基于Matlab的变风量空调系统的仿真

变风量系统（Variable Air Volume）是利用改变送入室内的风量来实现对室内温度调节的全空气空调系统，它的送风状态保持不变。采用数学软件Matlab中的Simulink对单风道变风量宁调系统进行仿真模拟，介绍了建立房间模型并使用Simulink创建窜内环境、控制风阀、PID调节器模块的过程,得到室内温度变化曲线。     

基于深度置信神经网络的变风量空调送风量的预测

送风量的精准预测是实现变风量空调蓄冷量精确控制的重要环节。本文根据变风量空调送风量的影响参数,基于深度置信神经网络方法,建立变风量空调送风量的预测模型。将该模型的预测结果同BP、Elman和模糊神经网络的预测结果进行对比,结果表明,深度置信神经网络的预测精度最高,平均绝对相对误差、均方根相对误差和决定系数分别为1.555%、0.789%和0.9975,由此说明本文建立的模型能够精确有效地预测变风量空调的送风量。     

运行工况下变风量空调机频率-静压-风速特性的测试和建模

根据变风量空调系统实际运行工况下测试的空调输入输出数据,分别采用数学回归方法和串并联辨识结构的神经网络的方法来建立变风量空调系统风机特性的模型,对所建立的几种模型进行误差分析,结果表明,采用动态的辨识模型仿真空调风系统可以取得很好的效果。     

基于变风量空调系统机组部分的建模研究

在简单介绍变风量空调(VAV)系统的基础上,通过多元线性回归原理建立机组部分的静态模型,并对静态模型进行验证;最后用最小二乘法建立动态模型.     

表冷器出风温度的模糊神经网络控制仿真

对变风量空调系统实验平台中的表冷器在湿工况下的换热过程建模并仿真测试,仿真结果表明,该数学模型准确可靠。对表冷器模型的出风温度采用模糊神经网络控制仿真,并与PID控制比较。比较结果表明,模糊神经网络控制的快速性、准确性及抗干扰能力都较PID控制有所提高。     

中央空调冷却水系统变风量变水量节能性分析

为了降低中央空调冷却水系统的能耗,设计了一种变风量、变水量运行的冷却水系统。根据实测数据建立了中央空调冷却水系统的数学模型,并在此基础上,基于TRNSYS动态仿真软件,建立了中央空调冷却水系统的动态仿真平台。通过对冷却水系统的运行仿真,分析了变风量、变水量运行的节能效果和运行方式。通过与传统的定风量、定水量运行的中央空调冷却水系统对比发现,变风量、变水量运行能够取得更好的节能效果。     

基于模糊PID控制技术的智能空调系统建模仿真研究

针对常规PID变风量空调系统存在的大滞后、多参量、非线性、时变波动、以及难以建立精确的数学模型等缺点,将模糊控制技术与常规PID技术相结合形成具有自适应自整定调节能力的VAV变风量模糊PID控制空调系统,建立了VAV变风量空调系统模糊PID控制模型,以VAV末端调风阀门开度和房间湿度作为控制对象,利用M ATLAB进行了建模仿真实验。实验表明,模糊PID控制技术可以有效提高空调系统的动静态调节性能和系统稳态调节准确度,从而使空调系统模糊PID控制器的综合调节性能有了很大改善,具有非常良好的调节控制效果。     

人工神经网络自校正PID在变风量空调中的应用

根据变风量空调的特点,建立特定的物理模型,提出了BP神经网络自校正PID的控制策略,建立了仿真模型并进行仿真研究。仿真结果表明,该控制方式对于复杂的空调控制系统具有更好的控制效果。     

基于RBF神经网络的VAV空调系统

变风量空调系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而RBF是在Bp人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力.文中分别采用Bp神经网络与RBF神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.这表明利用RBF回归神经网络建模是可行的,其在VAV空调控制系统的研究领域有着较好的应用前景.     

VAV控制系统的稳定性研究

变风量（VAV）控制系统产生振荡是VAV空调系统的最大问题之一。本文建立了空调室及控制器的动态特性模型,在此基础上,自行开发了计算机仿真系统,并利用这套仿真系统对VAV空调系统进行了仿真。仿真结果显示出,VAV控制系统的稳定范围受控制参数和系统参数的影响。得出的极限参数ku、ωu的数学式对现场具有一定的指导作用,并与现场实例吻合。本文为VAV控制系统的动态性能研究提供了一种实用而有效的方法。