1、<p><b>　　3D綠色機(jī)房設(shè)計(jì)</b></p><p>　　摘 要：本文是對(duì)綠色機(jī)房設(shè)計(jì)的研究，通過對(duì)機(jī)房?jī)?nèi)各點(diǎn)溫度與影響因素之間的分析，以及出風(fēng)口溫度和風(fēng)速對(duì)機(jī)房溫度調(diào)節(jié)的作用分別建立了BP神經(jīng)網(wǎng)絡(luò)模型和非線性回歸模型。</p><p>　　對(duì)于問題一，通過對(duì)數(shù)據(jù)的分析，熱點(diǎn)出現(xiàn)在冷通道。可以看到在距空調(diào)距離一定，且高度小于2.1m時(shí)，冷通道溫度都

2、比熱通道低，但高度大于2.1m的區(qū)域，溫度卻相差不多。因?yàn)榭紤]到空間區(qū)域不同及溫差對(duì)風(fēng)速的影響，而文中所給的數(shù)據(jù)較少，所以對(duì)所給數(shù)據(jù)進(jìn)行多項(xiàng)式插值處理，得到各不同方位點(diǎn)的溫度坐標(biāo)，運(yùn)用Surfer軟件分別建立流場(chǎng)圖和熱分布圖。</p><p>　　對(duì)于問題二，因?yàn)闄C(jī)房環(huán)境較為復(fù)雜，運(yùn)用純物理學(xué)公式的方法難以進(jìn)行推導(dǎo)，本文就單純考慮各數(shù)據(jù)之間的內(nèi)部關(guān)系，首先對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)風(fēng)速對(duì)溫度的相關(guān)性較低，便進(jìn)行了

3、合理的取舍，然后運(yùn)用計(jì)算機(jī)，對(duì)所給數(shù)據(jù)插值，得到更多數(shù)據(jù)進(jìn)行處理，建立基于BP神經(jīng)網(wǎng)絡(luò)的熱分布模型，通過距空調(diào)2.4M各高度點(diǎn)的溫度的預(yù)測(cè)值與真實(shí)值的比較，檢驗(yàn)?zāi)Ｐ停?lt;/p><p>　　對(duì)于問題三，首先對(duì)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)將各通道區(qū)域內(nèi)部的最高溫度全部集中在距空調(diào)4.1m，高度1.8m的區(qū)域。通過對(duì)附件3及相關(guān)資料的查閱，本文將各區(qū)域的最高溫度作為考慮因素并命名為熱點(diǎn)。因?yàn)樗o數(shù)據(jù)較少，所以將問題二中求出的模型

4、進(jìn)行改進(jìn)，建立基于BP神經(jīng)網(wǎng)絡(luò)的加權(quán)熱分布模型，并合理進(jìn)行插值預(yù)測(cè)，得到不同任務(wù)量下各通道的最高溫度。并通過對(duì)表格采用控制變量法處理，發(fā)現(xiàn)通道4、5只受機(jī)柜1的影響，通道3靠近機(jī)柜2的位置的溫度只受機(jī)柜2的影響，通道3靠近機(jī)柜3的位置的溫度只受機(jī)柜3的影響。而通道2、1只受機(jī)柜4的影響，于是通過通道最高溫度與任務(wù)量之間的關(guān)系，建立各通道對(duì)應(yīng)機(jī)柜與任務(wù)量的非線性回歸方程，對(duì)方程組做最優(yōu)化處理，預(yù)測(cè)出不同任務(wù)量下各機(jī)柜的最優(yōu)工作狀態(tài)。<

5、;/p><p>　　對(duì)于問題四，利用熱力學(xué)公式，通過模型二，三中所得到的大量預(yù)測(cè)數(shù)據(jù)，運(yùn)用能量守恒原理，考慮機(jī)柜產(chǎn)熱率與空調(diào)的制冷效率，及房間的結(jié)露率等方面，分別建立開機(jī)時(shí)機(jī)房溫度調(diào)節(jié)模型與關(guān)機(jī)時(shí)機(jī)房溫度調(diào)節(jié)模型</p><p>　　預(yù)測(cè)不同任務(wù)量下，機(jī)房最優(yōu)的降溫方案。</p><p>　　關(guān)鍵字 BP神經(jīng)網(wǎng)絡(luò)；非線性回歸方程；溫度調(diào)節(jié)</p>&l

6、t;p><b>　　一、問題的重述</b></p><p>　　由于高密度計(jì)算、多任務(wù)計(jì)算的需要，越來越多的高性能數(shù)據(jù)中心或互聯(lián)網(wǎng)中心（DC、IDC）正逐漸建成。在現(xiàn)代的數(shù)據(jù)中心內(nèi)，由于刀片服務(wù)器成本與性價(jià)比高，體積小而被廣泛使用。由于自身能源與冷卻條件限制，這類大規(guī)模的數(shù)據(jù)中心或許每年需要花費(fèi)數(shù)百萬(wàn)美元，主要用于計(jì)算設(shè)備及系統(tǒng)冷卻所需的能源費(fèi)用。因此有必要提高數(shù)據(jù)中心設(shè)備的能效，極大

7、化數(shù)據(jù)中心的能源利用率及計(jì)算能力。大約在上世紀(jì)90年代后期，IBM、HP等公司首先提出綠色數(shù)據(jù)中心的概念，并受到世界各國(guó)的廣泛重視。</p><p>　?。?）根據(jù)附件1的數(shù)據(jù)，繪出冷、熱通道的熱分布及流場(chǎng)分布及室內(nèi)最高溫度位置。</p><p>　?。?）建立描述該問題熱分布的數(shù)學(xué)模型及算法，并與測(cè)試案例進(jìn)行比較。</p><p>　?。?）如果定義該機(jī)房的總體任

8、務(wù)量為1，根據(jù)你的模型及附件1的流場(chǎng)數(shù)據(jù)，確定服務(wù)器實(shí)際任務(wù)量為0.8及0.5的最優(yōu)任務(wù)分配方案，并給出室內(nèi)最高溫度。</p><p>　?。?）如果按照《電子信息系統(tǒng)機(jī)房設(shè)計(jì)規(guī)范》（附件3）C級(jí)要求控制機(jī)房溫度，討論服務(wù)器設(shè)計(jì)任務(wù)量一定條件下，如何控制空調(diào)的送風(fēng)速度或送風(fēng)溫度（可以通過送風(fēng)槽的出口風(fēng)速與溫度來描述）。</p><p><b>　　二、基本假設(shè)</b>

9、</p><p>　　1.不加入冷空氣時(shí)，內(nèi)部熱空氣已達(dá)到穩(wěn)定狀態(tài)</p><p>　　2.同一高度內(nèi)，空氣層內(nèi)部相對(duì)穩(wěn)定</p><p>　　3.機(jī)房?jī)?nèi)部冷熱空氣處于平衡狀態(tài)，空間位置內(nèi)一點(diǎn)的溫度與時(shí)間無關(guān)</p><p>　　4.附錄三中通道的溫度可近似等于機(jī)柜的機(jī)身溫度</p><p>　　5.機(jī)柜各表面的材料相

10、同，即機(jī)柜的各表面的承熱能力是相同的</p><p>　　6.空氣的濕度相對(duì)不變</p><p>　　7.空氣的動(dòng)能可忽略不計(jì)</p><p><b>　　三、符號(hào)說明</b></p><p>　　四、模型的建立與求解</p><p>　　4.1問題一的分析與求解：</p><

11、p>　　我們首先介紹以下概念：</p><p>　　1、等溫線： 同一水平面上氣溫相同的各點(diǎn)的連結(jié)；</p><p><b>　　等溫線上溫度相等；</b></p><p>　　氣溫高的地方的地方等溫線向高緯彎曲，氣溫低的地方向低緯彎曲。</p><p>　　等溫線越密集，表示溫差變化越大。</p>

12、<p>　　2、溫差越大，冷熱空氣之間的相對(duì)速度就越大</p><p>　　3、二維圖中x軸代表距離空調(diào)的距離，y軸代表高度；三維圖中z軸代表溫度。</p><p>　　4、箭頭方向表示風(fēng)流向的切線，定義箭頭方向所指為正方向。</p><p>　　5、顏色的由藍(lán)到紅代表了溫度的由低到高，</p><p>　　對(duì)于問題一，題目要求利用

13、附錄一數(shù)據(jù)，但我們發(fā)現(xiàn)附錄一的數(shù)據(jù)太少，不足以找到最高溫度與位置的關(guān)系，因此我們利用插值來增加數(shù)據(jù)的個(gè)數(shù)，通過建立立體坐標(biāo)系，橫坐標(biāo) x表示距離空調(diào)的距離，縱坐標(biāo)y表示點(diǎn)距離地面的高度，立體坐標(biāo)z表示該點(diǎn)溫度，借助專業(yè)軟件Surfer的強(qiáng)大數(shù)據(jù)處理和制圖功能，我們得到機(jī)房通道2和通道3（附錄一只提供通道2和通道3數(shù)據(jù)）的熱分布及流場(chǎng)分布圖如下：</p><p>　　圖1.1通道2熱分布</p>&l

14、t;p>　　圖1.2 通道2熱分布</p><p>　　通過對(duì)通道2插值擬合的圖像進(jìn)行分析，因?yàn)橥ǖ?是冷通道，且地面有冷氣吹出，所以出風(fēng)口風(fēng)速越大，單位時(shí)間內(nèi)放出的冷空氣就越多，制冷的作用效果就越明顯，通道2的溫度也就越低；而冷空氣的密度相對(duì)較大，在高度高于柜高（2M）的區(qū)域，冷空氣下沉，熱空氣聚集，冷空氣的影響較小，溫度較高。而在同一等高層的空間，空間內(nèi)氣體的相對(duì)狀態(tài)是相似的，對(duì)于同一表流層而言，溫度是

15、相同的。</p><p>　　圖2.1通道3熱分布</p><p>　　圖2.2通道3熱分布</p><p>　　通過對(duì)于熱通道熱分布圖分析，熱通道內(nèi)，等溫線分布較均勻，無明顯張馳及繃緊的區(qū)域，可以看出，熱通道內(nèi)各區(qū)域的溫度差異不大，由于機(jī)柜群的阻擋，冷空氣對(duì)于溫度的影響效果不明顯。在高度高于柜高（2M）的區(qū)域，熱空氣上升聚集，溫度較高。觀察機(jī)房的機(jī)柜群分布，對(duì)比通

16、道1和通道5，通道3受到機(jī)柜的雙重作用，溫度最高的點(diǎn)肯定在通道三位置高于柜高的區(qū)域。</p><p>　　由于冷空氣較熱空氣密度大，所以冷空氣會(huì)向熱空氣擴(kuò)散，且溫度相差越大，即密度相差越大，則擴(kuò)散速度越快，據(jù)此我們繪出流場(chǎng)分布圖如下：</p><p>　　圖3通道2流場(chǎng)分布圖</p><p>　　該圖X軸為距離空調(diào)的距離，Ｙ軸為該點(diǎn)距地面高度。箭頭大致表示風(fēng)的流向的

17、切線，箭頭的顏色和長(zhǎng)短表示風(fēng)速的大小（由藍(lán)色到紅色，長(zhǎng)度由短到長(zhǎng)，風(fēng)速依次增大）?？梢钥闯?，在距離空調(diào)回風(fēng)口較近的部位箭頭的顏色呈紅色（空調(diào)幾何尺寸高度為2米，回風(fēng)孔位于空調(diào)頂部。）在距離空調(diào)約７．５米處有一小部分紅色箭頭，此位置為機(jī)柜群另一側(cè)過道，風(fēng)速較其他位置較大。而位于屋頂部分的空氣流速較穩(wěn)定。</p><p>　　圖4通道３流場(chǎng)分布圖</p><p>　　該圖X軸為距離空調(diào)的距離，

18、Ｙ軸為高度。箭頭大致表示風(fēng)的流向的切線，箭頭的顏色表示風(fēng)速的大?。ㄓ伤{(lán)色到紅色，風(fēng)速依次增大）。由圖可以直觀的看出，整個(gè)分布圖紅色箭頭較通道２多，這是因?yàn)橥ǖ溃碁槭菬嵬ǖ?，服?wù)器將熱量排入熱通道，再通過排風(fēng)系統(tǒng)排出，循環(huán)進(jìn)入空調(diào)頂部。在機(jī)柜群底部的風(fēng)速較大，原因是此處熱空氣較多、溫差較大，從而影響了空氣流動(dòng)的速度。隨著高度的上升，風(fēng)速整體減弱（溫差減小的緣故）</p><p>　　問題一要求找出機(jī)房的最高溫度，可

19、是附錄一只給出通道2、3的溫度數(shù)據(jù)，我組考慮認(rèn)為有兩類情況：1、熱點(diǎn)出現(xiàn)在冷通道。通過對(duì)數(shù)據(jù)觀察分系，可以看到在距空調(diào)距離一定，且高度小于2.1時(shí)，該區(qū)域的冷通道溫度都比熱通道低，但高度大于2.1時(shí)，溫度卻相差不多，這是因?yàn)橄路接欣淇諝鈬姵?，且該冷空氣還來不及到達(dá)上面區(qū)域，就被大部分被機(jī)柜吸掉和部分冷熱中和。所以對(duì)于這類情況成立時(shí)，熱點(diǎn)僅可能出現(xiàn)在機(jī)柜上面區(qū)域。2、熱點(diǎn)出現(xiàn)在熱通道。距空調(diào)距離一定時(shí)，該區(qū)域溫度幾乎不受風(fēng)速與高度的影響。

20、</p><p>　　通過對(duì)流場(chǎng)圖個(gè)點(diǎn)坐標(biāo)的處理，我們估計(jì)出室內(nèi)的最高溫度位置約在高度2.65M，距空調(diào)位置5.2M的地方，最高溫度為31.5攝氏度。</p><p>　　4.2問題二的分析與求解</p><p>　　問題二中要求給出熱分布的數(shù)學(xué)模型及算法，在對(duì)問題二的分析中，我們查閱了大量的相關(guān)資料，發(fā)現(xiàn)對(duì)這類問題的處理方法一般有兩種，一種是運(yùn)用純熱學(xué)方程，找出溫

21、度與各影響因素之間的熱力學(xué)關(guān)系，但是這種方法公式難以找取，受外界影響較大，且在公式的求解中，各變量因素之間關(guān)系不明朗，要進(jìn)行大量假設(shè)及控制變量，所得結(jié)果準(zhǔn)確性較差。第二種是通過對(duì)實(shí)際測(cè)得大量數(shù)據(jù)的處理，找出數(shù)據(jù)之間所存在的內(nèi)部關(guān)系。</p><p>　　對(duì)溫度的確立涉及到位置坐標(biāo) 、高度、風(fēng)速、距空調(diào)距離等多個(gè)因素影響。我們首先對(duì)于溫度與風(fēng)速之間的關(guān)系進(jìn)行相關(guān)性檢驗(yàn)，檢驗(yàn)出自變量Y作用的顯著程度，對(duì)于顯著性程度不

22、高的與溫度相關(guān)性不顯著的變量予以合適的處理，可以進(jìn)行合理的假設(shè)，達(dá)到減少變量的處理效果。</p><p><b>　　表1 相關(guān)性分析圖</b></p><p>　　由表中分析得出溫度與風(fēng)速的相關(guān)性程度較低，因此對(duì)于風(fēng)速產(chǎn)生的影響可以忽略不計(jì)。在后面的分析中，可以看出風(fēng)速對(duì)溫度的影響極小。</p><p>　　對(duì)空間內(nèi)任意一點(diǎn)的溫度大小的確立，

23、不僅要考慮風(fēng)速，熱空氣濃度，高度，還要考慮出風(fēng)口進(jìn)風(fēng)口的位置，空氣的熱傳導(dǎo)效應(yīng)，影響因素多，任務(wù)量大，很難建立完整的數(shù)學(xué)模型，而BP神經(jīng)網(wǎng)絡(luò)在處理多參數(shù)，物體內(nèi)部的多重復(fù)雜關(guān)系，有著極好的效果。在運(yùn)用BP算法進(jìn)行預(yù)測(cè)的時(shí)候，我們附錄中所給出的數(shù)據(jù)，首先采用三次樣條插值，得到大量基于不同位置的溫度值，并以此為輸入構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。</p><p>　　4.2.3 基于神經(jīng)網(wǎng)絡(luò)的熱分布模型的建立：</p&g

24、t;<p>　　BP神經(jīng)網(wǎng)絡(luò)的介紹：</p><p>　　人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)的基礎(chǔ)上提出和發(fā)展起來的，旨在反映人腦結(jié)構(gòu)及 </p><p>　　功能的一種抽象數(shù)學(xué)模型，它對(duì)非線性映射有任意近似能力，基于神經(jīng)網(wǎng)絡(luò)的智能辨識(shí)方法正廣泛地被用于復(fù)雜系統(tǒng)的辨識(shí)與控制。神經(jīng)網(wǎng)絡(luò)即使在具體物理模型與數(shù)學(xué)表達(dá)式均未知的情況下，也能通過網(wǎng)絡(luò)自身的訓(xùn)練，達(dá)到其輸出與期望輸出在一定誤差

25、范圍內(nèi)相符的結(jié)果，網(wǎng)絡(luò)內(nèi)部有大量可調(diào)的參數(shù)，具有高度靈活性。網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成，容錯(cuò)性強(qiáng)，少量神經(jīng)元的輸入錯(cuò)誤對(duì)網(wǎng)絡(luò)的整個(gè)輸出影響不大。它包含三個(gè)主要因素：網(wǎng)絡(luò)的拓?fù)浣Y(jié)果、神經(jīng)元的特征和訓(xùn)練規(guī)則。目前有不少于50種的人工神經(jīng)網(wǎng)絡(luò)模型，其中BP網(wǎng)絡(luò)(又稱多層感知機(jī))是比較成熟的方法，它屬分層網(wǎng)絡(luò)結(jié)構(gòu)，使用BP算法(反向傳播學(xué)習(xí)算法)。。</p><p>　　BP神經(jīng)網(wǎng)絡(luò)是將神經(jīng)元分層排列，組成一個(gè)輸入層， 若干個(gè)

26、中間層(隱層)以及一個(gè)輸出層，相鄰兩層各神經(jīng)元相互聯(lián)系， 但每一層內(nèi)的神經(jīng)元各自獨(dú)立。前一層各神經(jīng)元的輸出經(jīng)過不同方式加權(quán)求和后，再作為后一層每個(gè)神經(jīng)元的輸入，圖1為BP神經(jīng)元的示意圖， 它有很多輸入通道，X0，X1……Xn，信息經(jīng)過這些通道進(jìn)行加權(quán)之后輸入到該神經(jīng)元中，再進(jìn)行相加并進(jìn)行一定的函數(shù)轉(zhuǎn)換(通常取sigmoid函數(shù)) 之后形成一個(gè)輸出信息Yi，此輸出信息再經(jīng)過輸出通道加權(quán)之后傳給另外一些神經(jīng)元，每個(gè)神經(jīng)元的作用相當(dāng)于一個(gè)加法

27、器及轉(zhuǎn)換器。</p><p><b>　　BP網(wǎng)絡(luò)的特點(diǎn)：</b></p><p>　　輸入和輸出是并行的模擬量；</p><p>　　網(wǎng)絡(luò)的輸入輸出關(guān)系是各層連接的權(quán)因子決定，沒有固定的算法；</p><p>　　權(quán)因子是通過學(xué)習(xí)信號(hào)調(diào)節(jié)的，這樣學(xué)習(xí)越多，網(wǎng)絡(luò)越聰明；</p><p>　　隱含層

28、越多，網(wǎng)絡(luò)輸出精度越高，且個(gè)別權(quán)因子的損壞不會(huì)對(duì)網(wǎng)絡(luò)輸出產(chǎn)生大的影響。</p><p><b>　　具體步驟：</b></p><p>　　Step1：將所得數(shù)據(jù)進(jìn)行插值，得到大量樣本，將樣本歸一化處理后進(jìn)行輸入</p><p>　　Step2：設(shè)置三層分析層，將輸出樣本作為學(xué)習(xí)樣本，選擇正切Sigmoid型Tansig函數(shù)為激勵(lì)函數(shù)，構(gòu)建三層

29、神經(jīng)模型</p><p>　　Step3：設(shè)置學(xué)習(xí)速率及精度，將每次得出來結(jié)果與精度進(jìn)行比較，滿足精度進(jìn)行Step4，不滿足繼續(xù)轉(zhuǎn)入Step3.</p><p>　　Step4：將所得結(jié)果進(jìn)行輸出。</p><p>　　以下圖所示的流程圖構(gòu)建BP函數(shù)</p><p><b>　　圖7</b></p><

30、;p><b>　　具體程序見附錄</b></p><p>　　本模型中，我們以距空調(diào)5m，7.2m的指標(biāo)，插值作為學(xué)習(xí)對(duì)象，以距空調(diào)2.4m距離的各數(shù)據(jù)作為輸入檢驗(yàn)，得到一組預(yù)測(cè)值，與真實(shí)值進(jìn)行比較得出下表</p><p><b>　　表2 冷通道預(yù)測(cè)表</b></p><p>　　真實(shí)值 ——

31、 預(yù)測(cè)值 ——</p><p>　　圖5 冷通道真實(shí)值與預(yù)測(cè)值的擬合圖</p><p><b>　　表3 熱通道預(yù)測(cè)表</b></p><p>　　真實(shí)值 —— 預(yù)測(cè)值 ——</p><p>　　圖6 熱通道真實(shí)值與預(yù)測(cè)值的擬合圖</p>&

32、lt;p>　　4.3 問題三的分析與求解</p><p>　　通過對(duì)附件二中的數(shù)據(jù)分析，我們可以得出如下表格，通過對(duì)表格的分析，我們可以得到以下結(jié)論：</p><p>　　1.單一通道只受單一機(jī)柜的影響，通道與通道之間熱量交換不明顯</p><p>　　2.機(jī)房?jī)?nèi)處于穩(wěn)定狀態(tài)，且區(qū)域間的溫度相互對(duì)稱</p><p>　　3.機(jī)柜的任務(wù)量

33、與通道溫度之間成正比。</p><p>　　設(shè)X1-X5對(duì)應(yīng)通道5-1， q代表通道的熱力密度，Qi代表通道的熱量，t代表在位置坐標(biāo)</p><p>　　p（m，n，q）點(diǎn)的溫度，由熱力學(xué)公式可得：</p><p><b>　?。?）</b></p><p>　　為對(duì)流傳熱比例系數(shù)，tw為機(jī)柜壁溫度，tf為機(jī)柜附近空氣溫

34、度。</p><p>　　當(dāng)機(jī)房?jī)?nèi)處于穩(wěn)定狀態(tài)時(shí)，可認(rèn)為機(jī)柜壁與空氣之間的溫度交換已經(jīng)達(dá)到了一個(gè)動(dòng)態(tài)平衡</p><p><b>　　（2）</b></p><p>　　A代表氣體與固體間的接觸面積，</p><p>　　通道內(nèi)溫度已經(jīng)達(dá)到一個(gè)穩(wěn)定狀態(tài)，所以可以認(rèn)為通道內(nèi)的熱力密度已達(dá)到一個(gè)穩(wěn)定值即為定值，由熱力學(xué)公式推

35、導(dǎo)可得：</p><p><b>　?。?）</b></p><p>　　為比例系數(shù)，T為該點(diǎn)與冷源點(diǎn)之間的溫差，</p><p>　　所以通道的熱量可以用溫差來線性的表示</p><p>　　通過對(duì)附件2中的數(shù)據(jù)進(jìn)行分析，不難得出下面的結(jié)論：</p><p>　　1.表8 表中數(shù)據(jù)為機(jī)柜任務(wù)

36、量分別為所有機(jī)柜均為0.5、其他機(jī)柜不變，一至四號(hào)機(jī)柜任務(wù)量從0.5升至0.8五種情況，通過控制變量法分析易得出結(jié)論：其他機(jī)柜任務(wù)量保持0.5，當(dāng)1號(hào)機(jī)柜任務(wù)量從0.5提升到0.8時(shí)，通道4、5的環(huán)境溫度明顯升高，而其他機(jī)柜任務(wù)量提升至0.8時(shí)，溫度沒有發(fā)生明顯的變化，可以得出通道4、5主要受機(jī)柜1的影響，其他機(jī)柜對(duì)其的影響可完全忽略不計(jì)。同理可以分析出通道3靠近機(jī)柜2的位置的溫度主要受機(jī)柜2的影響，通道3靠近機(jī)柜3的位置的溫度主要受機(jī)

37、柜3的影響。而通道2、1主要受機(jī)柜4的影響。</p><p>　　表4 機(jī)柜與通道關(guān)系表</p><p>　　2.通道Xi（1-5）的最高溫度區(qū)域都分布在高度1.8，據(jù)空調(diào)位置4.1米附近，為了方便求解，我們把五個(gè)通道的熱點(diǎn)都認(rèn)為在高度1.8，距空調(diào)位置4.1米的范圍。</p><p>　　這樣，我們便找出了單一機(jī)柜對(duì)單一通道的溫度的極值點(diǎn)做單一影響這一關(guān)系。由公式

38、3可知，該區(qū)域熱量，便可用溫度來近似表示。</p><p>　　對(duì)一個(gè)封閉空間而言，機(jī)房的工作過程可以看作處于一個(gè)動(dòng)態(tài)平衡中，也就是說，它每一時(shí)刻釋放的熱量與空調(diào)所提供的冷氣相對(duì)不變，可得機(jī)房的平均溫度處于一個(gè)恒定值，而為了分析任務(wù)量對(duì)最優(yōu)分配的影響，可以表現(xiàn)為任務(wù)量對(duì)溫度的影響，假設(shè)用熱點(diǎn)取代通道的平均溫度，建立起溫度與任務(wù)量的關(guān)系式。</p><p>　　4.3.1基于神經(jīng)網(wǎng)絡(luò)的加權(quán)熱

39、分布模型的建立</p><p>　　我們基于模型二的思想，將附錄二中的機(jī)柜任務(wù)量也作為一個(gè)學(xué)習(xí)條件，構(gòu)建一個(gè)新的基于神經(jīng)網(wǎng)絡(luò)的加權(quán)熱分布模型。 </p><p>　　例如對(duì)于5通道X5可用矩陣（1.1 4.1 1.8 w1 0 0 0 ）來表示，w1分別以0.1的步長(zhǎng)，在0-1的范圍內(nèi)輸入進(jìn)模型內(nèi)進(jìn)行搜索，得出一組溫度與工作量之間的預(yù)測(cè)值，用這些預(yù)測(cè)值來做擬合，得出第一個(gè)機(jī)柜工作量與通道

40、五之間的擬合曲線，如下：</p><p>　　圖7 通道5溫度與任務(wù)量的擬合表</p><p>　　我們對(duì)這個(gè)曲線采用三次擬合，發(fā)現(xiàn)擬合效果非常好，得出溫度TP與第一個(gè)機(jī)柜任務(wù)量w1之間的擬合方程為：</p><p><b>　?。?）</b></p><p>　　同理，得出通道4溫度TP與第二個(gè)機(jī)柜任務(wù)量w2之間的擬合

41、曲線方程為：</p><p><b>　?。?）</b></p><p>　　通道3靠近二機(jī)柜溫度TP與第二個(gè)機(jī)柜任務(wù)量w2之間的擬合曲線方程為：</p><p><b>　?。?）</b></p><p>　　通道3靠近三機(jī)柜溫度TP與第三個(gè)機(jī)柜任務(wù)量w3之間的擬合曲線方程為：</p>

42、<p><b>　?。?）</b></p><p>　　通道2溫度TP與第四個(gè)機(jī)柜任務(wù)量w4之間的擬合曲線方程為：</p><p><b>　?。?）</b></p><p>　　通道2溫度TP與第四個(gè)機(jī)柜任務(wù)量w4之間的擬合曲線方程為：</p><p><b>　　（10）

43、</b></p><p>　　綜合上述分析，可以得出該問題的模型為：</p><p><b>　　S.t.:</b></p><p><b>　　（11）</b></p><p>　　W1=X1；W2=X3，W3=X4，W4=X5</p><p>　　根據(jù)上述模型

44、，我們將任務(wù)量分別以0.8，0.5，即總?cè)蝿?wù)量以3.2，2.0，帶入，用Lingo軟件進(jìn)行求解，結(jié)果如下：</p><p><b>　　表3 分配方案表</b></p><p>　　4.4問題四的分析與求解</p><p>　　我們查閱相關(guān)資料，發(fā)現(xiàn)對(duì)于機(jī)柜的工作效率極低，機(jī)柜的能量約有99.998%被用來產(chǎn)熱，只有極小一部分被用來內(nèi)部期間做功

45、。</p><p>　　4.4.1 開機(jī)時(shí)機(jī)房溫度調(diào)節(jié)模型</p><p>　　影響機(jī)房溫度的因素有，機(jī)柜自身工作產(chǎn)生的熱量，空調(diào)出風(fēng)口輸出的冷空氣產(chǎn)生的降溫，空調(diào)送風(fēng)口送出的熱空氣帶走的熱量。由能量守恒可得：</p><p><b>　?。?2）</b></p><p>　　方程兩邊同除t,可得：</p>

46、<p><b>　?。?3） </b></p><p><b>　　化簡(jiǎn)得：</b></p><p><b>　?。?4）</b></p><p><b>　?。?5）</b></p><p>　?。╬為機(jī)柜功率，w為機(jī)柜工作量，氣體為出風(fēng)口

47、速度，為進(jìn)風(fēng)口速度，為進(jìn)風(fēng)槽面積 ，為出風(fēng)槽面積， 為 室內(nèi)熱空氣的熱量減去出風(fēng)槽處冷空氣的熱量，為室內(nèi)平均溫度的變化， 為室內(nèi)實(shí)際溫度，t為時(shí)間，為溫度的變化率，過大時(shí)，會(huì)導(dǎo)致空氣產(chǎn)生結(jié)露，由附錄三可得=10.） </p><p>　　4.4.2關(guān)機(jī)時(shí)機(jī)房溫度調(diào)節(jié)模型</p><p>　　在機(jī)房關(guān)機(jī)時(shí)，機(jī)器停止工作，將不再散熱此時(shí)：</p><p><b&

48、gt;　?。?6）</b></p><p><b>　　（17）</b></p><p><b>　?。?8）</b></p><p><b>　?。?9）</b></p><p>　　對(duì)于，我們用模型二預(yù)測(cè)出進(jìn)風(fēng)口附近十個(gè)點(diǎn)的風(fēng)速，采用均值處理的方法，得出進(jìn)風(fēng)風(fēng)速

49、為=0.804m/s。</p><p>　?。╬= 3kw，=0.804m/s , =0.7,=2.56,,=35,k=R/NA=1.38×10-23J·K-1，c=1.005kj/(kg*K),=1.205g/L, v=255.664）</p><p><b>　　五、結(jié)果分析與檢驗(yàn)</b></p><p>　　（1）對(duì)

50、于溫度分布圖及流場(chǎng)圖的模擬，我們對(duì)附表1的數(shù)據(jù)進(jìn)行了插值處理，得到各點(diǎn)的溫度及流場(chǎng)分布，再運(yùn)用surfer軟件進(jìn)行模擬，可靠性較高</p><p>　　（2）模型二，三，我們各自分別用一組數(shù)據(jù)作為輸入，得到一組預(yù)測(cè)值與真實(shí)值進(jìn)行比較，得到了上面的比較曲線，除個(gè)別特殊點(diǎn)以外，其余點(diǎn)的擬合度都較好。</p><p>　?。?）模型四，運(yùn)用物理學(xué)公式，進(jìn)行合理的推導(dǎo)。</p>&l

51、t;p>　　六、模型的評(píng)價(jià)和推廣</p><p><b>　　1.模型的優(yōu)點(diǎn)</b></p><p>　?。?）本文采用計(jì)算機(jī)處理數(shù)據(jù)，所得預(yù)測(cè)值與真實(shí)值相對(duì)誤差較小，可信度高。</p><p>　?。?）方法易于操作處理，具有普遍性，便于推廣。</p><p><b>　　2.模型的缺點(diǎn)</b&g

52、t;</p><p>　?。?）本文許多地方用到的數(shù)據(jù)都是根據(jù)模型二中的BP模型生成的，與真實(shí)情況有一定的差距。</p><p>　　（2）模型的可靠性依賴于大量數(shù)據(jù)</p><p>　?。?）模型四中未考慮空氣濕度與空氣密度的變化，存在誤差</p><p><b>　　參考文獻(xiàn)</b></p><p

53、>　　[1]姜啟源、謝金星、葉俊，《數(shù)學(xué)模型》（第三版），高等教育出版社</p><p>　　[2]尹貞勤，程控交換機(jī)房空調(diào)設(shè)計(jì)探討[ J]，安徽建筑，1999(4)</p><p>　　[3]葉其效 反應(yīng)擴(kuò)散方程簡(jiǎn)介 知識(shí)與進(jìn)展 2010</p><p>　　[4]孫祥，徐流美，吳清。MATLAB7.0基礎(chǔ)教程，北京：清華大學(xué)出版社，2001.</

54、p><p><b>　　附錄</b></p><p><b>　　插值程序</b></p><p>　　A=[2.4 0.3 13;2.4 0.9 13;2.4 1.5 17;2.4 2.1 30;2.4 2.7 30;5 0.3 13;5 0.9 13;5 1.5 25; 5 2.1 30;5 2.7 30;7.2 0.3

55、13;7.2 0.9 13;7.2 1.5 19;7.2 2.1 30;7.2 2.7 30;];</p><p>　　x=A(:,1);y=A(:,2);z=A(:,3);</p><p>　　[X,Y,Z]=griddata(x,y,z,linspace(2.4,7.2,10)',linspace(0.3,2.7,10));</p><p><b&

56、gt;　　神經(jīng)網(wǎng)絡(luò)程序</b></p><p>　　x=A(:,1);y=A(:,2);z=A(:,3);</p><p>　　[X,Y,Z]=griddata(x,y,z,linspace(2.4,7.2,10)',linspace(0.3,2.7,10));</p><p>　　juli=[2.4 2.4 2.4 2.4 2.4 5 5 5

57、5 5];</p><p>　　gaodu=[0.3 0.9 1.5 2.1 2.7 0.3 0.9 1.5 2.1 2.7];</p><p>　　fengsu=[0.6 0.6 0.9 1.1 1.1 0.4 0.4 0.5 0.6 0.6];</p><p>　　wendu=[13 13 17 30 30 13 13 25 30 30];</p>

58、<p>　　p=[juli;gaodu;fengsu];</p><p><b>　　t=wendu;</b></p><p>　　[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); </p><p>　　dx=[-1,1;-1,1;-1,1];</p><p>　　net=

59、newff(dx,[3,6,1],{'tansig','tansig','tansig'},'traingdx');</p><p>　　net.trainParam.show=1000;</p><p>　　net.trainParam.Lr=0.035;</p><p>　　net.trainPar

60、am.epochs=90000;</p><p>　　net.trainParam.goal=1*10^(-6);</p><p>　　net=train(net,pn,tn);</p><p>　　an=sim(net,pn);</p><p>　　a=postmnmx(an,mint,maxt);</p><p>

61、　　pnew=[0.3 0.9 1.5 2.1 2.7;2.4 2.4 2.4 2.4 2.4;0.6 0.6 0.9 1.1 1.1];</p><p>　　pnewn=tramnmx(pnew,minp,maxp);</p><p>　　anewn=sim(net,pnewn);</p><p>　　y=postmnmx(anewn,mint,maxt)<