暖通空调控制系统设计研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇暖通空调控制系统设计研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要:对房间温度进行了合理的设定,然后建立合理的暖通空调控制器,使暖通空调控制系统能快速准确的调解房间温度到达设定的房间最佳温度值,并有效的抑制房间内部和外部的干扰对房间内温度的影响,同时节省暖通空调系统能量的消耗。本文主要阐述暖通空调的控制系统。

关键词:暖通空调 控制系统 设计

由于暖通空调具有时滞和大惯性,当前的控制信号要等到很长时间才能在系统的输出中反映,而广义预测控制可以利用现在时刻的控制变量使未来时刻系统的输出快速准确的跟踪期望的输出。同时暖通空调的工况环境不断变化且有干扰作用,用神经网络的强学习能力使暖通空调控制系统有效的抑制工况变化和干扰带来的对控制效果不利的影响。因此本文把广义预测控制和神经网络结合对暖通空调进行控制。

本文选取的基于RBF模糊神经网络暖通空调广义预测控制系统结构如图1所示:

图1暖通空调广义预测控制结构图

如前面所描述暖通空调系统具有非线性,时变性、大滞后和大惯性等特点,还受到许多的干扰。图中1所示干扰1为冷热水干扰,主要有盘管中冷/热水流量、压力变化,这些干扰折合成冷/热水温度变化就会对系统造成一定的影响。干扰2为外界干扰,主要有日照、室外气温、外部空气侵入以及新风温度变化和风机转速变化,这些干扰可以看成空调的送风风量变化。干扰3为房间内部干扰,主要有人员的频繁进出、房间内部各种耗能发热设备的使用。

1、暖通空调控制器在线滚动优化

暖通空调广义预测控制的在线滚动优化是利用模型辨识部分提供的预测输出信息,根据优化的目标函数及选定的优化方法进行在线的滚动优化,从而得到合理的控制规律,考虑在线优化的计算量,本文用RBF模糊神经网络完成广义预测控制的在线滚动优化。实现在线滚动优化的RBF模糊神经网络结构如图2所示:

模糊神经网络广义预测控制器由图2所示的网络实现,则模糊神经网络广义预测控制器的出,即暖通空调冷冻水调节法电压可表示为:选择合理的参数Nl、N2、Nu、 。设控制目标函数为:式中: 为房间期望温度。

按性能指标,利用优化方法获得未来控制长度内的冷冻水调节阀电压,并取其首分量作为当前时刻的冷冻水调节阀电压。考虑降低在线计算的复杂性,采用了较常用的梯度下降法作为主要的优化算法。优化过程的关键是计算性能指标对RBF模糊神经网络控制器参数的导数。

RBF模糊神经网络广义预测控制器参数修正如下:

其中:对于的求取是通过暖通空调的预测模型获得:

式(12)中的c、、w是实现暖通空调预测模型的RBF模糊神经网络的参数。

在每一个周期内,通过上述RBF模糊神经网和修正方法,利用暖通空调预测模型提供的信息来完成给定目标函数的优化,进而准确的提供冷冻水调节阀电压,从而实现广义预测控制的在线滚动优化来得到暖通空调的合理控制规律。

2、暖通空调预测模型

在线滚动优化部分的房间温度预测值yr和式(12)的求取是通过广义预测中的模型预测所提供。

假定暖通空调输入输出特性由一般形式的离散方程描述:

式中:u,y一分别是调节阀的电压和被调房间的输出温度,m,n―暖通空调输入和输出的阶次,d一暖通空调系统的延迟。

用预测模型通过递推算法对k+P时刻的系统输出进行估计,递推算法如下:

式中:yr为预测房间温度

暖通空调的RBF模糊神经网络动态模型,在暖通空调的广义预测控制中,建立的暖通空调动态模型,通过反复迭代来完成对k+p时刻的暖通空调系统输出的估计,可知通过暖通空调动态模型的迭代计算,可以在各种工况变化和干扰作用下,为暖通空调广义预测控制系统提供准确的未来房间预测温度。

3、暖通空调广义预测控制反馈校正

预测控制算法在进行滚动优化时,优化的基点应与系统实际一致。但本文中,由于暖通空调系统受诸多干扰的影响,有可能导致辨识模型的失配。既基于不变RBF模糊神经网模型的预测不可能和实际空气处理单元完全相符。这就需要用附加的预测手段补充模型预测的不足,或者对基础模型进行在线修正。况且滚动优只有建立在反馈校正的基础上,才能体现出其优越性。本文选取的是根据目标函数对暖通空调预测模型进行参数修正。

对RBF模糊神经网络各隐单元的“中心”和“宽度”和隐层到输出层的权值采用梯度下降法进行调整;

设其中,yr为暖通空调预测模型输出,y为房间温度,Ep为平方误差函数。那么,学习过程中对实现暖通空调模型预测的RBF模糊神经网络的cij, ,wj的调整一下公式来进行:

在控制的每一步,都实时检测被控对象的实际输出与RBF模糊神经网络预测器输出之间的误差,若此误差大于预先设定的允许误差,则利用上述修正方法修正暖通空调预测模型的RBF模糊神经网络参数;否则,维持原有的RBF模糊神经网络预测模型。

(4)由上面对基于RBF模糊神经网预测控制的分析,我们可以将模糊神经网络广义预测对空气处理单元的控制算法归纳为以下的步骤:

1)通过暖通空调冷冻水调节阀电压和被调房间温度数据完成预测功能的模糊RBF神经网络的初始参数设置,同时初步建立在线优化控制器RBF模糊神经网的结构;

2)设置被调房间温度期望轨迹少(k)和被调房间实际温度y(k),然后计算温度误差e(k)、误差变化ec(k);

3)根据式(5.2)计算模糊神经网络广义预测控制器的输出,该输出同时送被控对象及模糊RBF神经网络预测器;

4)利用实现式(13)离散方程的RBF模糊辨识网络计算系统的预测输出,以式 (14)为目标函数,并采用式(15-20)修正模糊RBF神经网络预测器的参数;

5)由式(5.2)计u(k+N),以式(3)为目标函数,并按式(4-12)修改模糊神经网络广义预测在线优化控制器的参数;

6)返回计算步骤2)。

参考文献:

[1]王守唐,高东杰.基于T-S模糊模型的辩识算法[J].控制与决策,2007,9.

[2]魏东,潘兴华,张明廉.舒适性指标PMV在暖通空调控制中的作用[J].北京建筑工程学院学报.2004,3.