1、目前的家用空調通常只能控制室內溫度，在低緯度夏季含濕量較大的地區(qū)，僅控制室內溫度同時室內相對濕度過高會導致人體不適。理論上通過直膨式空調壓縮機和蒸發(fā)器風機變頻可以實現室內溫濕度同時控制，空調系統中的傳熱傳質耦合是實現這一目標的最大障礙。本文主要內容即建立合適的直膨式空調系統模型進行解耦，預測系統在不同工況下的制冷能力和除濕能力。
　　本文對直膨式空調系統各部件建立了物理模型，組合起來的直膨式空調系統物理模型迭代次數過多，導致誤差相

2、對較大，響應時間長，不適合單獨用于開發(fā)面向控制的算法，故本文進一步嘗試應用經驗建模的方法。另外本文對焓差法下的肋片效率公式進行了簡化，得到了精度較高，運算量較小的經驗公式。
　　已經有研究者采用當下最常用的經驗建模方法——人工神經網絡模型對某一工況下直膨式空調系統Φs和Φl（顯熱冷量和潛熱冷量）進行了預測，得到了不錯的預測結果。但經驗模型的缺點在于當工況改變時，根據原工況下實驗數據建立的模型預測誤差較大。因此本文對工況漂移時人工神

3、經網絡模型的預測能力進行了驗證，Φs和Φl平均誤差分別為1.3％和18.3%，預測結果誤差較大，說明人工神經網絡模型也不適合單獨用于建立面向控制的直膨式空調模型。
　　綜上，本文嘗試將物理模型和人工神經網絡模型結合起來，綜合物理模型能解耦物理過程和人工神經網絡模型快速準確的優(yōu)點。直膨式空調系統傳熱傳質耦合發(fā)生在與室內空氣直接接觸的蒸發(fā)器上，因此本文對直膨式空調系統中的蒸發(fā)器建立了物理子模型，對壓縮機、冷凝器和電子膨脹閥建立了一個人

4、工神經網絡子模型。經過細致分析后確定了將兩個子模型結合起來的輸入輸出，并分別對兩個子模型進行了驗證，都得到了不錯的預測結果。最后驗證了混合模型在工況漂移時的預測精度，Φs和Φl平均誤差分別為5.8%和2.8%，預測效果遠好于同樣條件下的人工神經網絡模型，可見本文建立的面向控制的直膨式空調系統混合模型是有效的。在對包含耦合物理過程的系統進行建模時可以參考本文對直膨式空調系統建立混合模型的過程，對物理過程存在強耦合的部件建立物理模型，對系統