人工神經(jīng)網(wǎng)絡(luò)自校正PID在變風(fēng)量空調(diào)中的應(yīng)用

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

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)。

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.

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。本文在空調(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,將模糊控制與bp神經(jīng)網(wǎng)絡(luò)結(jié)合,建立了模糊神經(jīng)網(wǎng)絡(luò)對變風(fēng)量空調(diào)系統(tǒng)的風(fēng)量進(jìn)行預(yù)測,使它們有效地發(fā)揮各自的優(yōu)勢并彌補(bǔ)各自的不足,提高了預(yù)測的精度。預(yù)測結(jié)果表明這種改進(jìn)的控制方式在空調(diào)系統(tǒng)的負(fù)荷預(yù)測方面是有效的、可行的。

變風(fēng)量空調(diào)具有非線性、大延時、時變等特點(diǎn),被控對象的精確數(shù)學(xué)模型難以建立,對于此類系統(tǒng)常規(guī)pid控制難以取得理想控制效果。為了提高變風(fēng)量空調(diào)控制的穩(wěn)定性、保證室內(nèi)舒適,將廣義預(yù)測自校正控制應(yīng)用于變風(fēng)量空調(diào)末端控制?？紤]到系統(tǒng)具有時變性,采用變遺忘因子最小二乘法在線辨識系統(tǒng)參數(shù),實(shí)現(xiàn)在線自校正功能;采用隱式求解方法,減小了廣義預(yù)測算法的計(jì)算量;結(jié)合串級控制結(jié)構(gòu),以變風(fēng)量空調(diào)末端風(fēng)閥開度為中間被調(diào)量,設(shè)計(jì)了串級廣義預(yù)測自校正控制。建立變風(fēng)量空調(diào)房間和末端裝置的數(shù)學(xué)模型,在此基礎(chǔ)上進(jìn)行仿真研究。仿真結(jié)果表明,廣義預(yù)測自校正控制具有較強(qiáng)的跟蹤性能、抗干擾能力及魯棒性,能夠滿足變風(fēng)量空調(diào)末端的控制要求。

總風(fēng)量控制法自提出后,由于其末端動作頻繁、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,將模糊控制與bp神經(jīng)網(wǎng)絡(luò)結(jié)合,建立了模糊神經(jīng)網(wǎng)絡(luò),對變風(fēng)量空調(diào)系統(tǒng)的風(fēng)量進(jìn)行預(yù)測,使它們有效地發(fā)揮各自的優(yōu)勢并彌補(bǔ)各自的不足,提高了預(yù)測的精度。預(yù)測結(jié)果表明這種改進(jìn)的控制方式在空調(diào)系統(tǒng)的負(fù)荷預(yù)測方面是有效的、可行的。

簡要介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及特點(diǎn),并且詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)在中央空調(diào)水系統(tǒng)、風(fēng)系統(tǒng)、制冷系統(tǒng)、負(fù)荷預(yù)測、系統(tǒng)的仿真設(shè)計(jì)和建筑運(yùn)行能耗評價(jià)等方面的應(yīng)用概況,指出了神經(jīng)網(wǎng)絡(luò)在空調(diào)領(lǐng)域今后的發(fā)展方向.

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。

研究空調(diào)風(fēng)量優(yōu)化控制問題,控制應(yīng)有快速性,精度要滿足要求。但由于系統(tǒng)存在非線性或具有不確定項(xiàng)的對象,難以進(jìn)行有效的控制。常規(guī)pid控制算法簡單,魯棒預(yù)測控制在處理不確定性控制問題時顯示出控制的快速性難以保證。結(jié)合魯棒預(yù)測控制和常規(guī)pid的優(yōu)勢設(shè)計(jì)了魯棒預(yù)測—pid復(fù)合控制器,使不確定對象的響應(yīng)快速穩(wěn)定。設(shè)計(jì)在上升時間段采用pid控制,當(dāng)響應(yīng)趨向設(shè)定值時切換為魯棒預(yù)測控制。給出兩種控制方式的平穩(wěn)過渡方法。采用魯棒預(yù)測-pid復(fù)合控制器對變風(fēng)量空調(diào)系統(tǒng)的風(fēng)壓進(jìn)行控制,給出變頻風(fēng)機(jī)控制的正確建模,并與魯棒預(yù)測控制、常規(guī)pid控制的仿真進(jìn)行比較,驗(yàn)證所提出控制方法的有效性。

基于神經(jīng)網(wǎng)絡(luò)的變風(fēng)量空調(diào)系統(tǒng)故障診斷——對變風(fēng)量空調(diào)系統(tǒng)的故障和故障發(fā)生的原因進(jìn)行了分析．提出了采用bp神經(jīng)網(wǎng)絡(luò)對變風(fēng)量空調(diào)系統(tǒng)的故障進(jìn)行檢測與診斷．運(yùn)用matlab中的神經(jīng)網(wǎng)絡(luò)工具對故障的模式和故障的原因進(jìn)行了仿真。

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.

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。

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。

對變風(fēng)量空調(diào)系統(tǒng)的故障和故障發(fā)生的原因進(jìn)行了分析.提出了采用bp神經(jīng)網(wǎng)絡(luò)對變風(fēng)量空調(diào)系統(tǒng)的故障進(jìn)行檢測與診斷.運(yùn)用matlab中的神經(jīng)網(wǎng)絡(luò)工具對故障的模式和故障的原因進(jìn)行了仿真。仿真結(jié)果表明,采用bp神經(jīng)網(wǎng)絡(luò)對變風(fēng)量空調(diào)系統(tǒng)進(jìn)行故障診斷是行之有效的。

基于matlab神經(jīng)網(wǎng)絡(luò)的變風(fēng)量空調(diào)控制的仿真——文章介紹了變風(fēng)量(vav)空調(diào)系統(tǒng)房問數(shù)學(xué)模型的建立，在分析了vav空調(diào)系統(tǒng)的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了人工神經(jīng)網(wǎng)絡(luò)控制方式。從建立模型、樣本訓(xùn)練和控制實(shí)現(xiàn)方面闡述了神經(jīng)網(wǎng)絡(luò)在vav空調(diào)系統(tǒng)仿真過程，得到了響應(yīng)曲...

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...

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)。

針對變風(fēng)量空調(diào)系統(tǒng)的故障診斷問題及其特點(diǎn),提出了一種基于改進(jìn)角分類神經(jīng)網(wǎng)絡(luò)——fdcc的故障診斷模型.該模型克服了cc4角分類神經(jīng)網(wǎng)絡(luò)輸出結(jié)果為二進(jìn)制的局限,根據(jù)故障模式所落入的k最近鄰的樣本泛化空間來進(jìn)行故障診斷,并輸出結(jié)果向量,其各分量為各故障原因可能出現(xiàn)的概率.

針對變風(fēng)量空調(diào)系統(tǒng)的結(jié)構(gòu)原理和功能特性,以房間溫度控制回路為例,利用pid控制方法,研究設(shè)計(jì)變風(fēng)量空調(diào)系統(tǒng)的控制回路.通過對實(shí)際系統(tǒng)的控制結(jié)果表明,實(shí)現(xiàn)對系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制,可取得更好的控制效果.

介紹了變風(fēng)量(vav)空調(diào)系統(tǒng)房間數(shù)學(xué)模型的建立,在分析了vav空調(diào)系統(tǒng)的優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了人工神經(jīng)網(wǎng)絡(luò)控制方式。從建立模型、樣本訓(xùn)練和控制實(shí)現(xiàn)方面闡述了神經(jīng)網(wǎng)絡(luò)在vav空調(diào)系統(tǒng)仿真過程,得到了響應(yīng)曲線,在理論研究中具有一定的指導(dǎo)意義和參考價(jià)值。