空调系统是世界上消耗能量最多的一种耗能系统,中国的空调产业发展迅速,主要空调产品产量均为世界第一.因此,性能优良的空调装置不仅是普通百姓的需要,也是国家建设的需要.但是在空调产品设计中,仍大景的依赖传统的经验公式和样机的反复制作与调试,这就决定了传统模型存在计算精度差和通用性差等缺点,使得产品的设计周期延长,并影响性能优化.应用基于神经网络的计算机智能仿真代替样机试验,可以很好的解决在传统思路上建立计算精度高和通用性好模型难度大的难题.由于空调系统是一个大型复杂的系统,所以该文将空调系统分为几部分,并且针对空调系统中压缩机、冷凝器、蒸发器、节流机构(毛细管)等主要设备的压缩机和蒸发器进行基于神经网络的计算机智能仿真研究.该研究将对今后的空调装置的控制研究中的智能控制、故障监控和诊断、负荷预测控制等有重要的理论价值.该课题的主要研究内容是,以人工神经网络可以在任意精度上逼近任一非线性连续函数为主要的理论基础,将人工神经网络引入到空调系统的仿真研究中.该文主要做了以下几方面的内容.第一,将多层误差反向传播网络(BP网络)引入到压缩机智能仿真模型的建立,利用神经网络非线性特征和自学习功能来解决传统压缩机模型中计算精度差的问题.同时,根据获得的实验数据做了大量的仿真实验,以平均误差和最大误差作为评价标准,验证了对压缩机模型很好的改良效果.第二,将BP网络和径向基函数网络分别引入到蒸发器智能仿真模型的建立,利用神经网络非线性特征和自学习功能来解决传统蒸发器模型中通用性差的问题.同时,根据获得的实验数据做了大量的仿真实验,以平均误差和最大误差作为评价标准,验证了神经网络对蒸发器模型很好的改良效果,并且得出应用径向基网路比应用BP网络获得了更好的改良效果.第三,利用Java编程语言独立开发了空调神经网络仿真程序.该软件具有BP神经网络的核心引擎和上层图形界面.由于全部开发均采用了Java编程语言,所以该软件具用跨平台性.最后,对全文所做的工作进行了总结,并对下一步研究工作进行了展望.