浅谈变风量空调系统设计中的几种智能控制

开篇：润墨网以专业的文秘视角，为您筛选了一篇浅谈变风量空调系统设计中的几种智能控制范文，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：针对变风量空调系统的特点，提出了空调系统中引入智能控制的必要性，同时分析了几种智能控制方法在变风量空调系统中的应用特点。

关键词：变风量空调系统 智能控制

变风量空调系统亦称为VAV系统，它是通过改变送风量，从而与空调区负荷的变化相适应。其工作原理是当空调区负荷变化时，系统末端装置自动调节送入房间的送风量，确保室内温度保持在设计范围内，从而使得空气处理机组在低负荷时的送风量下降，空气处理机组的送风机转速也随之降低，达到节能的目的。空调系统是一个多输入多输出、非线性，不确定的系统，很难找到一个精确的数学模型。为了使变风量空调系统能够在随机复杂的自然环境中以最优、最节能状态运行，这就对变风量空调系统中的控制环节提出了较高要求。

一、模糊控制

模糊控制是以模糊集理论为基础的一种新兴控制手段，它是一种非线性控制，利用模糊集理论设计的，无需知道被控对象精确的数学模型。

变风量空调系统由冷热水机组、空气处理机组、风阀及风管、送（回）风机以及空调房间构成。

控制系统一般可以分为五部分：室内温度控制；室内正压控制；送风静压控制；送风温度控制；新风量控制。

这五部分相互独立又相互间有很强的耦合性。当某个房间的温度下降，该房间的末端装置的风阀就会关小，从而导致总风管内的送风静压升高，其他房间的送风量增加。此时这些房间末端装置的风阀就会关小以恒定各自的送风量。这又导致系统静压进一步升高。当静压达到一定程度时静压控制器就降低送风机的转速以减小风量，回风机风量也随之减小。系统静压又回到原来的水平，这样各末端装置的风阀又开始开大。由于系统的压力变化必将影响到新风量的变化，从而导致送风温度的变化。这时，系统处在一种频繁的调节当中。送进室内的风量也是忽大忽小。因此变风量系统对控制的要求比定风量系统要高，要建立一个合适那些工程控制的数学模型比较困难。目前VAV空调系统的控制方式基本上采用的是传统PID算法的DDC控制。然而，VAV空调系统是一个干扰大、高度非线性和不确定性的系统，这就使得依赖于精确模型基础的传统PID控制算法控制效果不够理想。近些年来，研究者提出了不同的控制策略和方法，较为常用的为PID控制和模糊控制组合成的控制器，组合方式分为如下两种。一种是串联结构。它利用模糊规则和模糊推理在线调整PID控制参数。此类控制器利用模糊逻辑推理得到修正量。此类控制器的空调系统的仿真结果表明，系统超调量比常规PID的大大减小，调节时间也缩短。另一种为并联结构。当偏差较小时，利用PID控制器；当偏差较大时，利用模糊控制器。这使系统具有较好的静态特性和动态特性。

二、神经元网络控制

神经网络是一个高度非线性动力系统，具有并行分布处理能力、高度鲁棒性和容错能力、分布存储及学习能力。其模型是以神经元的数学模型为基础来描述的。利用神经网络设计的具有自适应、自学习功能的单神经元控制器能够克服传统的PID调节器的参数在过程复杂且参数易变的空调系统中不容易实时在线调整的缺点，对提高空调系统的控制效果和鲁棒性有积极的意义。但是应用神经网络控制时需要大量的数据，数据的不足及其他客观原因的影响，实际的神经网络的学习速度较慢且系统的稳定性及学习算法也有待改进。

模糊控制善于直接表示知识，只接收结构化的语言规则信息。神经网络控制则学习数据隐含的知识，只接收数据样本信息。两者的结合取长补短，扩展了数据处理能力，既可处理结构化的语言规则信息，还能处理数据样本信息，便于更好地提高控制系统的智能性。在空调系统中输入输出变量多，这对神经网络的算法和总体结构影响不大。模糊控制结合神经网络控制能更好地解决非线性及耦合性问题，提高系统的动态性能。

三、小结

随着人们节能意识的增强和建筑节能工作力度的加大，对建筑对具有高能耗的空调系统节能控制提出了更高的要求。智能控制在中央空调系统的控制中表现出了很好的节能效果，具有广阔的发展前景，但是各种控制策略、控制算法都各有自己的优缺点。设计人员应该根据实际情况做出合理的选择，从而使中央空调系统既能满足人们的舒适性要求，也能够达到节能要求。

参考文献：

[1]黄翔等.空调工程[M].北京：机械工业出版社，2008.

[2]赵维.楼宇变风量空调系统的自适应模糊PID控制研究[J].重庆交通大学，2010.

[3]曹艳鹏，冀兆良.几种控制方式在空调系统运行节能中的应用[J].制冷 2010（29）.

[4]王金选.智能控制技术在智能建筑中的应用[D]. 华侨大学，2004.

[5]胡玉玲.变风量空调系统末端的模糊神经网络控研究[J].北京建筑工程学院学报，2007（23）.

（作者单位：秦皇岛技师学院）