VAV空調(diào)系統(tǒng)RBF神經(jīng)網(wǎng)絡PID控制器的設計與實現(xiàn)

針對暖通空調(diào)領域中高大空間恒溫空調(diào)系統(tǒng)大滯后、慢時變、非線性的特點以及不確定干擾因素多的實際情況,將具有自學習、自適應功能的神經(jīng)網(wǎng)絡pid控制器應用于空調(diào)系統(tǒng)中,并利用非線性辯識算法對控制過程進行預測輸出,最后在空調(diào)房間數(shù)學模型的基礎上通過matlab環(huán)境下的計算機仿真和對某電視臺大型演播室進行溫度控制實驗相結(jié)合,發(fā)現(xiàn)在高大空間恒溫空調(diào)系統(tǒng)中神經(jīng)網(wǎng)絡pid控制響應快、超調(diào)小,驗證了神經(jīng)網(wǎng)絡pid控制器的實用性和有效性.

針對空調(diào)房間這樣一個多干擾、大慣性、高度非線性系統(tǒng)控制性能優(yōu)化較困難,傳統(tǒng)的控制策略不但在控制精度、靈敏度以及系統(tǒng)穩(wěn)定性上存在缺餡,而且能耗大。為了提高空調(diào)制冷和供暖效果,提出一種新的基于bp神經(jīng)網(wǎng)絡的pid控制方案,通過bp算法修正bp網(wǎng)絡自身權系數(shù),實現(xiàn)了pid控制器參數(shù)的在線調(diào)整。仿真結(jié)果顯示bp神經(jīng)網(wǎng)絡pid控制系統(tǒng)比單純的bp神經(jīng)網(wǎng)絡或pid控制系統(tǒng)建模時間短,系統(tǒng)更穩(wěn)定,超調(diào)量更小,更適合應用于復雜的空調(diào)系統(tǒng)控制中。

針對bp神經(jīng)網(wǎng)絡學習過程收斂速度慢及易陷入局部極小值的缺陷,研究了levenberg-marquart算法(即lm算法).為解決lm算法中學習速率的選擇和逆矩陣的求解這兩個嚴重影響訓練時間和收斂精度的問題,采用lu分解法對lm算法進行改進和優(yōu)化,并通過matlab語言編程實現(xiàn),將得到的lmbp神經(jīng)網(wǎng)絡pid控制器應用于暖通空調(diào)冷凍水循環(huán)的控制回路中,將其控制效果與pid控制算法、bp神經(jīng)網(wǎng)絡pid控制算法進行仿真對比研究.研究結(jié)果表明,采用lmbp神經(jīng)網(wǎng)絡pid控制器在減少超調(diào)量、加快收斂速度、減少穩(wěn)態(tài)誤差等方面的性能都得到了明顯的改善.

針對中央空調(diào)系統(tǒng)被控對象具有大滯后,慢時變,非線性特點及不確定干擾因素多的實際情況,將具有自學習、自適應功能的神經(jīng)網(wǎng)絡pid控制器應用于高精度空調(diào)系統(tǒng)中,通過matlab環(huán)境下的計算機仿真.證明了其在高精度空調(diào)控制中的實用性和有效性。

以變風量空調(diào)系統(tǒng)的溫度控制作為研究對象,在現(xiàn)有的研究基礎上,提出了粒子群優(yōu)化算法改進的bp神經(jīng)網(wǎng)絡pid控制方法。應用bp神經(jīng)網(wǎng)絡進行pid參數(shù)在線整定,粒子群優(yōu)化算法提高bp神經(jīng)網(wǎng)絡的學習速率和收斂性,結(jié)合三者各自的優(yōu)勢以提高變風量空調(diào)系統(tǒng)的控制性能。

rbf神經(jīng)網(wǎng)絡是目前應用較多的一種神經(jīng)網(wǎng)絡。它能以任意精度逼近任意非線性函數(shù),具有良好的逼近性能,并且結(jié)構簡單,是一種性能優(yōu)良的神經(jīng)網(wǎng)絡。因此,將rbf神經(jīng)網(wǎng)絡應用于家用空調(diào)匹配仿真研究時具有獨特的優(yōu)勢。提出采用rbf神經(jīng)網(wǎng)絡估算制冷量和壓力來優(yōu)化研發(fā)過程,仿真結(jié)果表明,rbf神經(jīng)網(wǎng)絡運用于家用空調(diào)匹配仿真,能夠精確仿真空調(diào)制冷量和低壓力等參數(shù),并預測制冷量和壓力,能有效地減少家用空調(diào)匹配時間,提高研究效率。

針對溫度控制的大慣性、大滯后、非線性特點,提出采用基于小波神經(jīng)網(wǎng)絡辨識器的模糊神經(jīng)自適應控制的中央空調(diào)房間溫度控制器的設計方案。由于小波神經(jīng)網(wǎng)絡的非線性映射能力比一般神經(jīng)網(wǎng)絡要強,所以基于小波神經(jīng)網(wǎng)絡的辨識器可以獲得很高的辨識精度。而且,模糊神經(jīng)自適應控制器隨著系統(tǒng)動態(tài)特性的改變可以在線改變其控制規(guī)則,從而進行客觀準確的控制。與普通模糊控制方法相比較,仿真試驗說明了系統(tǒng)設計的有效性。

目的研究變風量空調(diào)系統(tǒng)溫度-風量pid控制器的整定方法,利用改進粒子群算法的特點設計一種穩(wěn)定、高效的自適應控制器.方法以pso-cf(帶收縮因子的pso)pid控制方法的整定結(jié)果作為參考,在pso-cf算法中用一個差分向量擾亂粒子的認知能力,再根據(jù)粒子群的演化規(guī)則自動完成最優(yōu)控制.結(jié)果采用dpso-cf(擾亂認知能力的帶收縮因子的粒子群)pid自適應控制器時,系統(tǒng)的調(diào)節(jié)時間約為pso-cf粒子群pid控制方法的30%,超調(diào)量減少了約75%.當系統(tǒng)加入擾動時,相比帶收縮因子的pso,擾亂認知能力的帶收縮因子的粒子群pid自適應控制器的調(diào)節(jié)時間少,超調(diào)量小,系統(tǒng)控制品質(zhì)得到了較大的改善.結(jié)論改進的算法不僅具有良好的魯棒性,而且還有良好的收斂性.采用上述自適應控制器后,整個系統(tǒng)體現(xiàn)了良好的動態(tài)性能及較強的魯棒性.

基于改進的pso算法的pid控制在vav空調(diào)系統(tǒng)末端的應用——目的研究變風量空調(diào)系統(tǒng)溫度一風量pid控制器的整定方法，利用改進粒子群算法的特點設計一種穩(wěn)定、高效的自適應控制器

簡要介紹了人工神經(jīng)網(wǎng)絡的結(jié)構及特點,并且詳細論述了神經(jīng)網(wǎng)絡在中央空調(diào)水系統(tǒng)、風系統(tǒng)、制冷系統(tǒng)、負荷預測、系統(tǒng)的仿真設計和建筑運行能耗評價等方面的應用概況,指出了神經(jīng)網(wǎng)絡在空調(diào)領域今后的發(fā)展方向.

多區(qū)域vav空調(diào)系統(tǒng)及其局部ddc控制器的動態(tài)模擬——本文以多區(qū)域vav空調(diào)系統(tǒng)的控制分析為目的，建立了能夠反映系統(tǒng)能量和室內(nèi)熱舒適性及空氣質(zhì)量的動態(tài)仿真程序。它可以模擬建筑物和vav空河系統(tǒng)及其局部控制器的實際工作狀況。通過對實際系統(tǒng)的實驗獲取所需參數(shù)...

為了消除變風量空調(diào)系統(tǒng)各回路之間存在的耦合,以便對該系統(tǒng)進行有效控制,建立了變風量空調(diào)機組部分變頻器風機靜壓回路和新風閥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)絡解耦控制方法消除這2個回路之間的耦合.實際運行結(jié)果表明,pid神經(jīng)網(wǎng)絡解耦控制技術可以有效地對變風量空調(diào)系統(tǒng)中2個回路進行解耦控制.

本文以多區(qū)域ｖａｖ空調(diào)系統(tǒng)的控制分析為目的，建立了能夠反映系統(tǒng)能量和室內(nèi)熱舒適性及空氣質(zhì)量的動態(tài)仿真程序，它可以模擬建筑物和ｖａｖ空調(diào)系統(tǒng)及其局部控制器的實際工作狀況。通過對實際系統(tǒng)的實驗獲取所需參數(shù)，同時調(diào)整局部控制器的參數(shù)，保證系統(tǒng)的穩(wěn)定控制。為實際的上位機或ｂｍｓ中央控制系統(tǒng)的優(yōu)化控制方案的設計和應用提供便利的試驗條件。

變風量空調(diào)系統(tǒng)的神經(jīng)網(wǎng)絡控制——首先闡述了變風量空調(diào)系統(tǒng)及其人工神經(jīng)網(wǎng)絡控制的策略，并從建立模型、樣本訓練和控制實現(xiàn)方面闡述了bp神經(jīng)網(wǎng)絡在變風量空調(diào)系統(tǒng)中的應用，對其不足和改進也做了簡單說明

利用神經(jīng)網(wǎng)絡智能控制設計的具有自適應、自學習功能的單神經(jīng)元控制器,克服了傳統(tǒng)的pid調(diào)節(jié)器的參數(shù)在過程復雜且參數(shù)慢時變的空調(diào)系統(tǒng)應用中不容易實時在線調(diào)整的缺點,對提高空調(diào)系統(tǒng)的控制效果和魯棒性有積極的意義。

vav空調(diào)系統(tǒng)的末端控制方法研究與實現(xiàn)——以建筑的節(jié)能為出發(fā)點，通過實際的bacnet體系下空調(diào)系統(tǒng)及其末端與控制設備組成變風量系統(tǒng)，針對系統(tǒng)末段進行實驗研究，其最終研究結(jié)果說明了該系統(tǒng)的可行性與優(yōu)點．它對于bacnet體系下總線控制與變風量空調(diào)系統(tǒng)末端研...

以建筑的節(jié)能為出發(fā)點,通過實際的bacnet體系下空調(diào)系統(tǒng)及其末端與控制設備組成變風量系統(tǒng),針對系統(tǒng)末段進行實驗研究,其最終研究結(jié)果說明了該系統(tǒng)的可行性與優(yōu)點.它對于bacnet體系下總線控制與變風量空調(diào)系統(tǒng)末端研究有著實際的參考意義.

空調(diào)系統(tǒng)的故障診斷十分復雜。針對傳統(tǒng)故障診斷的不足,提出神經(jīng)網(wǎng)絡與信息融合相結(jié)合的故障綜合診斷方法,對來自多個時刻的故障信息進行融合,得到更為準確的故障綜合診斷結(jié)果。通過在集中空調(diào)教學模型上的仿真試驗,證明了該故障診斷方法的可靠性。

建立了神經(jīng)元pid控制算法模塊,對變頻空調(diào)系統(tǒng)模型進行了仿真。結(jié)果表明,神經(jīng)元pid控制較常規(guī)pid控制具有更好的魯棒性,更適合用于變頻空調(diào)系統(tǒng)的控制中。

vav空調(diào)系統(tǒng)的幾個控制策略——文主要探討vav系統(tǒng)的幾個主要控制策略，分別討論其控制原理及作用，凸現(xiàn)了vav空調(diào)系統(tǒng)的一些優(yōu)勢。同時，在一個vav空調(diào)控制系統(tǒng)中是否具有這些控制策略，也是評估其先進性的一種參考。

變風量空調(diào)系統(tǒng)正常、有效的運行是由其空調(diào)系統(tǒng)的正確設計、施工和可靠、先進的控制所決定。本文主要探討vav系統(tǒng)的幾個主要控制策略,分別討論其控制原理及作用,凸現(xiàn)了vav空調(diào)系統(tǒng)的一些優(yōu)勢。同時,在一個vav空調(diào)控制系統(tǒng)中是否具有這些控制策略,也是評估其先進性的一種參考。

本文簡要闡述了ｖａｖ空調(diào)系統(tǒng)的特點，并指出了ｐｉｄ控制的缺點，回顧了智能控制方法在ｖａｖ空調(diào)系統(tǒng)控制中的應用，對該系統(tǒng)智能控制方法的研究應用方向做了一些探討。