中央空調房間溫度模糊神經網絡控制器的仿真研究

針對中央空調房間溫度被控對象的大滯后大慣性,設計了具有smith預估的模糊自整定pid控制器。建立中央空調房間溫度控制系統的數學模型,介紹預估模糊pid控制器結構,以及模糊控制規(guī)則的生成方法,并且對該控制方案進行了數字仿真。仿真結果表明:該方法調節(jié)精度較高,調節(jié)迅速,超調小,具有一定的可行性。

以精密注射成型中的料筒溫度控制為研究對象,應用現代人工智能控制理論,將模糊控制和人工神經網絡控制二者有機結合,創(chuàng)建了注塑機料筒溫度模糊神經網絡控制的基本結構及其算法模型;運用matlab軟件編寫模糊神經網絡代碼,對3段料筒溫度的模糊神經網絡控制進行了仿真,獲得了比較滿意的控制效果。仿真表明,提出的新型控制策略,對于提高精密注塑機料筒的溫度控制精度,具有重要的參考價值。

中央空調房間溫度控制系統是一個復雜系統,針對一次性整定得到的pid參數難以保證系統控制始終處于優(yōu)化狀態(tài)和良好的品質特性,提出了參數自整定方法,通過實時改變pid參數從而保證控制系統的優(yōu)良品質。結合粒子群優(yōu)化算法和模糊控制以及傳統pid控制各自的優(yōu)勢,設計了一種新的自適應模糊pid控制器。鑒于pid控制器的性能完全依賴于其參數的整定和優(yōu)化,采用粒子群算法離線優(yōu)化pid參數,并利用模糊控制在線調整pid參數,以取得良好的控制效果。利用matlab軟件進行了數字仿真。仿真結果表明,方法調節(jié)精度較高,調節(jié)迅速,超調小,具有一定的可行性。

變風量空調系統末端的模糊神經網絡控制研究——針對目前傳統pid控制對模型依賴性強，難以在線調整，有非線性和不確定性的變風量(vav)空調系統的控制動態(tài)性能差的特點，提出將模糊神經網絡應用于該系統．建立了模糊神經網絡控制器．基于變風量空調系統末端裝置的...

針對目前傳統pid控制對模型依賴性強,難以在線調整,對具有非線性和不確定性的變風量(vav)空調系統的控制動態(tài)性能差的特點,提出將模糊神經網絡應用于該系統.建立了模糊神經網絡控制器,基于變風量空調系統末端裝置的數學模型進行了仿真研究.結果表明,該控制策略比傳統pid控制更適合于vav系統,控制系統具有更好的魯棒性和自適應能力,可以取得更優(yōu)的動態(tài)性能.

在基本模糊控制器的基礎上,建立參數自調整模糊控制器,用以調節(jié)空調房間溫度,并用mat-lab軟件對該控制器進行仿真。結果表明,參數自調整模糊控制器具有較快的響應速度和較小的穩(wěn)態(tài)誤差,同時對被控對象的參數變化有一定的自適應能力。

在基本模糊控制器的基礎上，建立參數自調整模糊控制器，用以調節(jié)空調房間溫度，并用matlab軟件對該控制器進行仿真。結果表明，參數自調整模糊控制器具有較快的響應速度和較小的穩(wěn)態(tài)誤差，同時對被控對象的參數變化有一定的自適應能力。

針對同一個空調房間構造了pid控制器、模糊控制器和神經網絡控制器三種控制器,并利用matlab軟件中的simulink工具箱對三種控制器的性能進行了比較.

空調系統在智能建筑中使用越來越普遍,但其能耗大,約占整個建筑能耗的60-70%。因此,如何有效設計空調系統的控制策略成為建筑節(jié)能和提高建筑舒適度的重要研究內容?？照{房間是一個復雜的熱動力模型,受室外氣溫、人體活動、電源電壓波動等干擾。而常規(guī)smith預估器對被控對象參數和結構的變化十分敏感,鑒于此,將單神經元pid作為smith預估的主控制器,并對其學習規(guī)則進行改進,采用仿人智能思想對神經元的比例系數進行在線自調整。仿真結果表明,所提出的控制方法具有超調小、抗干擾能力和魯棒性強的優(yōu)點,對空調房間的溫度控制是行之有效的。

引入動量因子對常規(guī)bp學習算法進行了改進。在分析模糊神經網絡控制模型的基礎上,針對模糊神經網絡規(guī)則多、訓練時間長的缺點,采用了給模糊控制規(guī)則增加閾值,減少網絡訓練運算量的優(yōu)化方法。最后將此優(yōu)化方法和改進的訓練算法應用到逆變點焊電源模糊神經網絡(fnn)恒電流控制系統中,通過使用matlab語言編程,對該系統進行了仿真分析。仿真結果表明,動量因子的引入不但減小了bp算法學習過程的振蕩趨勢,加快了收斂速度,而且較好解決了bp網絡容易陷入局部極小點的缺陷。模糊規(guī)則閾值的引入,有效減少了網絡的訓練時間。

針對水下機器人機械手抓取專用工具及操作準確、快速、可靠平穩(wěn)的要求,設計一種應用rov的模糊神經網絡控制器。該控制器將pid控制、模糊控制和神經網絡相結合,設計一種基于模糊神經網絡(fnn)的復合控制器,并將其應用于機械手的位置控制中,研究變軌跡變周期情況下機械手的位移跟蹤特性。仿真結果表明:該控制器具有良好的動態(tài)、穩(wěn)定性能以及較強的魯棒性,能夠使水下機器人的機械手操作快速準確平穩(wěn)。

用可逼近任意非線性函數的神經網絡構造了辨識器和控制器，通過ｂｐ算法對神經網絡進行學習訓練，修正其權系數及閾值，使學習訓練誤差趨于零．將該方案應用于紡織廠羊絨生產車間的空調系統，并給出了仿真實驗結果．

針對模糊邏輯在co2焊接逆變電源控制中存在響應速度慢、精確性不高的問題,嘗試采用模糊神經網絡控制算法,對焊接電弧電壓進行控制。闡述了模糊神經網絡控制器的設計過程,并對所設計的模糊神經網絡控制器和模糊邏輯控制器進行仿真對比研究,結果表明模糊神經網絡具有更快的響應速度和更高的穩(wěn)定性;整體仿真研究也表明所設計的控制系統可以更加快速準確地控制弧長的穩(wěn)定。

在鋁包鋼絲生產過程中,采用在線中頻感應加熱方式。基于中頻感應加熱條件,針對鋼絲直徑、鋼絲運行速度、加熱溫度、中頻頻率、中頻電壓、中頻電流、中頻功率、加熱爐長度之間的函數關系,建立了連續(xù)包覆過程的多變量神經網絡控制方法。經過多次實驗和篩選,選出有效數據,多個模式反復學習,直至網絡全局誤差函數e小于預先設定的一個極小值。通過網絡訓練和仿真分析得到較佳的解決方法,該方法應用在鋁包鋼絲連續(xù)包覆生產線上,較好地解決了鋼絲加熱控制難的問題。

介紹了第3代結構風振控制基準問題的定義。通過觀測部分樓層加速度和控制力輸出,建立了模糊神經網絡控制器,解決了傳統控制中有限的傳感器數目對系統振動狀態(tài)估計的困難;利用模糊神經網絡預測結構的控制行為,消除了閉環(huán)控制系統中存在的時滯;通過模糊神經網絡控制器的學習功能,解決了土木工程復雜結構模糊控制中難以依據專家的主觀經驗來確定模糊控制規(guī)則和語言變量隸屬函數等困難。以風振控制的基準問題為研究對象,編制了程序對受控系統進行數值仿真分析。分析表明,模糊神經網絡控制策略能有效地抑制高層建筑的風振反應。

為提高電阻點焊的控制精度和焊接質量,根據電阻點焊過程的特點和要求,通過集成變論域、人工神經網絡和模糊控制技術,提出了基于變論域電阻點焊模糊人工神經網絡控制方案,開發(fā)了四層模糊神經網絡結構,分析了計算過程,推導了四層模糊神經網絡各層的計算方法和計算公式,研究了輸入輸出變論域伸縮因子的確定方法,定義了輸入變量的7個模糊子集和輸出變量的13個模糊子集,確定了49條模糊控制規(guī)則,研究開發(fā)了一種電阻點焊變論域模糊人工神經網絡控制器,結合實際產品的設計開發(fā)進行了試驗研究與分析,證明了變論域電阻點焊模糊神經網絡控制方法的優(yōu)越性.

針對中央空調系統房間溫度控制系統的大慣性、純滯后和時變性特點,設計了將等維新息灰色預測控制與模糊自整定pid相結合的新型控制器,建立中央空調房間溫度控制系統的數學模型,介紹灰色預測模糊pid控制器結構,并對該控制方案進行了數字仿真。仿真結果表明,該控制器比pid控制器、模糊pid控制器有更多優(yōu)越性,調節(jié)迅速,超調小,有更好的動、靜態(tài)性能,具有一定的可行性。

根據中央空調系統中房間溫度控制系統的時滯、惰性以及非線性等特點,分析了自整定模糊pid控制和動態(tài)矩陣預測控制方法,提出了將兩種方法相結合的觀點,設計出動態(tài)矩陣模糊pid控制器,并建立房間溫度控制系統的數學模型,對其進行仿真研究;結果顯示該控制器較模糊pid控制器的調節(jié)時間快約2000s、超調量小約0.5、抗干擾能力更強,控制效果更明顯。

利用matlab軟件中的模糊工具箱和simulink仿真工具對變頻空調器的溫度進行模糊控制器設計并仿真。通過仿真模擬發(fā)現變頻空調器的溫度控制采用單純的模糊控制雖魯棒性較強,但存在穩(wěn)態(tài)誤差,以后可考慮研究采用模糊pid控制器,將兩者有力的結合起來,使其達到更快的動態(tài)響應、更小的超調。采用該仿真工具其方法簡單可靠,易于實現,可以大力推廣。

空調房間的溫度控制與節(jié)能

由于在非線性系統中采用傳統pid控制不易建立精確模型,導致難以整定系統參數的問題,本文提出了一種基于模糊神經網絡的pid控制算法,該算法融合了pid算法、模糊算法以及神經網絡算法的優(yōu)點,構成了一種先進的智能控制算法,并應用在plc溫度控制系統中,實驗結果表明,模糊神經網絡pid控制器提高了控制質量,很好地克服對象變參數、非線性等問題,提高系統的魯棒性。

針對變頻空調常規(guī)模糊控制系統的隸屬函數和控制規(guī)則的獲取受限于專家經驗的問題,根據神經網絡自學習能力強的特點,將模糊控制與神經網絡相結合,對空調的控制系統進行改進,并據此設計模糊神經網絡控制器,在此基礎上進行了理論分析和模擬實驗,驗證了這一控制系統的有效性。