神经网络专家系统的意思,神经网络专家系统结构

神经网络和专家系统什么关系？谁能给解释一下

谷歌人工智能写作项目：神经网络伪原创

神经网络专家系统

我们可以针对此需求提供一套与需求相匹配的代码(教学版,个人版,专业版,企业版)为获取建议，你需要提供有效的Email地址AI发猫。

您还可以直接依靠BaiduHi联系我们,或应用百度知道向我求助,或应用百度知道发送短消息或QQ:六五七幺五六幺五('幺'读yao一声)有机会可解决你的问题ES:\DC0700ACCEFB46498C91E71CA9CDAC49交易提醒:预付订金是陷阱开发信息管理系统,B2B/B2C电子商务,企业/个人网站更有优惠。

人工智能和神经网络有什么联系与区别？

联系：都是模仿人类行为的数学模型以及算法。神经网络的研究能促进或者加快人工智能的发展。

区别如下：一、指代不同1、人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

2、神经网络：是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

二、方法不同1、人工智能：企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

2、神经网络：依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。三、目的不同1、人工智能：主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

2、神经网络：具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。

参考资料来源：百度百科-人工智能参考资料来源：百度百科-神经网络。

我想做一个神经网络专家系统故障诊断的程序,怎样根据数据形式选择知识的表示形式?如何设计专家系统的知识

什么是专家控制技术

专家控制系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。

也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。

简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家控制系统（expertcontrolsystem,ECS）它已广泛应用于故障诊断、工业设计和过程控制，为解决工业控制难题提供一种新的方法，是实现工业过程控制的重要技术。

专家系统的基本功能取决于它所含有的知识，因此，有时也把专家系统称为基于知识的系统（knowledge-basedsystem）由于专家式控制器在模型的描述上采用多种形式，就必然导致其实现方法的多样性。

虽然构造专家式控制器的具体方法各不相同，但归结起来，其实现方法可分为两类：一类是保留控制专家系统的结构特征，但其知识库的规模小，推理机构简单；另一类是以某种控制算法（例如PID算法）为基础，引入专家系统技术，以提高原控制器的决策水平。

专家式控制器虽然功能不如专家系统完善，但结构较简单，研制周期短，实时性好，具有广阔的应用前景。

专家控制系统作为一个人工智能和控制理论的交叉学科，即是人工智能领域专家系统（ES）的一个典型应用，也是智能控制理论的一个分支。专家控制既可包括高层控制（决策与规划），又可涉及低层控制（动作与实现）。

1 专家控制系统的基本结构人工智能领域中发展起来的专家系统是一种基于知识的、智能的计算机程序。

其内部含有大量的特定领域中专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。

将专家系统技术引入控制领域，首先必须把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现知识推理的机制和结构。

虽然因应用场合和控制要求的不同，专家控制系统的结构可能不一样，但是几乎所有的专家控制系统都包含知识库、推理机、控制规则集和控制算法等。

下图所示为专家控制系统的基本结构与专家系统相似，整个控制问题领域的知识库和一个体现知识决策的推理机构成了专家控制系统的主体。知识库内部的组织结构可采用人工智能中知识表示的合适方法。

其中，一部分知识可称为数据，例如先验知识、动态信息、由事实及证据推得的中间状态和性能目标等。数据常常用一种框架结构组织在一起，形成数据库。

另一部分知识可称为规则，即定性的推理知识，每条规则都代表着与受控系统有关的经验知识，它们往往以产生式规则（if……then……）表示。所有的规则组成规则库。

在专家控制系统中，定量知识，即各种有关的解析算法，一般都独立编码，按常规的程序设计方法组织。

推理机的基本功能在于按某种控制策略，针对当前的问题信息，识别和选取知识库中对解决当前问题有用的知识进行推理，直至最终得出问题的推理结果。

2 专家控制系统的研究重点及其应用领域在智能控制领域中，专家系统控制、神经网络控制、模糊逻辑控制等方法各自有着不同的优势及适用领域。因而将几种方法相融合，成为设计更高智能的控制系统的可取方案。

而通过引进其他智能方法来实现更有效的专家控制系统业已成为近年来研究的热点。根据它们结合的方式，专家控制系统可以分为以下三种。

（1）一般控制理论知识和经验知识相结合基于一般控制理论知识（解析算法）和经验知识（专家系统）的结合，扩展了传统控制算法的范围[3].这种控制方法是以应用专家知识、知识模型、知识库、知识推理、控制决策和控制策略等技术为基础的，知识模型与常规数学模型相结合，知识信息处理技术与控制技术的结合，模拟人的智能行为等。

此方法能够解决时变大规模系统和复杂系统以及非线性和多扰动实时控制过程的控制问题。Astrom等把有关自调整和自适应的启发知识编入知识基系统，以克服现有自适应控制系统的不足。

这类研究典型地体现了专家控制原理的本质，也是研究最多的一种策略。

文献[4]首次提出了分工况智能PID专家控制系统，克服了传统的液压挖掘机控制中单纯的转速控制和压力控制的不足，近似地实现了无级调速，并实现了节能的效果。

文献[5]提出用专家控制理论和方法，与传统的PID控制方式结合起来，分析计算并判断各种运行状态，给出适当的晶闸管触发角相位信号，使得直流调速装置能快速无超调起动和制动，并在进入稳态后保持要求的静态精度，满足了调速系统快速性、实时的要求。

（2）模糊逻辑与专家控制相结合将模糊集和模糊推理引入专家控制系统中，就产生了基于模糊规则的专家控制系统，也称模糊专家控制系统（FEC）。

它运用模糊逻辑和人的经验知识及求解控制问题时的启发式规则来构造控制策略。

对于难以用准确的数字模型描述，也难以完全依靠确定性数据进行控制的情况，可使用模糊语言变量来表示规则，并进行模糊推理，更能模拟操作人员凭经验和直觉对受控过程进行的手动控制，从而具有更高的智能。

模糊专家控制全部或部分地采用模糊技术来进行知识获取、知识表示和运用。其核心是模糊推理机，它根据模糊知识库中的不确定性知识，按不确定性推理、策略，解决系统问题域中的问题，给出较为合理的控制命令。

这种控制方法适用于模型不充分、不精确，甚至不存在的复杂过程（对象）。与模糊控制（FLC）相比，模糊专家控制系统有更高的智能：它拥有关于过程控制的更复杂的知识，能以更复杂的方式利用这些知识。

模糊集仍被用于模拟不确定性，但模糊专家控制系统在范围上更具一般性，能处理广泛种类的问题。利用模糊数学的基本思想和理论的控制方法。

在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。

然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。

换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。

（3）神经网络与专家控制相结合将神经网络和专家系统技术结合起来，即神经网络专家系统的研究已经起步。神经网络基于数值和算法，而专家系统则基于符号和启发式推理。

神经网络具有联想、容错、记忆、自适应、自学习和并行处理等优点；不足之处是不能对自身的推理方法进行解释，对未在训练样本中出现过的故障不能给出正确的诊断结论。

专家系统具有显式的知识表达形式，知识容易维护，能对推理行为进行解释，并可利用深层知识来诊断新故障；缺点是不能从经验中进行学习，当知识库庞大时难以维护，在进行深层诊断时需要过多的计算时间。

因此，将神经网络和专家系统结合起来，充分发挥专家系统"高层"推理的优势和神经网络"低层"处理的长处，可以收到更好的控制效果。

目前，由于对神经网络本身的研究还有很多未解的难题，因而应用神经网络的专家控制系统还不是很多：文献[8]提出一种神经网络专家控制策略，使用基于BP网络和规则模型的专家控制器及单回控制器，实现了高质量和低成本的控制目标，成功地对电解过程进行最优控制。

文献[9]提出了一种基于神经网络的SMT焊点质量专家控制系统，能够对焊点质量进行实时评价和控制，提高了生产率和产品的可靠性。

3 专家控制系统所面临的主要问题对于各类专家控制系统，它们要共同面对下列发展中的难点和挑战。（1）专家经验知识的获取问题。

如何获取专家知识，并将知识构造成可用的形式（即知识表示），成为研究专家系统的主要"瓶颈"之一[10].（2）知识库的自动更新与规则自动生成。

受知识获取方法的限制，专家控制系统不可能具有控制专家的全部知识。专家控制系统应能通过在线获取的信息以及人机接口不断学习新的知识，更新知识库的内容，根据出现的新情况自动产生出新规则。

否则，当系统出现超出专家系统知识范围的异常情况时，系统就可能出现失控。（3）专家控制系统需要建立实时操作知识库，以解决结构的复杂性、功能的完备性与控制的实时性之间的矛盾。

实时性涉及到的难题有：非单调推理、异步事件、按时间推理、推理时间约束等。（4）专家控制系统的稳定性分析是另一个研究难题。

由于涉及的对象具有不确定性或非线性，它实现的控制基于知识模型，采用启发式逻辑和模糊逻辑，专家控制系统的本质也是非线性的，因此目前的稳定性分析方法很难直接用于专家控制系统。

（5）如何实现数据和信息的并行处理，如何设计系统的解释机构，如何建立良好的用户接口等都是专家系统有待解决的问题。对于前述的采用不同技术的专家控制系统，它们也分别面临着各自不同的问题。

对于模糊专家控制系统，需要进一步深入研究的课题有：模糊控制规则设计方法的研究；模糊控制参数的最优调整理论及修正推理规则学习方式；模糊控制动态模型的辨识；模糊预测系统的设计方法和提高计算速度的算法等。

将神经网络和专家系统技术结合起来用于控制中的技术还很不成熟，尤其是ES和NN之间的相互通信问题，定性知识和定量知识的处理技术与整个智能控制系统有机集成的问题等，都是需要重点突破的关键问题。

4 专家控制系统展望专家控制是基于知识的智能控制技术，它为控制技术的发展开辟了新思路，即用人工智能中专家系统的机制决定控制方法的灵活选用，实现了解析规律与启发式逻辑的结合，从而使控制作用的描述更完整，使控制性能的满意实现成为可能。

但也应该看到，专家控制系统作为智能控制的一个分支，是一门新兴的、尚不完善的技术，它的发展与人工智能相关技术的发展是密切相关的。

因此，如何利用人工智能领域的新兴技术，并加强不同智能技术的融合，无疑是专家控制系统乃至智能控制研究和发展的一条有效的途径。

什么是专家系统？

专家系统(expertsystem)是人工智能应用研究最活跃和最广泛的课题之一。

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。

也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统expertsystem运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。

它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。

发展简况专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。

但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。

1965年，f.a.费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral，可以推断化学分子结构。

20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。

专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。

但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。

第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。

第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。

在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。

类型对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。

如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。

体系结构专家系统与传统的计算机程序系统有着完全不同的体系结构，通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部分所组成，其中尤以知识库与推理机相互分离而别具特色。

专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识。

目前常用的知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。基于规则的产生式系统是目前实现知识运用最基本的方法。

产生式系统由综合数据库、知识库和推理机3个主要部分组成，综合数据库包含求解问题的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。

推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。

正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。

这样反复地进行寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。

逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。

早期的专家系统采用通用的程序设计语言（如fortran、pascal、basic等）和人工智能语言（如lisp、prolog、smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。

其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。

大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。

BP神经网络的可行性分析

神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式。

逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理。这一过程可以写成串行的指令，让计算机执行。

然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。

这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。人工神经网络就是模拟人思维的第二种方式。

这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

4.1人工神经网络学习的原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。

现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

所以网络学习的准则应该是：如果网络做出错误的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。

首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。

在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能做出正确的判断。

如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。

如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。

这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够做出迅速、准确的判断和识别。

一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。

4.2人工神经网络的优缺点人工神经网络由于模拟了大脑神经元的组织方式而具有了人脑功能的一些基本特征，为人工智能的研究开辟了新的途径，神经网络具有的优点在于:（1）并行分布性处理因为人工神经网络中的神经元排列并不是杂乱无章的，往往是分层或以一种有规律的序列排列，信号可以同时到达一批神经元的输入端，这种结构非常适合并行计算。

同时如果将每一个神经元看作是一个小的处理单元，则整个系统可以是一个分布式计算系统，这样就避免了以往的“匹配冲突”，“组合爆炸”和“无穷递归”等题，推理速度快。

（2）可学习性一个相对很小的人工神经网络可存储大量的专家知识，并且能根据学习算法，或者利用样本指导系统来模拟现实环境(称为有教师学习)，或者对输入进行自适应学习(称为无教师学习)，不断地自动学习，完善知识的存储。

（3）鲁棒性和容错性由于采用大量的神经元及其相互连接，具有联想记忆与联想映射能力，可以增强专家系统的容错能力，人工神经网络中少量的神经元发生失效或错误，不会对系统整体功能带来严重的影响。

而且克服了传统专家系统中存在的“知识窄台阶”问题。（4）泛化能力人工神经网络是一类大规模的非线形系统，这就提供了系统自组织和协同的潜力。它能充分逼近复杂的非线形关系。

当输入发生较小变化，其输出能够与原输入产生的输出保持相当小的差距。

（5）具有统一的内部知识表示形式，任何知识规则都可以通过对范例的学习存储于同一个神经网络的各连接权值中，便于知识库的组织管理，通用性强。

虽然人工神经网络有很多优点，但基于其固有的内在机理，人工神经网络也不可避免的存在自己的弱点:（1）最严重的问题是没能力来解释自己的推理过程和推理依据。

（2）神经网络不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。（3）神经网络把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。

（4）神经网络的理论和学习算法还有待于进一步完善和提高。4.3神经网络的发展趋势及在柴油机故障诊断中的可行性神经网络为现代复杂大系统的状态监测和故障诊断提供了全新的理论方法和技术实现手段。

神经网络专家系统是一类新的知识表达体系，与传统专家系统的高层逻辑模型不同，它是一种低层数值模型，信息处理是通过大量的简单处理元件(结点)之间的相互作用而进行的。

由于它的分布式信息保持方式，为专家系统知识的获取与表达以及推理提供了全新的方式。

它将逻辑推理与数值运算相结合，利用神经网络的学习功能、联想记忆功能、分布式并行信息处理功能，解决诊断系统中的不确定性知识表示、获取和并行推理等问题。

通过对经验样本的学习，将专家知识以权值和阈值的形式存储在网络中，并且利用网络的信息保持性来完成不精确诊断推理，较好地模拟了专家凭经验、直觉而不是复杂的计算的推理过程。

但是，该技术是一个多学科知识交叉应用的领域，是一个不十分成熟的学科。一方面，装备的故障相当复杂;另一方面，人工神经网络本身尚有诸多不足之处:（1）受限于脑科学的已有研究成果。

由于生理实验的困难性，目前对于人脑思维与记忆机制的认识还很肤浅。（2）尚未建立起完整成熟的理论体系。

目前已提出了众多的人工神经网络模型，归纳起来，这些模型一般都是一个由结点及其互连构成的有向拓扑网，结点间互连强度所构成的矩阵，可通过某种学习策略建立起来。但仅这一共性，不足以构成一个完整的体系。

这些学习策略大多是各行其是而无法统一于一个完整的框架之中。（3）带有浓厚的策略色彩。这是在没有统一的基础理论支持下，为解决某些应用，而诱发出的自然结果。（4）与传统计算技术的接口不成熟。

人工神经网络技术决不能全面替代传统计算技术，而只能在某些方面与之互补，从而需要进一步解决与传统计算技术的接口问题，才能获得自身的发展。

虽然人工神经网络目前存在诸多不足，但是神经网络和传统专家系统相结合的智能故障诊断技术仍将是以后研究与应用的热点。它最大限度地发挥两者的优势。

神经网络擅长数值计算，适合进行浅层次的经验推理;专家系统的特点是符号推理，适合进行深层次的逻辑推理。

智能系统以并行工作方式运行，既扩大了状态监测和故障诊断的范围，又可满足状态监测和故障诊断的实时性要求。既强调符号推理，又注重数值计算，因此能适应当前故障诊断系统的基本特征和发展趋势。

随着人工神经网络的不断发展与完善，它将在智能故障诊断中得到广泛的应用。根据神经网络上述的各类优缺点，目前有将神经网络与传统的专家系统结合起来的研究倾向，建造所谓的神经网络专家系统。

理论分析与使用实践表明，神经网络专家系统较好地结合了两者的优点而得到更广泛的研究和应用。离心式制冷压缩机的构造和工作原理与离心式鼓风机极为相似。

但它的工作原理与活塞式压缩机有根本的区别，它不是利用汽缸容积减小的方式来提高汽体的压力，而是依靠动能的变化来提高汽体压力。

离心式压缩机具有带叶片的工作轮，当工作轮转动时，叶片就带动汽体运动或者使汽体得到动能，然后使部分动能转化为压力能从而提高汽体的压力。

这种压缩机由于它工作时不断地将制冷剂蒸汽吸入，又不断地沿半径方向被甩出去，所以称这种型式的压缩机为离心式压缩机。其中根据压缩机中安装的工作轮数量的多少，分为单级式和多级式。

如果只有一个工作轮，就称为单级离心式压缩机，如果是由几个工作轮串联而组成，就称为多级离心式压缩机。在空调中，由于压力增高较少，所以一般都是采用单级，其它方面所用的离心式制冷压缩机大都是多级的。

单级离心式制冷压缩机的构造主要由工作轮、扩压器和蜗壳等所组成。

压缩机工作时制冷剂蒸汽由吸汽口轴向进入吸汽室，并在吸汽室的导流作用引导由蒸发器(或中间冷却器)来的制冷剂蒸汽均匀地进入高速旋转的工作轮3(工作轮也称叶轮，它是离心式制冷压缩机的重要部件，因为只有通过工作轮才能将能量传给汽体)。

汽体在叶片作用下，一边跟着工作轮作高速旋转，一边由于受离心力的作用，在叶片槽道中作扩压流动，从而使汽体的压力和速度都得到提高。

由工作轮出来的汽体再进入截面积逐渐扩大的扩压器4(因为汽体从工作轮流出时具有较高的流速，扩压器便把动能部分地转化为压力能，从而提高汽体的压力)。汽体流过扩压器时速度减小，而压力则进一步提高。

经扩压器后汽体汇集到蜗壳中，再经排气口引导至中间冷却器或冷凝器中。

二、离心式制冷压缩机的特点与特性离心式制冷压缩机与活塞式制冷压缩机相比较，具有下列优点：(1)单机制冷量大，在制冷量相同时它的体积小，占地面积少，重量较活塞式轻5～8倍。

(2)由于它没有汽阀活塞环等易损部件，又没有曲柄连杆机构，因而工作可靠、运转平稳、噪音小、操作简单、维护费用低。(3)工作轮和机壳之间没有摩擦，无需润滑。

故制冷剂蒸汽与润滑油不接触，从而提高了蒸发器和冷凝器的传热性能。(4)能经济方便的调节制冷量且调节的范围较大。(5)对制冷剂的适应性差，一台结构一定的离心式制冷压缩机只能适应一种制冷剂。

(6)由于适宜采用分子量比较大的制冷剂，故只适用于大制冷量，一般都在25～30万大卡／时以上。如制冷量太少，则要求流量小，流道窄，从而使流动阻力大，效率低。

但近年来经过不断改进，用于空调的离心式制冷压缩机，单机制冷量可以小到10万大卡／时左右。制冷与冷凝温度、蒸发温度的关系。

由物理学可知，回转体的动量矩的变化等于外力矩，则T=m(C2UR2-C1UR1)两边都乘以角速度ω，得Tω=m(C2UωR2-C1UωR1)也就是说主轴上的外加功率N为：N=m(U2C2U-U1C1U)上式两边同除以m则得叶轮给予单位质量制冷剂蒸汽的功即叶轮的理论能量头。

U2C2ω2C2UR1R2ω1C1U1C2rβ离心式制冷压缩机的特性是指理论能量头与流量之间变化关系，也可以表示成制冷W=U2C2U-U1C1U≈U2C2U（因为进口C1U≈0）又C2U=U2-C2rctgβC2r=Vυ1/(A2υ2)故有W=U22(1-Vυ1ctgβ)A2υ2U2式中：V—叶轮吸入蒸汽的容积流量（m3/s）υ1υ2——分别为叶轮入口和出口处的蒸汽比容（m3/kg）A2、U2—叶轮外缘出口面积(m2)与圆周速度(m/s)β—叶片安装角由上式可见，理论能量头W与压缩机结构、转速、冷凝温度、蒸发温度及叶轮吸入蒸汽容积流量有关。

对于结构一定、转速一定的压缩机来说，U2、A2、β皆为常量，则理论能量头W仅与流量V、蒸发温度、冷凝温度有关。

按照离心式制冷压缩机的特性，宜采用分子量比较大的制冷剂，目前离心式制冷机所用的制冷剂有F—11、F—12、F—22、F—113和F—114等。

我国目前在空调用离心式压缩机中应用得最广泛的是F—11和F—12，且通常是在蒸发温度不太低和大制冷量的情况下，选用离心式制冷压缩机。

此外，在石油化学工业中离心式的制冷压缩机则采用丙烯、乙烯作为制冷剂，只有制冷量特别大的离心式压缩机才用氨作为制冷剂。

三、离心式制冷压缩机的调节离心式制冷压缩机和其它制冷设备共同构成一个能量供给与消耗的统一系统。

制冷机组在运行时，只有当通过压缩机的制冷剂的流量与通过设备的流量相等时，以及压缩机所产生的能量头与制冷设备的阻力相适应时，制冷系统的工况才能保持稳定。

但是制冷机的负荷总是随外界条件与用户对冷量的使用情况而变化的，因此为了适应用户对冷负荷变化的需要和安全经济运行，就需要根据外界的变化对制冷机组进行调节，离心式制冷机组制冷量的调节有：1°改变压缩机的转速；2°采用可转动的进口导叶；3°改变冷凝器的进水量；4°进汽节流等几种方式，其中最常用的是转动进口导叶调节和进汽节流两种调节方法。

所谓转动进口导叶调节，就是转动压缩机进口处的导流叶片以使进入到叶轮去的汽体产生旋绕，从而使工作轮加给汽体的动能发生变化来调节制冷量。

所谓进汽节流调节，就是在压缩机前的进汽管道上安装一个调节阀，如要改变压缩机的工况时，就调节阀门的大小，通过节流使压缩机进口的压力降低，从而实现调节制冷量。

离心式压缩机制冷量的调节最经济有效的方法就是改变进口导叶角度，以改变蒸汽进入叶轮的速度方向(C1U)和流量V。但流量V必须控制在稳定工作范围内，以免效率下降。

　GPS技术

（1）用于矿区环境、灾害、地面塌陷、滑坡、变形等的监测，具有精度高、三维定位、全天候、速度快、无需通视等优点。

（2）GPS在摄影测量及遥感中的作用，主要表现在：控制航摄飞行导航，以实现精确定点摄影；高精度动态相机定位，辅助进行空中三角测量；与其他传感器（CCD数字相机、激光测量系统、合成孔径雷达等）组合，确定载体的位置、姿态和速度。

（3）GPS可为GIS提供地理基础数据，进行矿区测量控制网的建立、监测或补测，便于实现多重、多时间、多比例尺、多分辨率空间数据在GIS中的复合处理。

应该指出，“3S”集成或一体化技术是发展方向，并且“3S”不是“RS+GIS+GPS”，而是“3S”≥P1（RS）+P2（GIS）+P3（GPS），其中Pi为权重，其数值是一个变值，依研究对象、工作目标、人的素质、仪器设备的优劣等因素的不同而异。

总之，地球信息科学技术在工矿区环境保护和社会经济可持续发展研究中有着重要作用。具有数据的快速获取、运算及处理、高精度目标定位、空间与瞬时模拟和区域发展规划决策等优点。

然而，“3S”技术应用于环境领域尚在初级阶段，在我国刚刚起步。特别是矿区环境问题本身的复杂性和特殊性，因此还有许多关键或困难问题有待进一步探索、研究解决。

例如：（1）遥感图像信息的解释、反演和模式识别。

一方面是根据矿区的地形地物特点，环境监测和保护的实际需要，对合适的遥感传感器及环境指标作出选择；另一方面，是研究矿区生态环境的遥感信息机理，以便通过反演、解释及模式识别技术将遥感信息转化为环境保护、治理的实用信息。

（2）利用遥感环境信息进行矿区环境质量评价的方法学。

与通常的环境质量评价方法相比，利用遥感图像信息进行矿区环境质量及其演变的评价有许多不同之处，需要有一套实用的科学方法，如评价模式、模型、评价指标（因素）的选择，它们的权重和关系等。

（3）在GIS应用中多种空间与非空间的地学信息和环境信息编码、输入、存储与结合，数据质量的评价、数据格式的转换以及各种环境应用模型的建立和运行。（4）环境专家系统与决策支持系统的研究。

解决环境领域中的问题既需要定性分析又需要定量分析。专家系统的辅助决策方式属于定性分析，而决策支持系统的辅助决策方式则属于定量分析，将这两种系统相结合将能极大地增强解决环境科学领域中的一些难题。

此外，神经网络专家系统的知识获取不需要由知识工程师来整理、总结、消化专家的知识，只需要运用专家解决问题的实例或范例来训练神经网络，在同样输入条件下，神经网络能获得与专家给出的解答相当一致的输出。

也即神经网络专家系统的知识获取具有效率高、质量高的优点。因此，神经网络环境专家系统的研究和应用是环境研究的一个发展方向和关键技术。（5）“3S”集成的理论和技术。

“3S”的集成是一项技术难度极高的综合高科技，具有重大的意义和效益。其出发点和归宿在于找到它的应用目标或应用市场。

要实现真正的“3S”技术集成，需要研究、解决集成系统设计、实现和应用中的许多基本问题，如集成系统的实时空间定位、一体化数据管理、语义和非语义信息的自动输入和提取、数据自动更新、实时通讯、图形/图像的空间可视化和输出、基于客户/服务器的分布式网络集成环境等。