• 설비공학논문집
• /
• 제20권4호
• /
• pp.230-237
• /
• 2008

The objective of this paper is to investigate the performance characteristics of a $CO_2$ cooling and water heating system using a twin-rotary compressor with the compression volume ratio of 0.6. The cooling performances of the $CO_2$ heat pump were measured and analyzed with the variations of charge amount, EEV opening, and compressor frequency. In addition, the performance of the combined system including cooling and water heating was also measured and analyzed by varying inlet temperature of the EEV. As a result, the optimal normalized charge and cooling COP in the cooling mode were 0.307 and 2.06, respectively. The application of the water heating into the $CO_2$ heat pump improved the cooling performance over 78% and decreased the EEV inlet temperature by $8^{\circ}C$, which can increase system reliability.

• 대한설비공학회지:설비저널
• /
• 제31권3호
• /
• pp.19-22
• /
• 2002

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2006년도 동계학술발표대회 논문집
• /
• pp.85-85
• /
• 2006

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2007년도 동계학술발표대회 논문집
• /
• pp.358-363
• /
• 2007

In this study, experimental study on the heating performance of a $CO_2$ heat pump with gas injection was performed varying gas injection ratio and outdoor temperature to improve the heating performance of $CO_2$ heat pump. The twin rotary compressor having volume ratio of 0.7 was adopted in the $CO_2$ heat pump. From the test results, the heating capacity and COP were increased and the compressor discharge temperature was decreased with the increase of injection ratio. At the outdoor temperature of $-8^{\circ}C$, the heating capacity and COP with the injection were increased by 45% and 24%, respectively, compared with non-injection condition.

• 한국전산구조공학회논문집
• /
• 제34권1호
• /
• pp.25-33
• /
• 2021

머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.