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.     

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.     

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。     

基于预测控制的变风量空调系统控制性能实验研究

基于变风量空调送风系统运行机理建立了预测控制模型,设计出变风量空调前馈反馈综合控制系统.实验研究表明,该控制系统对变风量空调送风系统的调节及时、准确,系统更加稳定、可靠.     

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.     

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.     

尾管静压法测风量研究

在多种规格风机尾管上的不同部位测试静压ΔP,同时改变风机风量。找出由于尾管端口作用对气流造成的影响系数θ以及θ与尾管直径、测压位置和流置的关系。用θ、尾管直径和ΔP值计算风量,这种办法灵敏度高,装置简单、使用方便且能量损失小。     

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。     

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。     

采用前馈神经网络控制的变速泵压力控制仿真研究

针对变速泵压力控制系统存在响应速度慢、输出误差大等问题,创建了液压缸变速泵压力驱动模型简图,推导了压力变化方程式。使用3层BP神经网络算法,设计出前馈神经网络控制方法。利用3层BP神经网络的逼近特性,使控制系统快速收敛到稳定状态。通过仿真验证变速泵压力控制输出效果,结果表明,采用前馈神经网络控制方法,系统达到稳定状态时,响应时间为0.2 s,超调量为5%,稳态误差较小,控制输出效果明显优于PID。     

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.     

基于改进的粒子群PID控制在变风量系统中的应用

目的研究变风量空调系统温度-风量PID控制器的整定方法,利用粒子群算法的特点设计一种较为高效、稳定的自适应控制器.方法以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,选取种群数量、维数、最大寻优速度、收缩因子等粒子群内部参量,根据粒子群的演化规则自动完成最优控制.结果采用引入收缩因子的粒子群PID自适应控制器时,系统的调节时间约为常规控制方法的50%,超调量减少了约75%.且动态过程快速而平稳;而当系统突加阶跃扰动时,粒子群PID自适应控制器的调节时间及超调量均约为常规控制方法的50%,系统控制品质得到了较大的改善.结论仿真结果表明,采用上述自适应控制器后,空调房间的温度调节过程加快,室内外干扰因素对房间温度的影响明显降低,整个系统体现了良好的动态性能及较强的鲁棒性.     

模糊变机构控制在蛇型弯管机中的应用

基于弯管工艺的要求,对控制系统采用速度与位置双重控制策略;针对电液伺服系统非线性、慢时变的特性,在常规的变结构控制中引入模糊控制,有效地削弱滑模切换控制所产生的抖振,而不牺牲滑模控制系统对参数变化和外干扰不确定的强鲁棒性,实现了系统快速、准确的定位要求.该控制策略在实践中取得了良好的控制效果.     

VAV空气处理机组故障检测与诊断方法及应用

针对变风量空气处理机组故障,考虑到变风量空调系统的动态性,给出了一种变风量空气处理机组故障检测与诊断方法.残差累积和(cumlative sum,CUSUM)控制图被用于检测空气处理机组故障,残差CUSUM控制图不仅可很好地适应变风量空调系统的动态性,还可消除数据自相关性对控制图性能的不利影响,有助于提高故障检测的准确性.根据质量守恒、能量守恒和控制原理,设计了3个基于规则的故障分类器,可用于寻找故障源.该故障检测与诊断方法在实际建筑中进行了在线应用,利用多种变风量空气处理机组故障验证了故障诊断方法的有效性和可靠性.     

中央空调冷冻水系统优化控制研究

在实际的空调运行中,由于诸多因素的变化,空调系统的大部分时间在非设计工况下运行,一般都是在部分负荷下工作,达不到最大负荷,存在较大的能源浪费．本文提出了一种迭代控制对二次泵频率进行控制,根据用户负荷需求进行压差设定值的优化设置,使系统中的冷冻水阀门的最大阀位接近全开的状态,为系统提供所需要的最小供水压差,实现水泵节能．