插值的徑向基函數(shù)(RadialBasisFunction，RBF)方法。

徑向基函數(shù)網(wǎng)絡(luò)比BP網(wǎng)絡(luò)需要更多的神經(jīng)元，但是它能夠按時(shí)間片來訓(xùn)練網(wǎng)絡(luò)。徑向基網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò)，已證明它能以任意精度逼近任一連續(xù)函數(shù)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.2徑向基神經(jīng)網(wǎng)絡(luò)

構(gòu)成RBF網(wǎng)絡(luò)的基本思想：用RBF作為隱單元的“基”構(gòu)成隱含層空間，這樣就可將輸入矢量直接(即不通過權(quán)連接)映射到隱空間。當(dāng)RBF的中心點(diǎn)確定以后，這種映射關(guān)系也就確定了。而隱含層空間到輸出空間的映射是線性的，即網(wǎng)絡(luò)的輸出是隱單元輸出的線性加權(quán)和。此處的權(quán)即為網(wǎng)絡(luò)可調(diào)參數(shù)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.2徑向基神經(jīng)網(wǎng)絡(luò)

（1）徑向基函數(shù)網(wǎng)絡(luò)模型RBF網(wǎng)絡(luò)由兩層組成，其結(jié)構(gòu)如圖4-10所示。圖4-10RBF網(wǎng)絡(luò)的結(jié)構(gòu)4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.2徑向基神經(jīng)網(wǎng)絡(luò)

（1）徑向基函數(shù)網(wǎng)絡(luò)模型

輸入層節(jié)點(diǎn)只是傳遞輸入信號到隱含層，隱含層節(jié)點(diǎn)由象高斯核函數(shù)那樣的輻射狀作用函數(shù)構(gòu)成，而輸出層節(jié)點(diǎn)通常是簡單的線性函數(shù)。隱含層節(jié)點(diǎn)中的作用函數(shù)(核函數(shù))對輸入信號將在局部產(chǎn)生響應(yīng)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）網(wǎng)絡(luò)輸出RBF網(wǎng)絡(luò)的輸入層到隱含層實(shí)現(xiàn)的非線性映射，徑向基網(wǎng)絡(luò)隱含層節(jié)點(diǎn)的作用函數(shù)一般取下列幾種形式4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）網(wǎng)絡(luò)輸出最常用的是高斯激活函數(shù)

采用高斯基函數(shù)，具備如下優(yōu)點(diǎn)：表示形式簡單，即使對于多變量輸入也不增加太多的復(fù)改性；徑向?qū)ΨQ；光滑性好，任意階導(dǎo)數(shù)存在；由于該基函數(shù)表示簡單且解析性好，因而使于進(jìn)行理論分析。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）網(wǎng)絡(luò)輸出最常用的是高斯激活函數(shù)

采用高斯基函數(shù)，具備如下優(yōu)點(diǎn)：表示形式簡單，即使對于多變量輸入也不增加太多的復(fù)改性；徑向?qū)ΨQ；光滑性好，任意階導(dǎo)數(shù)存在；由于該基函數(shù)表示簡單且解析性好，因而使于進(jìn)行理論分析。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）網(wǎng)絡(luò)輸出考慮到提高網(wǎng)絡(luò)精度和減少隱含層節(jié)點(diǎn)數(shù)，也可以將網(wǎng)絡(luò)激活函數(shù)改成多變量正態(tài)密度函數(shù)式中，是輸入?yún)f(xié)方差陣的逆。

RBF網(wǎng)絡(luò)的隱含層到輸出層實(shí)現(xiàn)的線性映射，即4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）網(wǎng)絡(luò)輸出式中，是隱含層第個(gè)節(jié)點(diǎn)的輸出；是輸出層第個(gè)節(jié)點(diǎn)的輸出；是隱含層到輸出層的加權(quán)系數(shù)；是輸出層的閥值；是隱含層節(jié)點(diǎn)數(shù)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）RBF網(wǎng)絡(luò)的學(xué)習(xí)過程

RBF網(wǎng)絡(luò)的學(xué)習(xí)過程分為兩個(gè)階段。第一階段是無教師學(xué)習(xí)；第二階段是有教師學(xué)習(xí)。1)無教師學(xué)習(xí)階段(a)給定各隱節(jié)點(diǎn)的初始中心向量和判定停止計(jì)算的(b)計(jì)算距離(歐氏距離)并求出最小距離的節(jié)點(diǎn)；4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）RBF網(wǎng)絡(luò)的學(xué)習(xí)過程

(c)調(diào)整中心(d)判定聚類質(zhì)量對于全部樣本反復(fù)進(jìn)行以上(b)，(c)步，直至滿足以上條件。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）RBF網(wǎng)絡(luò)的學(xué)習(xí)過程2)有教師學(xué)習(xí)階段有教師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí)。當(dāng)確定以后，訓(xùn)練由隱含層至輸出層之間的權(quán)值，由上可知，它是一個(gè)線性方程組，則求權(quán)值就成為線性優(yōu)化問題。

隱含層至輸出層之間的連接權(quán)值學(xué)習(xí)算法為式中，，為高斯函數(shù)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）RBF網(wǎng)絡(luò)有關(guān)的幾個(gè)問題從理論上而言，RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)一樣可近似任何連續(xù)非線性函數(shù)。已證明RBF網(wǎng)絡(luò)具有惟一最佳通近的特性，且無局部極小。求RBF網(wǎng)絡(luò)隱節(jié)點(diǎn)的中心向量和標(biāo)準(zhǔn)化常數(shù)是一個(gè)困難的問題。徑向基函數(shù)，即徑向?qū)ΨQ函數(shù)有多種。(RBF網(wǎng)絡(luò)雖具有惟一最佳逼近的特性以及無局部極小的優(yōu)點(diǎn)，但隱節(jié)點(diǎn)的中心難求，這是該網(wǎng)絡(luò)難以廣泛應(yīng)用的原因。RBF網(wǎng)絡(luò)學(xué)習(xí)速度很快，適于在線實(shí)時(shí)控制。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.3Hopfield網(wǎng)絡(luò)

美國物理學(xué)家Hopfield在1982年首先提出了一種由非線性元件構(gòu)成的單層反饋網(wǎng)絡(luò)系統(tǒng)，稱這種單層反饋網(wǎng)絡(luò)為Hopfield網(wǎng)絡(luò)。圖4-11給出Hopfield網(wǎng)絡(luò)的一種結(jié)構(gòu)形式。圖4-11Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（1）Hopfield網(wǎng)絡(luò)模型Hopfield網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)可看作全連接加權(quán)無向圖，它是一種網(wǎng)狀網(wǎng)絡(luò)，可分為離散和連續(xù)兩種類型。離散網(wǎng)絡(luò)的節(jié)點(diǎn)僅取+1和-1(或0和1)兩個(gè)值，而連續(xù)網(wǎng)絡(luò)取0和1之間任一實(shí)數(shù)。設(shè)此網(wǎng)絡(luò)含有個(gè)神經(jīng)元，神經(jīng)元的狀態(tài)取0或1，各神經(jīng)元按下列規(guī)則隨機(jī)地、異步地改變狀態(tài)

4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（1）Hopfield網(wǎng)絡(luò)模型Hopfield網(wǎng)絡(luò)模型的基本原理：只要由神經(jīng)元興奮的算法和聯(lián)接權(quán)系數(shù)所決定的神經(jīng)網(wǎng)絡(luò)的狀態(tài)，在適當(dāng)給定的興奮模式下尚未達(dá)到穩(wěn)定狀態(tài)，那么該狀態(tài)就會(huì)一直變化下去，直到預(yù)先定義的一個(gè)必定減小的能量函數(shù)達(dá)到極小值時(shí)，狀態(tài)才達(dá)到穩(wěn)定而不再變化。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）Hopfield網(wǎng)絡(luò)的聯(lián)想記憶功能Hopfield網(wǎng)絡(luò)的聯(lián)想記憶過程，從動(dòng)力學(xué)的角度就是非線性動(dòng)力學(xué)系統(tǒng)朝著某個(gè)穩(wěn)定狀態(tài)運(yùn)行的過程，這一過程可分為學(xué)習(xí)和聯(lián)想兩個(gè)階段。在給定樣本的條件下，按照Hebb學(xué)習(xí)規(guī)則，調(diào)整聯(lián)接權(quán)值，使得存儲的樣本成為動(dòng)力學(xué)的吸引子，這個(gè)過程就是學(xué)習(xí)階段。而聯(lián)想是指在已調(diào)整好權(quán)值不變的情況下，給出部分不全或受了干擾的信息，按照動(dòng)力學(xué)規(guī)則改變神經(jīng)元的狀態(tài)，使系統(tǒng)最終變到動(dòng)力學(xué)的吸引子。即指收斂于某一點(diǎn)，或周期性迭代(極限環(huán))，或處于混沌狀態(tài)。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）Hopfield網(wǎng)絡(luò)的聯(lián)想記憶功能Hopfield網(wǎng)絡(luò)用于聯(lián)想記憶的學(xué)習(xí)算法，本算法取偏流I為零。1)按照Hebb規(guī)則設(shè)置權(quán)值2)對未知樣本初始化4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（2）Hopfield網(wǎng)絡(luò)的聯(lián)想記憶功能3)迭代計(jì)算

直至節(jié)點(diǎn)輸出狀態(tài)不改變時(shí)，迭代結(jié)束。此時(shí)節(jié)點(diǎn)的輸出狀態(tài)即為未知輸入最佳匹配的樣本。4)返回2)繼續(xù)迭代。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）Hopfield網(wǎng)絡(luò)的的優(yōu)化計(jì)算功能

Hopfield網(wǎng)絡(luò)理論的核心思想認(rèn)為，網(wǎng)絡(luò)從高能狀態(tài)轉(zhuǎn)移到最小能量狀態(tài)，則達(dá)到收斂，獲得穩(wěn)定的解，完成網(wǎng)絡(luò)功能。Hopfield網(wǎng)絡(luò)所構(gòu)成的動(dòng)力學(xué)系統(tǒng)與固體物理學(xué)模型自旋玻璃相似，可用二次能量函數(shù)來描述系統(tǒng)的狀態(tài)，系統(tǒng)從高能狀態(tài)到低能的穩(wěn)定狀態(tài)的變化過程，相似于滿足約束問題的搜索最優(yōu)解的過程。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)（3）Hopfield網(wǎng)絡(luò)的的優(yōu)化計(jì)算功能

Hopfield網(wǎng)絡(luò)可用于優(yōu)化問題的計(jì)算。Hopfield網(wǎng)絡(luò)用于優(yōu)化問題的計(jì)算與用于聯(lián)想記憶的計(jì)算過程是對偶的。在解決優(yōu)化問題時(shí)，權(quán)矩陣W已知，目的是求取最大能量正的穩(wěn)定狀態(tài)。為此，必須將待優(yōu)化的問題映射到網(wǎng)絡(luò)的相應(yīng)于優(yōu)化問題可能解的特定組態(tài)上，再構(gòu)造一待優(yōu)化問題的能量函數(shù)，它應(yīng)和優(yōu)化問題中的二次型代價(jià)函數(shù)成正比例。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)4.4.4小腦模型關(guān)聯(lián)控制器——CMAC網(wǎng)絡(luò)

1975年，Albus根據(jù)神經(jīng)生理學(xué)小腦皮層結(jié)構(gòu)特點(diǎn)，提出了一種小腦模型關(guān)聯(lián)控制器(CerebellumModelArticulationController)，簡記為CMAC網(wǎng)絡(luò)。經(jīng)過多年的研究，其中包括Miller、Tolle、Ersu及Parks等人杰出的工作，目前它已被公認(rèn)為是一類聯(lián)想記憶網(wǎng)絡(luò)(ANN)的重要組成部分。4.4幾種典型的神經(jīng)網(wǎng)絡(luò)CMAC網(wǎng)絡(luò)的工作原理圖4-12CMAC網(wǎng)絡(luò)的基本原理4.4幾種典型的神經(jīng)網(wǎng)絡(luò)CMAC網(wǎng)絡(luò)的工作原理圖4-13CMAC網(wǎng)絡(luò)原理結(jié)構(gòu)圖4.4幾種典型的神經(jīng)網(wǎng)絡(luò)CMAC網(wǎng)絡(luò)的工作原理CMAC網(wǎng)絡(luò)是一種通過多種映射實(shí)現(xiàn)聯(lián)想記憶網(wǎng)絡(luò)，實(shí)際上這種映射是一種智能查表技術(shù)，它模擬小腦皮層神經(jīng)系統(tǒng)感受信息，獲得并處理信息、存儲信息，通過聯(lián)想利用信息的功能。它能實(shí)現(xiàn)無教師學(xué)習(xí)，不僅學(xué)習(xí)速度快，而且精度高，可以處理不確定性知識，在機(jī)器人的手臂協(xié)調(diào)控制中有著廣闊的應(yīng)用前景。第一節(jié)活塞式空壓機(jī)的工作原理第二節(jié)活塞式空壓機(jī)的結(jié)構(gòu)和自動(dòng)控制第三節(jié)活塞式空壓機(jī)的管理復(fù)習(xí)思考題單擊此處輸入你的副標(biāo)題，文字是您思想的提煉，為了最終演示發(fā)布的良好效果，請盡量言簡意賅的闡述觀點(diǎn)。第六章活塞式空氣壓縮機(jī)

piston-aircompressor壓縮空氣在船舶上的應(yīng)用：

1.主機(jī)的啟動(dòng)、換向；

2.輔機(jī)的啟動(dòng)；

3.為氣動(dòng)裝置提供氣源；

4.為氣動(dòng)工具提供氣源；

5.吹洗零部件和濾器。

排氣量:單位時(shí)間內(nèi)所排送的相當(dāng)?shù)谝患壩鼩鉅顟B(tài)的空氣體積。單位：m3/s、m3/min、m3/h第六章活塞式空氣壓縮機(jī)

piston-aircompressor空壓機(jī)分類：按排氣壓力分：低壓0.2～1.0MPa；中壓1～10MPa；高壓10～100MPa。按排氣量分：微型<1m3/min；小型1～10m3/min；中型10～100m3/min；大型>100m3/min。第六章活塞式空氣壓縮機(jī)

piston-aircompressor第一節(jié)活塞式空壓機(jī)的工作原理容積式壓縮機(jī)按結(jié)構(gòu)分為兩大類：往復(fù)式與旋轉(zhuǎn)式兩級活塞式壓縮機(jī)單級活塞壓縮機(jī)活塞式壓縮機(jī)膜片式壓縮機(jī)旋轉(zhuǎn)葉片式壓縮機(jī)最長的使用壽命-

----低轉(zhuǎn)速（1460RPM），動(dòng)件少（軸承與滑片），潤滑油在機(jī)件間形成保護(hù)膜，防止磨損及泄漏，使空壓機(jī)能夠安靜有效運(yùn)作；平時(shí)有按規(guī)定做例行保養(yǎng)的JAGUAR滑片式空壓機(jī)，至今使用十萬小時(shí)以上，依然完好如初，按十萬小時(shí)相當(dāng)于每日以十小時(shí)運(yùn)作計(jì)算，可長達(dá)33年之久。因此，將滑片式空壓機(jī)比喻為一部終身機(jī)器實(shí)不為過?；?葉)片式空壓機(jī)可以365天連續(xù)運(yùn)轉(zhuǎn)并保證60000小時(shí)以上安全運(yùn)轉(zhuǎn)的空氣壓縮機(jī)1.進(jìn)氣2.開始壓縮3.壓縮中4.排氣1.轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動(dòng)時(shí)，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動(dòng)使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時(shí)停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動(dòng)，氣密范圍變小，空氣被壓縮。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。1.進(jìn)氣2.開始壓縮3.壓縮中4.排氣1.凸凹轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動(dòng)時(shí)，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動(dòng)使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時(shí)停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動(dòng)，氣密范圍變小，空氣被壓縮。螺桿式氣體壓縮機(jī)是世界上最先進(jìn)、緊湊型、堅(jiān)實(shí)、運(yùn)行平穩(wěn)，噪音低，是值得信賴的氣體壓縮機(jī)。螺桿式壓縮機(jī)氣路系統(tǒng)：

A

進(jìn)氣過濾器

B

空氣進(jìn)氣閥

C

壓縮機(jī)主機(jī)

D

單向閥

E

空氣/油分離器

F

最小壓力閥

G

后冷卻器

H

帶自動(dòng)疏水器的水分離器油路系統(tǒng)：

J

油箱

K

恒溫旁通閥

L

油冷卻器

M

油過濾器

N

回油閥

O

斷油閥冷凍系統(tǒng)：

P

冷凍壓縮機(jī)

Q

冷凝器

R

熱交換器

S

旁通系統(tǒng)

T

空氣出口過濾器螺桿式壓縮機(jī)渦旋式壓縮機(jī)

渦旋式壓縮機(jī)是20世紀(jì)90年代末期開發(fā)并問世的高科技壓縮機(jī)，由于結(jié)構(gòu)簡單、零件少、效率高、可靠性好，尤其是其低噪聲、長壽命等諸方面大大優(yōu)于其它型式的壓縮機(jī)，已經(jīng)得到壓縮機(jī)行業(yè)的關(guān)注和公認(rèn)。被譽(yù)為“環(huán)保型壓縮機(jī)”。由于渦旋式壓縮機(jī)的獨(dú)特設(shè)計(jì)，使其成為當(dāng)今世界最節(jié)能壓縮機(jī)。渦旋式壓縮機(jī)主要運(yùn)動(dòng)件渦卷付，只有磨合沒有磨損，因而壽命更長，被譽(yù)為免維修壓縮機(jī)。

由于渦旋式壓縮機(jī)運(yùn)行平穩(wěn)、振動(dòng)小、工作環(huán)境安靜，又被譽(yù)為“超靜壓縮機(jī)”。

渦旋式壓縮機(jī)零部件少，只有四個(gè)運(yùn)動(dòng)部件,壓縮機(jī)工作腔由相運(yùn)動(dòng)渦卷付形成多個(gè)相互封閉的鐮形工作腔，當(dāng)動(dòng)渦卷作平動(dòng)運(yùn)動(dòng)時(shí)，使鐮形工作腔由大變小而達(dá)到壓縮和排出壓縮空氣的目的?；钊娇諝鈮嚎s機(jī)的外形第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級壓縮）工作循環(huán)：4—1—2—34—1吸氣過程

1—2壓縮過程

2—3排氣過程第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級壓縮）

壓縮分類：絕熱壓縮：1—2耗功最大等溫壓縮：1—2''耗功最小多變壓縮：1—2'耗功居中功＝P×V（PV圖上的面積）加強(qiáng)對氣缸的冷卻，省功、對氣缸潤滑有益。二、實(shí)際工作循環(huán)（單級壓縮）1.不存在假設(shè)條件2.與理論循環(huán)不同的原因：1）余隙容積Vc的影響Vc不利的影響—?dú)埓娴臍怏w在活塞回行時(shí)，發(fā)生膨脹，使實(shí)際吸氣行程（容積）減小。Vc有利的好處—

（1）形成氣墊，利于活塞回行；（2）避免“液擊”（空氣結(jié)露）；（3）避免活塞、連桿熱膨脹，松動(dòng)發(fā)生相撞。第一節(jié)活塞式空壓機(jī)的工作原理表征Vc的參數(shù)—相對容積C、容積系數(shù)λv合適的C：低壓0.07-0.12

中壓0.09-0.14

高壓0.11-0.16

λv＝0.65—0.901）余隙容積Vc的影響C越大或壓力比越高，則λv越小。保證Vc正常的措施：余隙高度見表6-1壓鉛法—保證要求的氣缸墊厚度2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理2）進(jìn)排氣閥及流道阻力的影響吸氣過程壓力損失使排氣量減少程度，用壓力系數(shù)λp表示：保證措施：合適的氣閥升程及彈簧彈力、管路圓滑暢通、濾器干凈。λp

（0.90-0.98）2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理3）吸氣預(yù)熱的影響由于壓縮過程中機(jī)件吸熱，所以在吸氣過程中，機(jī)件放熱使吸入的氣體溫度升高，使吸氣的比容減小，造成吸氣量下降。預(yù)熱損失用溫度系數(shù)λt來衡量（0.90-0.95）。保證措施：加強(qiáng)對氣缸、氣缸蓋的冷卻，防止水垢和油污的形成。2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理4）漏泄的影響內(nèi)漏：排氣閥（回漏）；外漏：吸氣閥、活塞環(huán)、氣缸墊。漏泄損失用氣密系數(shù)λl來衡量（0.90-0.98）。保證措施：氣閥的嚴(yán)密閉合，氣缸與活塞、氣缸與缸蓋等部件的嚴(yán)密配合。5）氣體流動(dòng)慣性的影響當(dāng)吸氣管中的氣流慣性方向與活塞吸氣行程相反時(shí)，造成氣缸壓力較低，氣體比容增大，吸氣量下降。保證措施：合理的設(shè)計(jì)進(jìn)氣管長度，不得隨意增減進(jìn)氣管的長度，保證濾器的清潔。2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理上述五條原因使實(shí)際與理論循環(huán)不同。4）漏泄的影響5）氣體流動(dòng)慣性的影響1）余隙容積Vc的影響2）進(jìn)排氣閥及流道阻力的影響3）吸氣預(yù)熱的影響2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理3.排氣量和輸氣系數(shù)