Function Approximation for Refrigerant Using the Neural Networks

신경회로망을 사용한 냉매의 함수근사

In numerical analysis on the thermal performance of the heat exchanger with phase change fluids, the numerical values of thermodynamic properties are needed. But the steam table should be modeled properly as the direct use of thermodynamic properties of the steam table is impossible. In this study the function approximation characteristics of neural networks was used in modeling the saturated vapor region of refrigerant R12. The neural network consists of one input layer with one node, two hidden layers with 10 and 20 nodes each and one output layer with 7 nodes. Input can be both saturation temperature and saturation pressure and two cases were examined. The proposed model gives percentage error of ${\pm}$0.005% for enthalpy and entropy, ${\pm}$0.02% for specific volume and ${\pm}$0.02% for saturation pressure and saturation temperature except several points. From this results neural network could be a powerful method in function approximation of saturated vapor region of R12.

유체의 상변화를 이용하는 냉난방장치 등의 열장치에 대한 열역학적인 성능평가는 열역학적 성질들에 대한 구체적인 수치값을 필요로 한다. 그러나 이러한 열역학적 성질들을 제공하는 증기표를 그대로는 사용할 수 없기 때문에 효과적인 모델링이 필요하다. 본 연구에서는 신경회로망의 함수근사 특성을 이용하여 냉방장치의 매질로 사용되는 냉매(R12)의 포화증기 영역을 모델링하였다. 냉매 R12의 포화증기 영역의 함수근사 해석을 위하여 1개의 노드를 가진 입력층에 대하여 7개의 노드를 가진 출력층을 기본으로 하여, 각각 10개와 20개의 노드를 가진 두 개의 은닉층을 가진 회로망을 구성하였다. 또한 입력이 온도와 압력 두 가지의 경우에 대하여 검토하였다. 제안된 신경회로망을 사용한 결과 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}$0.005%, 비체적은 ${\pm}$0.02%, 압력과 온도는 특별한 몇 개를 제외하고는 ${\pm}$0.02% 범위 내로 수렴되었다. 이 결과로부터 냉매를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인하였다.