基于预测优化控制的变风量空调系统控制策略的研究

基于变风量空调送风系统的运行特点,建立了风量预测优化控制模型,设计了变风量空调前馈-反馈综合控制系统。实验结果表明:基于预测优化控制的空调系统运行稳定,各个空调小室的温度都能够稳定于设定温度所要求的精度范围内;各个控制环节的耦合度很小,能够实现独立控制调节,系统运行灵活、稳定。     

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.     

集中空调变风量系统控制方法分析

分析了集中空调变风量系统的送风控制、新风量控制、送风量匹配控制及室温控制，比较了各种方法的特点，指出了变风量系统存在的三个主要问题，即系统运行不稳定、空调品质欠佳和节能效果不显著。提出要在加强系统稳定性和改变控制方式等方面进行优化。     

基于RBF预测的模糊神经变风量空调控制

目的为提高变风量空调系统的动态控制性能,提出基于预测的模糊神经网络控制方法.方法通过模糊神经控制器对输入输出量进行控制,预测器进行控制参数预测,比较实际控制量与预测量来进行实时控制和调整参数,从而达到预期的控制效果.结果仿真试验表明,该方法控制动态响应快,超调小、控制精度高,具有良好的动态性能和稳态性能.结论所提出的控制方法能有效地提高了变风量空调系统的动态性能,并由仿真结果验证了其有效性.     

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。     

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.     

智能楼宇变风量空调系统的节能控制

论述了在充分利用智能楼宇设备资源及其智能化特点的基础上,对智能楼宇变风量空调系统进行节能控制,使其达到最佳的运行效果和节能效果的一些方法和思路,在预冷阶段,采用神经元网络算法得出空调系统的最佳预冷期;在调节控制阶段,通过前馈方式提前调节控制量,进行对风量的变频调节,在提前停机控制中,结合估算和现场采样的方法,确定理想的提前停机时间,通过物理仿真实验系统的验证,此方法具有很好的控制效果和节能效果。     

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.     

变风量空调系统温度模糊PID控制

将模糊PID控制应用于变风量空调系统中,任务是将送风温度和空调房间内的温度（回风温度）控制在各自的设定目标值附近。分别设计了变风量空调系统的送风温度模糊PID控制系统和室内温度（视为回风温度）模糊PID控制系统,通过调节冷冻水阀门的开度来控制送风温度,通过调节变频风机的转速来控制室内温度。应用所设计的模糊PID控制器对送风温度和空调房间的温度（即回风温度）进行了实时在线控制,控制结果表明模糊PID控制器设计合理,控制效果良好。     

基于METASYS硬软件平台的变风量空调实验系统

变风量(variableairvolume,VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。其设计方案和性能研究受到国内外的广泛重视。本文介绍西安建大采用JohnsonControls自控公司的META SYS硬软件实现的变风量空调实验系统。该实验平台设计合理、功能完备,为变风量空调系统的设计及其解耦与优化控制的研究提供了有力的保证。     

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.     

基于蚁群算法的变风量空调控制的仿真

针对VAV空调系统中PID参数优化困难的问题,在变风量(VAV)空调系统房间数学模型的基础上,提出了基于蚁群算法PID控制策略,并将常规PID控制策略和基于蚁群算法的PID控制策略在MATLAB/Simulink仿真环境中进行数字仿真对比.结果表明,基于蚁群算法PID控制策略可使系统动态特性得到较大改善.     

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。     

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。     

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.     

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.     

基于模糊免疫算法的变风量空调系统PID控制

由于变风量空调系统具有惯性大、时间滞后等特点,单独采用常规PID控制往往效果欠佳。本文借鉴生物免疫反馈机理和模糊控制理论,设计了模糊免疫PID控制器,将模糊免疫算法应用于室内温度控制环节,并运用模糊免疫PID控制技术对温室进行仿真试验。试验结果表明,控制环节的精度、鲁棒性、超调量及调整时间都得到较大改善。     

空调变风量送风系统的节能分析

不同的空调自动调节方案对于空调变风量送风系统的动力消耗有重要影响。本文对此做了理论分析和研究,同时还提出了一种按照空调房间负荷调节送风量新的调节方案,并就该方案的能耗大小与前作了对比。     

组合变风量空调系统研究

对中国8个典型气候条件下大型商场空调负荷及室外空气焓值的分析表明,在过渡期相当长的一段时期内,室外空气焓值低于室内时,因无法加大新风量,只好使用制冷机冷却空气．采用加大不经热湿处理的新风并与回风分别设计成独立的子系统而构成组合式变风量空调系统CVAV,并以人体舒适指标PPD为依据,计算了8种气候条件下系统所需的最大和最小风量．按回风系统为CAV或VAV,新风系统为VAV CAV或VAV VAV等组合计算得出,与现有定风量系统相比,在这8种气候条件下的节能量可达10％～36．6％．