压缩式制冷系统及各部件模型及系统算法

制冷系统仿真的重点和难点就是制冷系统各部件模型的建立及其系统仿真算法的研究，已有主要的研究集中于压缩式制冷系统，现在将研究状况介绍如下。
对于制冷系统及其部件的仿真，研究者们针对不同物理模型建立各种各样的数学模型，如集总参数模型、分区参数模型和分布参数模型等。
压缩机模型：压缩机为制冷剂的流动提供动力，该部件模型的计算决定了制冷剂流量的大小。在压缩机实际工作过程中，过热工质蒸汽流过吸排气阀均有压力损失，在吸排气过程中工质与汽缸壁也存在热交换，而且换热也与壳体、电动机和润滑油的温度有关。制冷系统仿真中建立压缩机模型的目的是求出压缩机出口制冷剂的质量流量和压缩机的输出功率，仿真只要求计算压缩机对系统性能和其它部件有影响的参数（如流量和功率），并实现各部件模型之间的耦合。为了在保证计算精度的前提下尽量缩短仿真时间最终实现对系统的优化，必须对模型做大量的简化。吴业正等对双制冷循环电冰箱的压缩机开停过程建立了较完整的数学模型对压缩机的汽缸、吸气腔、排气腔和运动气阀等结构部件在吸气、排气、膨胀或压缩过程分别建立了流量、质量和能量方程来求流量和功率。张华俊等以压缩机生产厂家提供的压缩机性能曲线为依据，取系统运行区间足够多的点，用最小二乘法拟合出压缩机中制冷剂的质量流量和功率表达式。陈芝久等考虑汽缸与外界存在热交换情况采用集总参数法建立压缩机的非稳态仿真模型。与以上不同且也最常用的模型是视压缩过程为多变过程或绝热过程，这种模型通用性强，但针对不同压缩机的容积效率和电效率是通过大量试验数据回归成经验公式来求得。还要提到的是，丁国良等引入人工神经网络方法来改进压缩机模型，提出了传统理论模型和神经网络相结合的新型压缩机热力计算模型，将传统计算模型中压缩机的容积效率和电效率以及其它诸多难以描述的因素归入神经网络部分，减轻对试验的要求，同时达到较高的计算精度，这对模型的简化有重要的指导意义。