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.     

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。     

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。     

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.     

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.     

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。     

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。     

VAV空调系统的末端控制方法研究与实现

以建筑的节能为出发点,通过实际的BACnet体系下空调系统及其末端与控制设备组成变风量系统,针对系统末段进行实验研究,其最终研究结果说明了该系统的可行性与优点.它对于BACnet体系下总线控制与变风量空调系统末端研究有着实际的参考意义.     

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。     

空气悬架的神经网络模糊控制及仿真分析

空气悬架系统是一个非线性系统,该系统工作环境是时变性的。提出了基于神经网络的模糊控制策略,应用该控制策略对某一高级客车的空气悬架刚度进行控制,可以根据车辆振动响应的结果来判断车体的振动情况以后,实时调节空气悬架刚度,使车辆对路面的变化具有适应能力,从而改善汽车行驶平顺性。     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平，文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合；论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。     

模糊神经网络在机器人控制中的应用

为克服机器人控制过程中存在的许多不确定因素的影响,构造了一种新型模型神经网络结构,提出了一新算法,并将其应用于机器人控制,取得了满意的仿真效果,表明有极强的鲁棒性。     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

玻璃钢缠绕机的模糊神经网络控制

在玻璃钢缠绕设备的控制系统中，设计了一种新型模糊神经网络控制器。提出了一种新的模糊聚类方法，构造了分布式模糊神经网络，并重点阐述了它们的原理与方法。实践表明，该控制方法性能良好、实用可靠。     

基于小波模糊神经网络的滑模控制器设计

针对一类非线性系统,采用小波模糊神经网络对控制对象辨识并提出了滑模控制器的设计方法.在系统存在外部干扰并有界时,利用李亚普诺夫方法证明了系统的稳定性.最后,通过MATLAB仿真验证了输出反馈控制具有良好的跟踪性能.