模糊神經(jīng)網(wǎng)絡(luò)的變風(fēng)量空調(diào)室內(nèi)溫度控制系統(tǒng)

針對變風(fēng)量空調(diào)系統(tǒng)末端的穩(wěn)定控制問題,根據(jù)被控對象的特點(diǎn),提出了采用模糊神經(jīng)網(wǎng)絡(luò)(fnn)控制變風(fēng)量空調(diào)系統(tǒng)末端的方案。在matlab仿真環(huán)境下對模糊神經(jīng)網(wǎng)絡(luò)的控制效果進(jìn)行了模擬仿真,并與普通模糊控制器及典型pid控制器的控制效果進(jìn)行了比較,結(jié)果表明模糊神經(jīng)網(wǎng)絡(luò)控制器可以穩(wěn)定、有效的控制變風(fēng)量系統(tǒng)的末端裝置。

針對變風(fēng)量中央空調(diào)系統(tǒng)具有多變量、大滯后和非線性的系統(tǒng)特性及常規(guī)控制算法系統(tǒng)響應(yīng)慢、控制精度不高等問題,提出了模糊神經(jīng)網(wǎng)絡(luò)預(yù)測控制策略.該方法將模糊神經(jīng)網(wǎng)絡(luò)控制與預(yù)測控制技術(shù)相結(jié)合,建立了模糊神經(jīng)網(wǎng)絡(luò)與預(yù)測控制結(jié)合的復(fù)合控制器模型,通過優(yōu)化變風(fēng)量控制方式,有效地實(shí)現(xiàn)了中央空調(diào)系統(tǒng)的預(yù)測控制.結(jié)果表明,該控制方法能使系統(tǒng)具有良好的動態(tài)性能和穩(wěn)態(tài)性能,控制精度高,節(jié)能效果顯著,具有廣泛的應(yīng)用前景.

針對傳統(tǒng)pid控制對模型依賴性強(qiáng),難以在線調(diào)整,對具有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點(diǎn),提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng)。建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,推導(dǎo)了變風(fēng)量空調(diào)房間和末端裝置數(shù)學(xué)模型,在此基礎(chǔ)上進(jìn)行仿真研究。結(jié)果表明,該控制策略比傳統(tǒng)pid控制更適合于vav系統(tǒng),取得更優(yōu)的動態(tài)性能,控制系統(tǒng)具有更好的魯棒性和自適應(yīng)能力。

變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究——針對目前傳統(tǒng)pid控制對模型依賴性強(qiáng)，難以在線調(diào)整，有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點(diǎn)，提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng)．建立了模糊神經(jīng)網(wǎng)絡(luò)控制器．基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的...

針對目前傳統(tǒng)pid控制對模型依賴性強(qiáng),難以在線調(diào)整,對具有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點(diǎn),提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng).建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的數(shù)學(xué)模型進(jìn)行了仿真研究.結(jié)果表明,該控制策略比傳統(tǒng)pid控制更適合于vav系統(tǒng),控制系統(tǒng)具有更好的魯棒性和自適應(yīng)能力,可以取得更優(yōu)的動態(tài)性能.

由于在非線性系統(tǒng)中采用傳統(tǒng)pid控制不易建立精確模型,導(dǎo)致難以整定系統(tǒng)參數(shù)的問題,本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的pid控制算法,該算法融合了pid算法、模糊算法以及神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點(diǎn),構(gòu)成了一種先進(jìn)的智能控制算法,并應(yīng)用在plc溫度控制系統(tǒng)中,實(shí)驗結(jié)果表明,模糊神經(jīng)網(wǎng)絡(luò)pid控制器提高了控制質(zhì)量,很好地克服對象變參數(shù)、非線性等問題,提高系統(tǒng)的魯棒性。

文章簡要概述了變風(fēng)量空調(diào)系統(tǒng),論述了變風(fēng)量空調(diào)系統(tǒng)在室內(nèi)溫度控制中應(yīng)用的重要價值,進(jìn)而以一種簡單的雙線控制算法為例,分析了基于變風(fēng)量空調(diào)系統(tǒng)的室內(nèi)溫度控制,以供相關(guān)人員參考。

變風(fēng)量空調(diào)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制——首先闡述了變風(fēng)量空調(diào)系統(tǒng)及其人工神經(jīng)網(wǎng)絡(luò)控制的策略，并從建立模型、樣本訓(xùn)練和控制實(shí)現(xiàn)方面闡述了bp神經(jīng)網(wǎng)絡(luò)在變風(fēng)量空調(diào)系統(tǒng)中的應(yīng)用，對其不足和改進(jìn)也做了簡單說明

變風(fēng)量空調(diào)室內(nèi)溫度場測量方法——文章針對變風(fēng)量空調(diào)系統(tǒng)風(fēng)口結(jié)構(gòu)研究中，要求室內(nèi)環(huán)境參數(shù)多點(diǎn)測溫的特點(diǎn)，采用數(shù)字化測溫技術(shù)和單總線傳輸方式，構(gòu)成了矩形測溫網(wǎng)絡(luò)，并在3種風(fēng)口工況下，進(jìn)行了大量實(shí)驗。測量過程中，由于測溫網(wǎng)絡(luò)出現(xiàn)的個別傳感器故障而導(dǎo)...

針對變風(fēng)量空調(diào)系統(tǒng)風(fēng)口結(jié)構(gòu)研究中,要求室內(nèi)環(huán)境參數(shù)多點(diǎn)測溫的特點(diǎn),采用數(shù)字化測溫技術(shù)和單總線傳輸方式,構(gòu)成了矩形測溫網(wǎng)絡(luò),并在3種風(fēng)口工況下,進(jìn)行了大量實(shí)驗。測量過程中,由于測溫網(wǎng)絡(luò)出現(xiàn)的個別傳感器故障而導(dǎo)致不能正確讀數(shù)時,可通過bp人工神經(jīng)網(wǎng)絡(luò)預(yù)測該點(diǎn)的溫度值予以補(bǔ)充。另外對半導(dǎo)體傳感器最高采樣頻率的限制也進(jìn)行了一定研究。

本文介紹了變風(fēng)量空調(diào)系統(tǒng)的控制方法和變頻技術(shù)的節(jié)能，對變風(fēng)量空調(diào)系統(tǒng)中變頻技術(shù)的應(yīng)用與分析。

針對變頻空調(diào)常規(guī)模糊控制系統(tǒng)的隸屬函數(shù)和控制規(guī)則的獲取受限于專家經(jīng)驗的問題,根據(jù)神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)的特點(diǎn),將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,對空調(diào)的控制系統(tǒng)進(jìn)行改進(jìn),并據(jù)此設(shè)計模糊神經(jīng)網(wǎng)絡(luò)控制器,在此基礎(chǔ)上進(jìn)行了理論分析和模擬實(shí)驗,驗證了這一控制系統(tǒng)的有效性。

目的分析變風(fēng)量空調(diào)運(yùn)行時各變量之間的耦合關(guān)系,針對變風(fēng)量空調(diào)參數(shù)多變、強(qiáng)耦合的特點(diǎn),提出一種變風(fēng)量空調(diào)系統(tǒng)改進(jìn)型誤差反播神經(jīng)網(wǎng)絡(luò)解耦控制方法,對變風(fēng)量空調(diào)溫濕度控制系統(tǒng)進(jìn)行解耦.方法把整個系統(tǒng)的解耦目標(biāo)分解為n個子目標(biāo),每個子目標(biāo)僅僅對一個回路通道進(jìn)行解耦,其結(jié)構(gòu)與指標(biāo)函數(shù)簡單,易于實(shí)現(xiàn);并將模糊神經(jīng)網(wǎng)絡(luò)控制器與解耦控制器有機(jī)結(jié)合.結(jié)果解耦成功后,控制響應(yīng)速度快、超調(diào)量幾乎為零,達(dá)到期望溫度后溫度曲線保持不變,而此過程中濕度值基本沒有變化,整個控制過程調(diào)節(jié)響應(yīng)快,穩(wěn)態(tài)誤差小,解耦效果明顯,有很強(qiáng)的控制精度和魯棒性.結(jié)論bp神經(jīng)網(wǎng)絡(luò)解耦控制算法具有很強(qiáng)的自學(xué)習(xí)功能和自適應(yīng)解耦能力,能取得良好的解耦控制效果.

變風(fēng)量空調(diào)控制系統(tǒng)具有非線性和動態(tài)特性。目前,在vav空調(diào)控制領(lǐng)域應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)是靜態(tài)前饋bp神經(jīng)網(wǎng)絡(luò),而在多層前向bp網(wǎng)絡(luò)中引入特殊關(guān)聯(lián)層,形成有"記憶"能力的elman神經(jīng)網(wǎng)絡(luò),可以映射系統(tǒng)的非線性和動態(tài)特性。其在網(wǎng)絡(luò)訓(xùn)練算法中,采用自適應(yīng)學(xué)習(xí)速率梯度下降反向傳播算法,顯著提高了網(wǎng)絡(luò)的訓(xùn)練速率,有效抑制了網(wǎng)絡(luò)陷入局部最小點(diǎn)。文中分別采用bp神經(jīng)網(wǎng)絡(luò)與elman神經(jīng)網(wǎng)絡(luò)建立模型,對vav空調(diào)系統(tǒng)的少量參數(shù)的數(shù)據(jù)進(jìn)行仿真預(yù)測,經(jīng)比較分析,證明后者具有收斂速度快、預(yù)測精度高的特點(diǎn)。

研究了變風(fēng)量空調(diào)系統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測優(yōu)化控制方法,優(yōu)化指標(biāo)考慮了舒適性和耗能量,舒適性指標(biāo)取pmv指標(biāo),耗能量包括風(fēng)機(jī)和冷水泵能耗。系統(tǒng)的控制量為送風(fēng)風(fēng)速和冷水流量,被控參數(shù)為空調(diào)區(qū)域的溫濕度,采用預(yù)測滾動優(yōu)化控制算法訓(xùn)練多層前向神經(jīng)網(wǎng)絡(luò),然后將其作為優(yōu)化反饋控制器來求解變風(fēng)量暖通空調(diào)系統(tǒng)的優(yōu)化解,并在運(yùn)行中實(shí)時預(yù)測空調(diào)區(qū)域的負(fù)荷。仿真結(jié)果表明,采用此方法,在模型環(huán)境、負(fù)荷參數(shù)變化的情況下,既可以達(dá)到節(jié)能的要求,又可以使空調(diào)區(qū)域的溫濕度保持在舒適范圍內(nèi)。

為了消除變風(fēng)量空調(diào)系統(tǒng)各回路之間存在的耦合,以便對該系統(tǒng)進(jìn)行有效控制,建立了變風(fēng)量空調(diào)機(jī)組部分變頻器風(fēng)機(jī)靜壓回路和新風(fēng)閥co2氣體體積含量回路的動態(tài)模型,提出用pid(比例積分微分)神經(jīng)網(wǎng)絡(luò)解耦控制方法消除這2個回路之間的耦合.實(shí)際運(yùn)行結(jié)果表明,pid神經(jīng)網(wǎng)絡(luò)解耦控制技術(shù)可以有效地對變風(fēng)量空調(diào)系統(tǒng)中2個回路進(jìn)行解耦控制.

將rbf神經(jīng)網(wǎng)絡(luò)引入pid控制中,建立了一個三層神經(jīng)網(wǎng)絡(luò)模型。通過rbf神經(jīng)網(wǎng)絡(luò)的在線辨識對pid控制的三個參數(shù)進(jìn)行在線調(diào)整,從而改善系統(tǒng)的控制效果。仿真結(jié)果表明:基于rbf神經(jīng)網(wǎng)絡(luò)的pid控制與傳統(tǒng)pid控制相比,具有較強(qiáng)的魯棒性和自適應(yīng)能力,控制精度高,效果好,安全可靠。

提出一種基于小波神經(jīng)網(wǎng)絡(luò)的控制方法,并將其運(yùn)用到變風(fēng)量空調(diào)的控制中去,小波神經(jīng)網(wǎng)絡(luò)控制器能產(chǎn)生復(fù)雜的最佳控制規(guī)律。仿真結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)控制方法明顯優(yōu)于普通神經(jīng)網(wǎng)絡(luò)控制,并且具有逼近精度高、控制效果好、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。

文章提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的控制算法應(yīng)用于ｉｂ系統(tǒng)的聯(lián)動控制，有效地解決了傳統(tǒng)單一閾值控制逄法難以達(dá)到的復(fù)雜控制問題。這種ｆｎｎｃ控制器可以根據(jù)實(shí)際需要進(jìn)行學(xué)習(xí)，具有很強(qiáng)的適應(yīng)能力。

為了達(dá)到節(jié)能目的以及對變風(fēng)量空調(diào)系統(tǒng)進(jìn)行很好的控制,分析了神經(jīng)網(wǎng)絡(luò)預(yù)測控制的實(shí)現(xiàn)方法以及系統(tǒng)結(jié)構(gòu)。根據(jù)變風(fēng)量空調(diào)系統(tǒng)提出了相應(yīng)的優(yōu)化性能指標(biāo),并進(jìn)行了系統(tǒng)仿真。仿真結(jié)果證明了該方法的可行性。

總風(fēng)量控制法自提出后,由于末端動作頻繁、通信量大、控制復(fù)雜而一直處于研究完善階段。在分別對表冷器的pid控制系統(tǒng)和空調(diào)室的神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)得出滿意的動、靜態(tài)性能的基礎(chǔ)上,應(yīng)用總風(fēng)量控制法,對多區(qū)域變風(fēng)量空調(diào)系統(tǒng)聯(lián)動控制。在matlab環(huán)境下仿真表明系統(tǒng)達(dá)到了良好的控制效果。

研究空調(diào)系統(tǒng)控制的優(yōu)化問題,針對變風(fēng)量空調(diào)系統(tǒng)是一個時變、非線性、純滯后的復(fù)雜系統(tǒng),要求達(dá)到舒適節(jié)能的環(huán)境。傳統(tǒng)模糊控制和pid控制方法難以獲得較好的控制性能。為解決控制系統(tǒng)中超調(diào)量大、振蕩和控制精度不高等問題,提出了史密斯預(yù)估的自適應(yīng)模糊-pid復(fù)合控制策略。在傳統(tǒng)的模糊控制中加入自適應(yīng)環(huán)節(jié),通過模糊自適應(yīng)校正解決了因模糊規(guī)則粗糙而造成控制精度不高,適應(yīng)能力弱的問題。針對大滯后系統(tǒng),采用史密斯預(yù)估補(bǔ)償,減小了控制系統(tǒng)的超調(diào)和振蕩。同時,用模糊與pid相并聯(lián)的復(fù)合控制方式,提高了系統(tǒng)的動態(tài)性能指標(biāo)和穩(wěn)態(tài)精度。仿真結(jié)果證明,改進(jìn)的控制策略響應(yīng)快、控制精度高、魯棒性強(qiáng),為變風(fēng)量空調(diào)系統(tǒng)的智能控制設(shè)計提供了參考依據(jù)。