神经网络预测控制在变风量空调系统中的应用

为了达到节能目的以及对变风量空调系统进行很好的控制,分析了神经网络预测控制的实现方法以及系统结构。根据变风量空调系统提出了相应的优化性能指标,并进行了系统仿真。仿真结果证明了该方法的可行性。     

基于LabVIEW的变风量空调系统变静压控制

针对目前变风量空调工程中系统风量多采用定静压控制的情况,结合西安建筑科技大学变风量空调实验室为研究平台。研究了基于LabVIEW的空调系统变静压控制。经验证,与定静压控制方式相比,变静压控制具有节能潜力。采用基于RBF神经网络自整定PID的控制方法,能取得良好的效果。     

基于LonWorks的变风量空调系统温度串级控制与PID控制的比较

针对变风量空调系统,采用LonWorks现场总线技术,分别运用PID控制方法和串级控制方法对变风量空调系统的送风温度和回风温度进行了控制,以某一空调房间温度控制为例,通过实验对两种方法进行了对比,结果表明串级控制能够取得更好的控制效果。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

模糊控制在变风量空调系统中的应用

作为智能控制的重要分支,模糊控制可以用来解决难以建立精确数学模型的非线性系统的控制问题。将模糊控制应用于变风量空调系统中,对模糊控制器进行了设计,建立了语言变量赋值表、模糊控制状态表以及模糊控制器查询表。应用模糊控制器对空调房间的温度进行了实时控制。控制结果表明模糊控制器设计合理,控制效果良好。     

基于模糊自适应控制的变风量空调系统

针对变风量空捌系统非线性、时变和负荷经常变化等情况,常规PID控制方法难以有效地对其进行控制的问题,提出了基于模型参考的模糊自适应控制方案。并存MATLAB环境下进行了改变设定值的系统仿真实验。仿真结果证明,系统满足控制要求,模型参考模糊自适应控制方案是可行的。     

基于LonWorks的变风量空调系统温度串级控制与PUp控制的比较

针对变风量空调系统,采用LonWorks现场总线技术,分别运用PID控制方法和串级控制方法对变风量空调系统的送风温度和回风温度进行了控制,以某一空调房间温度控制为例,通过实验对两种方法进行了对比,结果表明串级控制能够取得更好的控制效果。     

永磁同步电机伺服系统的RBF神经网络PID控制

永磁同步电机(PMSM)交流伺服系统中含有未知复杂干扰,属于一类复杂的非线性、不确知系统,会影响PID控制算法的控制质量,无法满足伺服系统的高精度指标要求,利用神经网络对未知信息数据的自学习和自适应能力,设计出一种基于RBF神经网络与传统PID控制相结合的智能PID控制器。仿真结果表明,应用了RBF神经网络PID控制的伺服系统,不但结构简单,而且能适应环境变化,干扰被有效抑制,控制精度明显提高,有较强的鲁棒性,达到了理想的控制效果。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

永磁同步直线电机RBF神经网络的PID控制

针对永磁同步直线电机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电机的数学模型。直线电机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制的性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

永磁同步直线电动机径向基神经网络PID控制

针对永磁同步直线电动机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电动机的数学模型。直线电动机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

基于LabVIEW的变风量空调计费系统设计

传统的中央空调计费一般都采用的是按照面积大小分摊收费的方式,该收费方式现已经常与现实情况不相符合。针对该现状,结合能量型计费原理和时间型计费原理,基于LabVIEW软件设计了一种变风量空调计费系统。对设计的空调计费系统作了分析,并在实际环境中对该系统进行了测试。从系统测试数据来看,该软件系统运行良好,具有广阔的应用潜力。     

基于RBF神经网络辨识的单神经元控制器在冷却水处理系统中的应用

以某大学智能楼宇研究所变风量空调实验室为试验平台,研究了冷却水的节能控制方案,设计了基于RBF神经网络辨识的单神经元控制器,并将其部署于冷却水子系统。试验结果表明,该算法可显著改善冷却水系统控制效果,达到使冷却塔出水温度稳定的目的,保证冷却水系统能安全、稳定运行。仿真试验验证了该方法的可行性。     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

基于RBF神经网络整定PID的 风力发电变桨距控制

为了改善变速恒频风力发电系统在恒功率输出运行区域内的动态性能,在分析系统变桨距控制研究现状的基础上,基于RBF神经网络(RBFNN)整定PID控制理论设计风力发电系统变桨距控制器,建立了风力机及变桨距机构模型,以发电机转速测量值与额定转速相比后误差为输入设计控制器。在随机风作用下对设计的RBFNN整定PID控制器进行仿真,结果表明基于RBFNN整定PID控制理论的变桨距控制器具有良好的动态性能及对风速扰动的鲁捧性,能够有效改善风力发电系统变桨距控制效果     

基于RBF神经网络的智能车速度控制系统研究

针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定,不能在线调整、不具有自适应能力的缺点,提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中,对传统PID参数整定进行改进。RBF神经网络能够辨识智能车电机的数学模型,可以根据控制效果在线训练和学习,调整网络连接权重值,最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明,与传统PID控制算法相比,RBF神经网络PID整定算法在智能车速度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能。