变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于预测控制的变风量空调送风系统控制特性研究

基于通风网络原理建立了变风量空调送风系统的预测控制模型,并对变风量空调送风系统进行预测控制.仿真模拟表明,该预测控制模型对变风量空调送风系统的调节及时、准确,能使该系统更加节能、可靠.     

基于模糊逻辑的空调系统广义预测控制参数整定

针对多输入多输出(multiple-input-multiple-output, MIMO)变风量空调系统(variable air volume, VAV),本文提出了一种基于模糊逻辑和事件触发的广义预测控制(generalized predictive control, GPC)参数整定方法。针对多变量VAV空调系统,基于输出斜率等新型模糊目标参数及高斯双边形隶属度函数建立模糊预测模型,提高了隶属函数拟合度以更贴切地反映系统当前时刻状态。利用麻雀智能算法(sparrow search algorithm, SSA)构建隶属度函数,对GPC控制器中的柔化因子和加权系数进行在线分段整定,有效提升了系统性能。此外,在参数整定过程中,引入事件触发机制(event-triggered mechanism, ETM),在保证控制性能的同时,避免了不必要的控制器采样与更新,降低了系统在线计算量并减少了能源消耗。最后通过VAV空调系统仿真实验验证,证明了本文提出方法的可行性和有效性。     

PID自整定调节器在VAV 空调系统解耦控制中的应用

通过采用PID自整定调节器以及前馈补偿解耦网络,对变风量(VAV)空调系统中"两个空气处理机组成的耦合系统"和"风系统和水系统耦合系统"进行解耦控制.通过MATLAB仿真研究和在实际系统中的实验研究验证了调节器和解耦网络的可行性和有效性,仿真结果和实验结果令人满意,为变风量空调系统的解耦控制提供了有效的方法,为变风量空调系统的整体稳定运行奠定了基础.     

基于神经网络的变风量空调解耦控制

目的 分析变风量空调运行时各变量之间的耦合关系,针对变风量空调参数多变、强耦合的特点,提出一种变风量空调系统改进型误差反播神经网络解耦控制方法,对变风量空调温湿度控制系统进行解耦.方法 把整个系统的解耦目标分解为N个子目标,每个子目标仅仅对一个回路通道进行解耦,其结构与指标函数简单,易于实现;并将模糊神经网络控制器与解耦控制器有机结合.结果 解耦成功后,控制响应速度快、超调量几乎为零,达到期望温度后温度曲线保持不变,而此过程中湿度值基本没有变化,整个控制过程调节响应快,稳态误差小,解耦效果明显,有很强的控制精度和鲁棒性.结论 BP神经网络解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的解耦控制效果.     

变风量空调系统送风管道静态压力的预测控制与仿真

变风量空调系统的能耗在智能建筑能耗中占很大部分,将预测控制器应用于该系统来降低能耗,建立基于送风管道静压的广义预测控制模型,并进行仿真研究。结果表明,送风管道静压的预测控制模型输出曲线能够很好地跟踪静压变化曲线,预测控制策略比传统PID控制要好,为变风量空调系统的应用提供了一种新的智能控制方法。     

基于PID神经网络的多变量解耦技术在变风量空调中的应用

本文分析了空调控制系统、变风量空调系统特点及目前存在的控制问题,提出了空调控制系统引入智能控制方案的可行性与必要性,针对变风量空调系统的特点和要求,提出变风量空调系统的控制方案。控制回路由冷水流量一送风温度控制、风机转速一静压点静压控制、送风量一室内温度控制、新风量一二氧化碳浓度控制四个控制回路组成,建立了一种新的多层神经网络,实现了神经网络和PID控制规律的本质结合,在变风量空调控制系统中表现出很强的学习和自适应解耦能力,MATLAB仿真试验说明了系统设计的有效性。     

基于VAV变风量智能建筑空调系统控制

为了解决传统VAV空调系统的非线性、延时性、波动性以及模型准确性等问题,在传统PID控制系统的基础上,引入模糊PID控制机理,建立了模糊增益控制器.结合自适应调节系统,通过模糊调整方法,以变风量空调系统终端阀门的开度为最终控制对象,通过MATLAB编程建立模型,对PID控制器参数进行在线调整.结果表明,引入模糊PID控制方法的VAV空调系统与传统PID控制方法相比,前者动态响应速度快,校正时间短、超调量小,具有广阔的应用前景.     

变风量空调系统末端装置的性能分析

目前,变风量空调系统的末端装置主要分为压力有关型和压力无关型.采用MATLAB的SIMULINK对变风量空调系统的末端装置进行仿真,并进行理论分析.与压力有关型比较,压力无关型仅仅多了一个流量检测装置,但从仿真结果分析可以看出,压力无关型系统的控制品质得到大大提高.     

A Novel Tuning Method for Predictive Control of VAV Air Conditioning System Based on Machine Learning and Improved PSO

The variable air volume (VAV) air conditioning system is with strong coupling and large time delay, for which model predictive control (MPC) is normally used to pursue performance improvement. Aiming at the difficulty of the parameter selection of VAV MPC controller which is difficult to make the system have a desired response, a novel tuning method based on machine learning and improved particle swarm optimization (PSO) is proposed. In this method, the relationship between MPC controller parameters and time domain performance indices is established via machine learning. Then the PSO is used to optimize MPC controller parameters to get better performance in terms of time domain indices. In addition, the PSO algorithm is further modified under the principle of population attenuation and event triggering to tune parameters of MPC and reduce the computation time of tuning method. Finally, the effectiveness of the proposed method is validated via a hardware-in-the-loop VAV system.     

基于模型预测的网络闭环控制研究

研究了远程传输时延不确定情况下闭环控制系统控制稳定性问题,给出了一种基于神经网络的模型预测控制法,仿真实验表明当控制网络存在时延时,随着控制系统时延值的大小和系统其他参数变化,不断的动态调整系统控制参数PID值可以使对工作环境未知的被控对象的控制变得稳定,改善远程闭环控制系统性能,以达到用户期望结果.     

模糊PD控制在伺服系统中的应用

为了提高伺服控制系统动态跟随误差的精度,在三环伺服控制系统的基础上提出了一种经典控制和智能控制相结合的方法.利用误差补偿的思想,在位置环上采用按给定输入补偿的复合控制方法进行误差补偿,以提高系统动态跟随精度.采用模糊PD参数自整定控制的思想,在位置环上设计了智能模糊控制器,对前向通道PD调节器的参数进行了优化.仿真结果表明,与PD控制系统相比较,改进系统的动态误差精度得到了提高,明显地增强了系统的动态跟随特性,并使系统具有较强的鲁棒性.     

基于蚁群算法的变风量空调室温控制研究

在变风量空调系统中,采用总风量控制方式改变空调区域送风量以满足人们的舒适性要求.针对常规PID控制参数优化困难的问题,提出了采用蚁群算法对风机变频调速和室内温度控制环节中的PID控制优化,并将常规PID控制和基于蚁群算法的PID控制在MATLAB仿真环境中进行仿真对比.通过对比结果表明,基于蚁群算法的PID控制策略能使系统的动态稳定性得到较大的改善.     

基于改进的粒子群PID控制在变风量系统中的应用

目的研究变风量空调系统温度-风量PID控制器的整定方法,利用粒子群算法的特点设计一种较为高效、稳定的自适应控制器.方法以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,选取种群数量、维数、最大寻优速度、收缩因子等粒子群内部参量,根据粒子群的演化规则自动完成最优控制.结果采用引入收缩因子的粒子群PID自适应控制器时,系统的调节时间约为常规控制方法的50%,超调量减少了约75%.且动态过程快速而平稳;而当系统突加阶跃扰动时,粒子群PID自适应控制器的调节时间及超调量均约为常规控制方法的50%,系统控制品质得到了较大的改善.结论仿真结果表明,采用上述自适应控制器后,空调房间的温度调节过程加快,室内外干扰因素对房间温度的影响明显降低,整个系统体现了良好的动态性能及较强的鲁棒性.     

模糊控制在油脂工业液位自动调节系统中的应用

油脂工业中常涉及到各种液位控制,以液位自动调节系统为研究对象,针对系统中存在的参数时变性、死区非线性等问题,设计了基于模糊神经网络的控制器.该模糊神经网络控制器增强了传统模糊控制的性能,可以实现在线和离线的自适应调节,改善了系统的动态响应特性.计算机仿真结果表明系统的控制精度、稳定性和对复杂工况的适应性都得到了显著提高.     

基于ANFIS的三容系统解耦及液位控制

利用模糊减法聚类技术,建立初始的模糊推理系统(FIS)结构,然后利用自适应神经模糊推理系统(ANFIS)函数对模糊模型进行训练,得出模糊神经网络解耦控制块.实现了对三容系统的解耦及液位控制.利用Matlab仿真工具,对自适应模糊神经网络解耦控制系统进行了研究,结果表明,其与传统的输入变换和状态反馈解耦控制相比,动态响应快,鲁棒性好,具有优异的性能.     

变风量空调系统的协调控制策略研究

阐述了变风量空调系统的基本原理和建筑物自动化系统应用体系结构的特点,从协调控制的角度,对目前变风量空调系统的系统控制方法进行了探讨,基于变风量方式下空调房间的动态数学模型及各控制环节的动态特性,运用MATLAB（SIMULINK）软件对风机总风量控制方法进行了仿真研究,结果表明该控制策略具有调节及时、效果显著等特点,是一种简单、实用、节能的系统协调控制方法。