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.     

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.     

基于嵌入式的客房变风量空调系统智能控制器设计

介绍一种基于嵌入式处理器S3C2440A的变风量（VAV）空调系统智能控制器的设计方法。VAV 空调系统室温实时控制采用模糊PID 控制算法,利用嵌入式技术搭建Web服务器,实现空调系统的远程监 控。软件设计上,运行Linux操作系统,移植图形用户界面开发环境Qtopia和Qt/E,采用多进程和多线程编 写程序。经过测试表明,整个控制系统性能良好。     

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.     

基于自适应模糊PID控制的中央空调冷冻水系统仿真研究

定风量空调系统的调节是通过调节冷冻水流量实现的,建立了各个部件的数学模型,通过调节水泵转速来调节冷冻水流量。由于空调系统参数的时变性,常规PID控制存在局限性,本文建立自适应模糊PID控制器,并与常规PID控制器进行比较,表明自适应模糊PID控制调节效果更好,简单易行。     

需求控制通风技术在地下商场的节能研究

结合地下商场建筑独特的热工和负荷特点,建立了适合于地下商场建筑的新型DCV模式.该模式将CO2体积分数控制与常规的温控VAV系统相结合,同时实现对空气品质、温度的PID控制,并确立全年工况自动切换策略.利用动态仿真系统进行建模,并以上海实际地下商场建筑为对象,进行全年的动态运行计算.结果表明:提出的DCV系统比定风量系统全年节能22.2%,比常规VAV系统全年节能17.5%.说明该技术在地下商场类建筑应用时,可以同时实现对室内空气品质、温度的良好控制,并且在最大限度上节省了能耗。     

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。     

定风量空调系统的建模和仿真

介绍定风量空调系统的特点,结合定风量空调系统的工作原理,在建立被控房间和水阀的数学模型的基础上,将模糊控制和常规PID控制相结合,提出一种模糊PID控制方法并将其应用于定风量空调室温控制中.通过MATLAB进行系统仿真,得出系统的响应.     

水源热泵空调系统参数自整定模糊控制

目的研究一种水源热泵空调系统的智能控制方法,改善系统的控制效果．方法采用参数模糊自整定的控制策略,先对模糊控制器进行设计,再确定参数的原则,再将模糊控制和PID控制相结合,实现PID参数在线自动调整．结果参数自整定PID控制比普通PID控制超调量小5％-10％,调节时间缩短近50％．结论参数自整定模糊PID具有良好的动、静态性能,有效地提高了系统的控制效果,满足了系统的节能技术要求．     

建立变风量空调房间仿真模型的一种简便方法

变风量空调房间是一个复杂的热力系统,室内温度参数受多种因素的影响.通过分析变风量空调系统空调房间的特性,在定风量房间模型的基础上推导出变风量送风方式下空调房间的数学模型,并利用Matlab软件中的Simulink工具箱建立其仿真模型.通过与以前建立的仿真模型进行比较,证明本文所建模型的优越性.     

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.     

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。     

舒适性指标PMV在暖通空调控制中的应用

在分析了影响人体舒适性感觉诸因素的基础上,讨论了PMV(预测平均投票值--Predicted Mean Vote)指标的作用和运算方法.利用人工神经网络建立了PMV指标的预测模型,并将PMV指标用作空调系统的优化性能指标,研究了空调系统优化控制方案.优化指标取舒适性指标和耗能量之和,在模型不确定和环境、负荷参数不断变化的情况下既达到了节能的要求,又可以使空调区域内的温、湿度保持在舒适性范围内.研究表明将PMV指标用于空调系统的优化控制,具有良好的适用性.     

建筑机电设备的高精度节能控制及照明系统节能

提高现代建筑的机电设备与照明系统的节能效果,需要对“变风量空调系统较高精度的节能控制”和“照明系统的优化节能控制”进行具体的分析与讨论．使用节能的模型化定量控制方法．可较大幅度地提高楼宇自控系统中变风量空调机组的控制精度和节能水平;通过对照明系统进行优化的控制,可以实现照明系统的节能．