高分悬赏案例推理和专家系统的区别

1. 高分悬赏案例推理和专家系统的区别

案例推理（case-based reasoning）和专家系统的区别本人正在写论文，搞不懂两者的区别。
本来以为CBR是专家系统的一种，结果看到一篇论文《智能故障诊断技术综述》
上面写着智能故障诊断技术分为：专家系统，神经网络，模糊逻辑，故障树和案例推理。
难道专家系统和案例推理莫不相关？

但是又看到别的论文，题目就是《基于案例推理的导弹故障诊断专家系统研究》
《基于案例推理的鱼病诊断专家系统及其数据库设计》

请问两者到底有什么联系和区别？您有什么证据？
专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统，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。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。要获得高质量的专家系统，必须成功地把专家的知识转换到计算机上，因而“知识”是专家系统的核心。因此，专家系统也称为“知识库系统 (Knowledge Base Systems) ”。专家系统的“知识”是与专家知识、经验、专长等相关的信息集合，构成知识的信息汇聚于“知识库”中，以“知识表示方法”被计算机理解和接受。
专家系统的基本设计思想就是将知识和控制推理策略分开，形成一个知识库，专家系统在控制推理策略的导引下，利用存储起来的知识来分析和处理问题。这样，在解决问题时，用户为系统提供一些已知数据，然后可以从系统中获得专家水平的结论。
案例推理,即CBR(CASE-BASED REASONING)，是一种类比推理方法，它提供了一种近似人类思维模型的建造专家系统的新的方法学，这与人对自然问题的求解相一致。它强调这样的思想：人类在解决问题时，常常回忆过去积累下来的类似情况的处理，通过对过去类似情况处理的适当修改来解决新的问题。过去的类似情况及其处理技术被称之为案例(CASE)。过去的案例还可以用来评价新的问题及新问题的求解方案，并且对可能的错误进行预防。运用这一基本思想进行推理被称为CBR技术。
简单可以这么理解：专家系统和案例推理都是运用过去的经验来解决新的问题。传统的专家系统是基于规则进行推理的，也就是要建立大量的知识规则，然后按照规则推理出结果，而案例推理是一种较新的推理方法，它是把过去的经验转化为案例，然后通过案例的匹配，检索出与新问题像近的案例，再进行修正，成为新问题的解决方案。目前，在专家系统的推理中，目前也有很多采用案例推理或者把案例推理和规则推理进行结合。

2. 智能维修都有哪些应用特征？

智能维修旨在维修过程及维修管理的各个环节中，以计算机为工具，并借助人工智能（AI）技术来模拟人类专家智能（分析、判断、推理、构思、决策等）的各种维修和管理技术的总称。智能维修的应用现状：人工智能在维修领域中主要应用于在故障诊断、维修训练、维修管理、维修评估等方面，其中维修管理包括维修决策、维修规划、预防性维修间隔期的确定等。1、故障检测与诊断故障检测与诊断是产品或设备进行修复性维修的前提，准确的进行故障检测、诊断和故障隔离是实施正确、及时维修的先决条件。采用专家系统，进行故障检测诊断诊断是人工智能技术在维修领域最为广泛的应用。根据故障现象，利用汇集维修领域专家知识和经验建立专家系统，包括建立故障特征信息库、知识库，维修策略信息库等，或采用基于案例推理的方式，进行故障检测与诊断，以便为设备管理人员或维修人员提供故障检测与诊断的智能决策。2、维修管理维修管理在设备维修中具有重要的作用，缺乏科学维修管理的企业将面临严重的后果，如工厂关闭、公司破产，有时甚至会导致丧命的后果。而良好的维修管理可以带来更好的作业环境、更好的效益。人工智能在维修管理方面也有许多应用，利用专家系统的模拟和推理、知识发现等功能，人工神经网络的学习特性，建立设备维修决策模型，实施设备维修的智能决策和管理，为企业提供维修决策、确定大型、复杂设备的维修间隔期，进行维修方案选择等。维修决策：智能维修决策系统可以根据维修人员输入的相关信息，提供可选择的维修方案。因为在具体的维修实践中，维修人员的经验和水平是一个不可忽视的因素，一个具有丰富维修经验的人员所做出的维修决策和选择的维修方案比一个缺乏经验的维修人员所做出的维修决策和选择的维修方案，从时间、费用、效益等方面多要好得多，因此，可以充分利用领域专家知识和实践经验建立专家系统进行维修决策。采用专家系统进行维修决策，可用于各类复杂设备的维修管理。确定最佳修理间隔期，为维修部门提供合理的维修规划。对于预防性维修活动，如定期润滑，检测和维护等，都是预先规划并事先确定操作时间的。定期维护，不考虑设备工作状况，其结果是造成大量的维修资源的浪费。智能控制：开发智能控制维修管理系统，以解决设备管理中控制、维修和管理相互独立，自动化和信息的角度被分割在不同的层次，形成独立信息孤岛的问题。3、维修训练对于大型化、复杂化的关键设备而言，一旦发生故障造成的经济损失往往是巨大的，因此就要求维修人员能够迅速、准确判断故障性质和故障部位，及时处理故障，恢复系统正常运行，这就要求有合适的维修训练环境，能培养一批具有丰富经验的维修人员。智能维修训练系统就能满足维修训练的需要，为受训者提供了一个模拟的工作环境使他们能在计算机上安全可靠地进行维修操作，使“新手”很快能成为一名熟练的维修人员，加快了维修人员的培养周期，提高了维修保障水平，同时节约了费用。

3. 智能维护什么意思

把远距离的设施或机器的传感器数据连续提供给有维护专家的中央工作站，由维护专家向生产现场发布维护指令的维护。
人工智能在维修领域中主要应用于在故障诊断、维修训练、维修管理、维修评估等方面，其中维修管理包括维修决策、维修规划、预防性维修间隔期的确定等。

维修管理
维修管理在设备维修中具有重要的作用，缺乏科学维修管理的企业将面临严重的后果，如工厂关闭、公司破产，有时甚至会导致丧命的后果。而良好的维修管理可以带来更好的作业环境、更好的效益。
人工智能在维修管理方面也有许多应用，利用专家系统的模拟和推理、知识发现等功能，人工神经网络的学习特性，建立设备维修决策模型，实施设备维修的智能决策和管理，为企业提供维修决策、确定大型、复杂设备的维修间隔期，进行维修方案选择等。

4. 什么是故障诊断中的正向推理

基于BP网络的故障诊断正向推理方法
【摘要】：针对传统的故障诊断正向推理方法的局限性 ,对基于BP模型的神经网络故障诊断正向推理方法进行了研究。建立了用于故障诊断的BP神经网络模型 ,并给出了故障诊断的正向推理过程。利用汽车发动机点火系统的故障实例验证了基于BP模型的神经网络故障诊断正向推理方法的有效性和可行性。

 
是这个吗？

5. 需要一论文，题目为：智能技术的电力变压器故障诊断系统

电力变压器故障诊断与处理 
  陈世青 
    对近两年来东风公司电网 1 1 0kV电力变压器发生的故障进行了分析与诊断。结合对这些故障处理的体会 ,提出了相应的建议
【作者单位】：东风汽车公司!湖北十堰442000
【关键词】：电力变压器;故障;诊断
【分类号】：TM407
【DOI】：cnki:ISSN:21-1119.0.2000-11-016
【正文快照】：
  1 引言近两年来 ,东风公司电网的 1 1 0kV电力变压器(以下简称主变 )相继发生了多起故障。这些故障涉及面广 ,大多属于从未发生的、隐密性强的故障。这给主变故障的查找、诊断、分析与处理都带来了诸多困难。由于公司电网主变大多已运行了二三十年 ,接近产品的使用寿命末期 ,加之运行环境较差 ,已经危及电网安全运行和用户的安全供电。本文特选可比性强的四例故障进行分析 ,见表 1。表 1 东风公司电网主变故障一览表故障时间设备名称故障性质与类型故障点、原因及后果1 998.3 花 1号主变 磁路故障 ,高温过热 低压侧多次受短路 
http://www.cnki.com.cn/Article/CJFD2000-BYQZ200011016.htm


基于多种人工智能技术集成的电力变压器故障诊断


臧宏志， 徐建政， 俞晓冬


（山东大学电气工程学院，山东省 济南市 250061）


    摘  要: 本文提出的算法综合了进化规划、模糊理论、人工神经网络、范例推理四种人工智能技术的优点，弥补了单种人工智能技术的缺陷，缩小了样本间的数据差异，优化了网络初始权值，大大提高了人工神经网络的收敛性。人工神经网络的拓扑结构及训练样本经过大量的计算进行筛选确定，并通过基于范例推理的专家系统检索出最佳源范例并给出诊断结论。诊断结果表明，本方法能较准确地判别电力变压器故障。
    关键词:人工神经网络；进化算法； 模糊理论； 范例推理


1  引言
    根据故障发生时变压器油中溶解气体的成分及其含量，利用人工神经网络的反向传播网络进行变压器的故障诊断是近年来的研究热点之一。但BP网络存在着诸如收敛缓慢，易陷入局部极小,对初值要求严格等缺点。本文提出利用改进进化规划算法优化网络权（阈）值初始值，避免了陷入局部极小；在训练过程中，采用具有自适应调整能力的网络学习算法，改善了网络的收敛能力；在输入数据的处理方面，利用隶属度函数对搜集到的样本数据进行归一化模糊处理，缩小了样本间的数据差异，从而有助于改善网络的收敛性能；同时辅之一基于范例推理的专家系统，通过找出最佳源范例，提供一诊断结论作为参考，从而建立起故障征兆与故障原因的映射关系。
2  确定合适的隶属度函数
    为了更合理、充分地利用原始数据中蕴含的信息，用模糊隶属度函数对油中溶解气体原始数据进行预处理是合乎实际情况的，关键在于怎样选取合适的隶属度函数[1]。考虑故障发展的连续性和在计算中的归一化要求，本文以一种“反正切”型函数分布作为特征气体含量的隶属度函数。
    在变压器油中溶解气体有7种主要组成成分：对之进行分析，记为。求取特征气体相对含量隶属度的处理算法如下：

    对应的隶属度值：

3  利用进化规划优化权值初始值
    通常采用二进制对网络的权值进行编码，将所有权值连接成串形成一个染色体，每个染色体对应一个网络。当网络较大时，每个染色体的编码非常长，从而使搜索空间急剧增加，降低算法的搜索效率。而且由于网络权值是实型值，遗传算法是用离散值逼近网络权值，必然影响精度，并有可能因某些实数权值无法近似表达而使网络的训练失败。本文用进化算法对遗传算法进行了改进，抛弃了交叉运算，而只用变异来维持上下两代之间的联系。这样就大大减少了运算量和迭代次数，但收敛精度不足，本文只是用该算法来搜索初始权值，而不需要太精确的搜索，因而可以采用。
    首先，对神经网络各层的权值及阈值赋初值若干组（在-1~1间随机取数），后输入样本数据进行前向计算，输出层的输出结果与教师结果相比较得到误差。在遗传过程中，把误差最小的几组解保留下，并计算这几组解的每个对应元素，即权值的聚合度和聚合中心。定义聚合中心为它们的算数平均数，聚合度为每个解距聚合中心的平方和，而对误差次小的几组解进行变异。聚合度最小的权值的最优解很可能在聚合中心附近，所以把它们变异为聚合中心，而对聚合度较小的权值把它们变异为聚合中心后，再加一个加权的符合正态分布的随机扰动；而把剩下的变异为原来值再加一个加权的符合正态分布的随机扰动。在遗传的下一代中，都补充进一些随机解，以增大搜索范围。当迭代次数很大而又没有进化到满意解时，引入网络误差作为启发性知识，改变加权值。改进后的进化算法不仅运算简单，而且收敛的速度和精度都有很大的提高。
4  基于范例推理的专家系统
    基于征兆相近的故障变压器很可能具有相同的故障原因，利用Person积矩相关系数为相似度指标检索与待诊变压器故障征兆最相近的范例，在范例检索过程中选取：C2H2，C2H4，C2H6，CH4，H2，CO2，CO等7种气体为检索特性指标，检索最佳源范例，源范例x和目标范例y间的Person积矩相关系数可用下式表示[3]：

式中 分别表示范例x 和y的第i个特性指标，分别表示范例x和y的均值。
5  人工神经网络拓扑结构的建立
    本文在BP网络的训练过程中采用以下自适应调整学习率的改进算法[7]，它改善了网络的收敛能力，其权值的调整过程为：


式中  w(k)为网络权值；为学习速率；D(k)为k时刻的负梯度。同时，各层之间采用不同的神经元作用函数，也提高了网络的收敛能力。
    为了提高ANN的正确诊断，选择合适的输入向量、输出向量及ANN的拓扑结构是必要的。本文经过大量的仿真计算，由正判率、迭代次数及网络结构的复杂程度等比较，确定ANN采用7-40-20-4的拓扑结构（见表1）。ANN输出分导电过热、导磁回路过热、涉及固体绝缘放电、不涉及固体绝缘放电等四个主要的事故类型[3]。



6  集成人工智能技术用于变压器故障诊断的算法
    本算法采用隶属度函数在归一化的同时还考虑了故障发展的连续性，并充分利用了进化算法的全局搜索能力，以及 ANN的自学习能力及高度非线性映射的能力，从而得到较准确的诊断结果；另外辅之最佳源范例的结果。二者之间还进行权重调整，如果专家系统对某一种故障非常准确（输入源范例与最佳目标范例相关系数较大），这种故障类型专家系统的判断一直优于神经网络的判断,那么最后的结论将赋予专家系统模块结论更多的权重 。
    图1、图2两个框图列出了该算法具体的流程。

    

 

7  实例分析
    （1）山东电网某变压器油中气体含量（mL/L）如下：
    H2=2004，CH4=9739，C2H4=5113，C2H6=2750，C2H2=0，CO2=9596，CO=1737。模糊处理后送入BP网络，网络的输出为（0.0233，0.9517，0.0122，0.0128），诊断结论为导磁回路过热。最佳范例结果为一次线圈引线与铁芯螺栓相碰，产生环流引起过热，实测结果证明了这一结论。
    （2）某台变压器油中气体含量（mL/L）如下：H2=127，CH4=107，C2H4=154，C2H6=11，C2H2=224，CO2=973，CO=174。模糊处理后送入BP网络，网络的输出为（0.0346，0.0338，0.9133，0.0183），诊断结论为固体绝缘放电。最佳范例结果为二次线圈对铁芯放电，线圈有一贯通性的损伤，与实测结果基本相符。
    以上实例表明，本算法对变压器故障进行诊断是有效正确的。
8  结论
    （1）利用进化算法用合理的隶属度函数对网络的输入数据进行归一化处理，不但减小了样本数据间的差异，而且反映了故障的连续性，改善了网络的收敛性能；对网络权值初始值进行优化处理，在全局范围内进行搜索，避免了BP网络易陷入局部极小的缺陷，采用改进的BP算法进行网络的训练，其权值的调整过程具有自调整能力，提高了网络的分类能力，最佳源范例的确定对故障的进一步确认提供了指导；
    （2）本算法结合了进化算法、模糊理论、人工神经元网络、范例推理四种人工智能技术的优点，实现故障的综合诊断，诊断性能有了较大的改善。故障实例的大量检验结果表明，诊断的结果是理想的，有效地提高了对变压器的故障识别能力，正判率达90％以上。

参考文献

[1] 张建文，赵大光，董连文. 基于模糊数学的变压器故障诊断系统[J].高电压技术，1998，12(24)：6-8.
[2] 杨启平，薛五德. 基于人工神经网络的变压器故障诊断[J]. 变压器，2000, 3(37)：33-36.
[3] 钱政，严璋. 范例推理结合神经网络诊断变压器故障[J]. 高电压技术，2000，8(26)：4-8.
[4] Zhang Y, Ding X, Liu Y. An artificial neural network approach to transformer fault diagnosis[J]. IEEE Transactions on Power Delivery，1996，11(4)：1836-1841.
[5] Huang Yann-chang，Yang Hong-Tzer. Developing a new tansformer fault diagnosis system through evolutionary fuzzy logic[J]. IEEE Transaction on Power Delivery, 1997, 12(2): 1342-1349.
[6] Angeline P J. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans on Neural Networks, 1994, 5(1)：54-65.
[7] 袁曾任. 人工神经元网络及其应用[M]. 北京：清华大学出版社，1996.

6. 两级齿轮减速器的设计系统基于案例推理的作者有哪些

具体要求是什么呢？不知道你的论文主要方向是什么

7. 基于神经网络的故障诊断

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。 U2 C2 


ω2 C2U R1 R2 ω1 C1 U1 C2r β 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-C2rctgβ C2r=Vυ1/(A2υ2) 

故有 


W= U22(1- 

Vυ1 

ctgβ) 


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。