数据驱动的蒸发器在线建模方法

针对蒸发器离线建模方法对变量运行工况范围要求较大的问题，利用K-means算法对辨识模型的观测数据进行聚类筛选处理，提出一种基于数据的蒸发器在线建模方法。首先利用DB准则和PSO算法提出K-means算法中最优分类数K*和最优初始聚类中心的确定方法，提高算法的收敛速度，并使用改进的K-means算法获得各簇聚类中心来代替辨识模型的观测数据，减少模型辨识的数据量。然后利用已有的蒸发器模型结构以及模型辨识方法，对模型进行辨识。实验结果表明：利用聚类筛选前、后的观测数据所辨识的模型精度基本相当，分别在±3%和±3.5%以内。最后利用在线观测数据到各聚类中心欧氏距离的分析判断，提出蒸发器的在线建模方法。该方法可以先采用小工况范围的少量离线数据辨识模型，再利用在线数据修正模型参数，扩大模型的适用范围。     

基于Smith的模糊PID控制器对热泵系统过热度的控制

蒸发器过热度系统存在大惯性、纯滞后,与制冷循环其他控制回路相互耦合等特点,简单的PID算法并不适合过热度的控制。探讨将模糊智能算法应用于蒸发器过热度的控制中,将模糊控制器与传统PID控制器以并联方式结合,按照一定方法相互配合,实现两个控制器之间的平滑切换;并引入Smith预估补偿机制,消除时滞环节对控制精度的影响,共同对过热度进行控制。通过Simulink仿真对比传统PID和模糊PID控制,其有响应迅速,超调小等明显优势。