日立AA55PHDG-D1Y2涡旋压缩机技术规格详细解读

需积分: 21 2 下载量 167 浏览量 更新于2024-07-09 收藏 1015KB PDF 举报
"AA55PHDG-D1Y2(日立)参考技术规格书.pdf" 本文档详细介绍了日立的AA55PHDG-D1Y2压缩机的技术规格,这是一款应用于空调系统的直流变频涡旋压缩机。该压缩机由江森自控日立万宝压缩机(广州)有限公司设计制造,旨在提供高效、节能的制冷解决方案。 1.1 压缩机Compressor - 压缩机型号:AA55PHDG-D1Y2 - 压缩机类型:直流变频压缩机(DCCompressor),这意味着它采用直流电源并能根据需求调整运行速度,从而提高能效。 - 压缩机方式:涡旋式(ScrollType),涡旋式压缩机以其高效、低噪音和高可靠性而闻名。 - 使用冷媒:R410A,这是一种环保的混合制冷剂,具有较高的热力性能,但对设备材料要求较高。 - 排气容积:55cm³/rev,这是每转的排气量,影响压缩机的制冷能力。 - 润滑油/油量:FV68H/1100ml,这种润滑油有助于减少摩擦并冷却压缩机内部部件。 - 涂装:黑色(BlackColorPaint),可能用于外部防护,增加设备的耐用性。 - 重量(含油):33kg,包括润滑油在内的总重量。 - 吸气管接口内径:Ф22.4mm,这是连接压缩机至蒸发器的吸入管道的内径。 - 排气管接口内径:Ф16.1mm,用于排放压缩后的高温高压气体到冷凝器。 - 喷气管接口内径:Ф9.7mm,可能涉及压缩机的喷射或回流技术,以改善性能。 1.2 电机Motor - 变频器电源:380-415V,50/60Hz,适用于宽电压范围的电网。 - 电动机型式/起动方式:三相直流变频同步电机/直流专用变频器起动,这确保了平稳的启动和精确的转速控制。 - 极数:6极(6Poles),这样的配置有助于提供所需的旋转速度和动力。 - 运转频率范围:45~42Hz,表明压缩机可以在较宽的频率范围内运行,适应不同负载条件。 这份技术规格书还包含变更履历,记录了产品设计和规格的更新,以及相关的认证信息,如CQC认证号(CQC1600815531),证明该产品符合中国质量认证中心的安全和性能标准。这些详细信息对于制造商、工程师和维护人员来说是至关重要的,他们需要了解产品的具体规格以确保系统的正确设计、安装和维护。

#------(一)方法1:基于指标体系1的结果---- #--------1.数据导入------------- library(xlsx) d1.1 <- read.xlsx('data.xlsx', '2022', encoding = "UTF-8") #读取数据 head(d1.1,10) colnames(d1.1) d1 <- d1.1[,5:ncol(d1.1)] d1 <- abs(d1) #---------2.归一化处理--------------- Rescale = function(x, type=1) { # type=1正向指标, type=2负向指标 rng = range(x, na.rm = TRUE) if (type == 1) { (x - rng[1]) / (rng[2] - rng[1]) } else { (rng[2] - x) / (rng[2] - rng[1]) } } #---------3.熵值法步骤---------- #定义熵值函数 Entropy = function(x) { entropy=array(data = NA, dim = ncol(x),dimnames = NULL) j=1 while (j<=ncol(x)) { value=0 i=1 while (i<=nrow(x)) { if (x[i,j]==0) { (value=value) } else { (value=value+x[i,j]log(x[i,j])) } i=i+1 } entropy[j]=value(-1/log(nrow(x))) j=j+1 } return(entropy) } Entropy_Weight = function(X, index) { pos = which(index == 1) neg = which(index != 1) X[,pos] = lapply(X[,pos], Rescale, type=1) X[,neg] = lapply(X[,neg], Rescale, type=2) P = data.frame(lapply(X, function(x) x / sum(x))) e = Entropy(P) d = 1 - e # 计算信息熵冗余度 w = d / sum(d) # 计算权重向量 list(X = X,P = P, w=w) } #-------4.代入数据计算权重----- # -------二级指标权重------ ind=array(rep(1,ncol(d1))) aa=Entropy_Weight(X = d1,index = ind) weight=as.data.frame(aa["w"]) weigh X <- as.data.frame(aa["X"]) X P <- as.data.frame(aa["P"]) P d1.a <- X[,c(grep("A",colnames(X)))] d1.b <- X[,c(grep("B",colnames(X)))] d1.c <- X[,c(grep("C",colnames(X)))] d1a <- as.matrix(d1.a) d1b <- as.matrix(d1.b) d1c <- as.matrix(d1.c) n1 <- ncol(d1a) n2 <- ncol(d1b) n3 <- ncol(d1c) wa <- weight[1:n1,1] wb <- weight[(n1+1):(n1+n2),1] wc <- weight[(n1+n2+1):(n1+n2+n3),1] wa <- as.matrix(wa,ncol =1) wb <- as.matrix(wb,ncol =1) wc <- as.matrix(wc,ncol =1) indexa <- d1a%%wa indexb <- d1b%%wb indexc <- d1c%*%wc d1abc <- cbind(indexa,indexb,indexc) 参考以上代码,用不同一级指标下分别计算二级指标权重,再求一级指标权重

2023-06-10 上传