自适应解耦补偿控制在变风量空调系统中的应用

针对变风量（VAV）空调系统正常运行的必要条件——稳定性问题进行研究,把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分。应用了单神经元自适应PID控制器的概念,并结合神经元自适应解耦控制的策略,对变风量空调系统的机组部分进行了解耦与控制,还从实验系统测试的方面对解耦控制策略进行了验证。实验结果证明了这种解耦控制策略的有效性。     

变风量空调系统机组部分的建模与仿真

本文针对变风量空调系统存在耦合,难以稳定运行的情况,把空调系统分解为机组部分和末端部分来考虑。对机组部分采用最小二乘法建模,并提出了基于单神经元自适应PID控制方案。应用Matlab软件对其进行仿真,仿真结果令人比较满意,证明了这种控制策略的可行性。     

在变风量空调控制中应用神经元解耦控制技术

采用机理分析和系统辨识相结合的方法，建立变风量空调系统的模型。应用自适应神经元解耦控制技术，对耦合强烈的变风量空调系统的4维传递函数矩阵系统进行解耦控制。仿真研究和实际运行表明，解耦效果良好。     

变风量空调系统恒温解耦控制优化

在室内恒温控制问题的研究中,变风量空调系统的房间送风量、冷冻水流量和风机转速三个输入变量与房间温度、送风温度和静压三个输出变量之间存在着不同程度的耦合关系,每个房间的温度控制会受到不同程度的干扰,严重时会影响到整个系统的稳定性.为解决上述问题,根据变风量空调系统的房间、表冷器、风机等各个子系统模型,通过寻找一个合适的开环传递函数矩阵,实现对系统的解耦控制,通过使解耦矩阵的对角元素为1,得到简化的解耦矩阵.比通常利用对角化方法和状态反馈矩阵方法直接求得的解耦矩阵要简单.运行空调实验结果表明控制回路之间干扰不明显,解耦控制效果良好.     

智能建筑VAV空调系统的节能控制

在利用智能建筑资源的基础上,本文论述了对变风量空调系统进行节能控制的一些方法和思路。在预冷阶段,采用神经网络算法得出最佳预冷期;在调节控制阶段,通过前馈方式提前调节控制量;在提前停机控制中,采用模糊控制的方法确定提前停机时间。通过验证,本文的方法具有理想的控制和节能效果。     

变风量空调的自适应解耦控制研究

变风量空调是一个多输入多输出的相互耦合的系统,由于实际系统受多种因素的影响,系统模型参数也会发生变化。针对系统的耦合性和时变性,提出一种基于在线辨识的自适应解耦控制策略并将其应用在变风量空调系统中。该控制策略采用具有遗忘因子的递推方法和基于零频率模型匹配的联合参数辨识算法,在控制系统闭环运行条件下,对系统的过程参数进行在线辨识,以此模型来设计控制器和解耦器,对相关控制回路进行解耦控制。对实际系统中两个耦合的回路进行仿真分析和实验验证,结果表明该方法有效改善了系统的耦合作用,提高了控制系统的稳定性和鲁棒性。     

基于解析法的变风量空调解耦优化控制

为了解决变风量空调中变量众多、耦合严重、延迟时间大、易出现不确定摄动等问题,提出了一种基于解析法的PID解耦控制策略。通过建立送风温度与室内温度两支耦合回路模型,并构建合适的期望闭环传函阵,推导出解耦控制器矩阵的理想表述形式。利用劳斯降阶与一阶帕德近似将其转换成PID形式,通过改变唯一的调节变量并根据谱半径幅频曲线来满足稳定性与鲁棒稳定性等要求,从而获得各参数的具体数值。结果表明,相比于前馈补偿PID法,基于解析法的解耦策略不仅能够完全消除两支回路间的耦合效应,还具有更平稳的跟踪性能,受不确定摄动的影响更小。     

状态反馈解耦技术在变风量空调系统中的应用

变风量中央空调(VAV)的控制系统是楼宇自控的重要组成部分。变风量空调系统具有多变量、多回路耦合的特点，当多个控制回路同时工作时，各回路之间的相互耦合和相互干扰严重影响变风量空调系统的性能。解除或减小多回路之间的耦合是极为关键和重要的。这也一直是VAV系统的难点问题。     

变风量空调系统末端智能控制器研究

针对影响变风量空调系统末端控制的诸多因素,设计一种PID控制与模糊控制相结合的控制器,解决了变风量空调系统滞后大、惯性大、随机干扰多及非线性等问题.经验证,与传统的控制器相比较,系统的动态响应和稳态精度明显改善,并且具有较强的鲁棒性.     

基于模糊前馈解耦的变风量空调控制方法研究

变风量(VAV)空调系统具有多变量、多回路耦合、大滞后、强非线性特点;采用数学建模和仿真实验法,针对送风温度、送风管道静压、室内温度和室内二氧化碳浓度4个相互耦合的主要被控量,通过建立热量平衡和物质传输机理模型和传递函数矩阵,设计基于神经网络的前馈模糊解耦方法;所提出的方法既利用了数学模型可清晰描述被控量之间耦合关系的优点,又避免了传统解耦算法控制效果过于依赖建模精度等问题,仿真和实验结果表明系统获得了良好的控制性能。     

神经元PID控制在变风量空调室温控制中的应用研究

针对变风量空调系统的延迟,非线性和模型不确定性,本文提出将神经元P I D控制器应用于变风量空调系统中。该控制器综合了神经网络和P I D调节各自的有点,具有神经网络的学习和适应能力,同时具备P I D控制的广泛的适应性。仿真实验表明该控制器控制结果优于传统的P I D控制器。     

MFAC和前馈补偿组合的VAV系统解耦控制仿真

在空调机风量优化控制的研究中,变风量(Variable Air Volume,VAV)系统存在多变量、耦合强烈、非线性及带有时延等特点.针对子系统耦合严重的现象,提出了无模型自适应控制(Model Free Adaptive Control,MFAC)和前馈补偿相结合方法,建立了两个空气处理机组成的耦合系统的数学模型,设计了MFAC控制器和前馈补偿解耦网络,对所建立的耦合系统进行了解耦控制.仿真结果表明:相对PID与前馈补偿组合解耦而言,无模型自适应控制配合前馈补偿的方法可以大幅减少调节时间,且超调量为0,具有很好的解耦效果,可以解决变风量系统的耦合问题.     

中央空调冷冻水系统的神经PID控制

在对神经网络PID控制器的设计中,利用神经网络对PID控制器参数kp,ki,kd的在线整定与调整,实现对中央空调冷冻水变流量的控制,使系统具有良好的稳态性能与控制精度。     

基于遗传神经网络的VAV空调系统预测模型

针对单纯的机理建模方法难以准确预测变风量空调系统(VAV)的参数,利用BP神经网络构建了变风量空调系统的预测模型,并将遗传算法与BP网络相结合,提出运用遗传算法对神经网络的权值和阈值进行遗传搜索,寻优后再进行BP运算,以克服BP算法收敛速度慢、易陷入局部解的缺点;通过实验平台采集了大量数据对所建模型进行训练和验证,结果表明,模型对空调送风参数以及房间温湿度的预测结果与实测数据能很好拟合,精确度高,泛化能力强.     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

模糊增益调整PID控制在VAV系统中的应用

本文针对用普通PID控制对VAV系统控制参数难以整定的问题,设计了一种基于模糊控制原理的PID参数在线自调整控制器,根据偏差和偏差变化率来实时调整KP,Ki,Kd参数。通过计算机仿真结果表明,这种模糊增益调整PID控制器比常规PID控制器有更好的控制效果,大大改善了系统的动态和稳态性能。     

变风量空调系统末端变论域模糊控制

针对变风量空调系统非线性、时变性和难以建立精确模型的特点,提出一种具有自适应能力的变论域模糊控制,以提高控制系统的控制速度和精度,使系统具有更好的动态性能和准确性。在推导VAV末端装置模型的基础上,进行了仿真实验。仿真结果表明,与传统PID控制和常规模糊控制比较,变论域模糊控制提高了系统的动静态特性和系统的稳态精度,从而使模糊控制器的性能得到了较大的改善,具有良好的控制效果。     

粒子群算法在武汉市图书馆变风量空调控制系统中的应用研究

以武汉市图书馆公共建筑节能项目为背景,考虑到现有的方法有如下缺点:系统惯性大、时间滞后及单一采用PID控制时,控制效果不好,我们找寻到了一种高效的方法来解决这些缺点,实现优化温度参量来控制。根据变风量空调系统的结构,对变风量系统室内温度控制环节采用粒子群算法,经过Matlab软件进行仿真,使室内温度控制环节的上升时间、超调量及调整时间得以优化。