付龙海[1]2003年在《变风量（VAV）空调系统机组部分基于PID神经网络的解耦控制》文中认为随着人民生活水平不断提高和科技的不断发展，空调系统已成为人们生活中不可缺少的一部分。但是，随着空调系统的大量使用，其能量消耗问题也日益突出。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量强耦合、非线性、时变的特点，其设计、运行和管理都比定风量(constant air volume，CAV)系统难度大，故保证变风量(VAV)空调系统的稳定运行是当前研究的主要方向。 本文针对变风量(VAV)空调系统的机组部分存在耦合，难于稳定运行的情况，提出了基于PID神经网络的解耦控制方案。本文首先简要介绍变风量(VAV)空调系统的基本组成；其次介绍了BP网络的基本原理和网络训练学习算法，并运用神经网络建模的方法，采用串并联辨识结构，得到了变风量(VAV)空调系统机组侧(2输入2输出)的动态正向模型；然后对变量之间存在耦合的机组部分提出了基于PID神经网络解耦控制策略；并结合辨识得到的机组部分的正向模型，离线训练得到了PID神经网络的权值，并用仿真验证了可行性；最后利用基于LonWorks网络的软硬件平台，用Visual Basic编写了解耦控制算法，实验验证了PID神经网络解耦控制方案在变风量(VAV)空调系统中实际运行的可行性，实验结果令人满意。
楚文军[2]2008年在《智能控制在变风量空调系统控制中的应用研究》文中认为变风量空调系统是节能性卓越、舒适性良好的全空气空调系统。其运行过程需要有适当的控制手段,以保证系统的节能效果和运行的稳定性。但针对这样复杂难控的对象,经典控制和现代控制都难以充分满足要求,所以需要借助于智能控制来全面实现。将模糊控制、神经网络控制等智能控制技术引入变风量系统控制领域,就是一项很有价值的任务。本文不仅对其末端装置的模糊控制设计予以研究;而且探讨了采用PID神经网络解耦控制技术来消除系统机组侧2个控制回路(静压控制和新风控制)之间的耦合性。完成的主要工作如下:1.在阐述变风量空调及其常规控制系统的基础上,分析了VAV系统的特性,指出智能控制是解决控制难题的有效途径。2.针对变风量末端装置,应用模糊控制理论为其设计了二维模糊控制器,以完成室温控制任务。再利用Matlab进行仿真分析,结果表明:无论有无干扰,室温都能控制在设定温度值附近,其波动幅度也在允许范围内;3、针对VAV系统的机组侧两个耦合作用强烈的控制回路,将PID神经网络解耦控制方法用来消除两者的耦合性。通过Matlab仿真来研究其效果,初步证明该技术能有效消除这两个回路间的强耦合性,保证系统稳定运行。4、根据个人的认识和有关资料,构建了一个VAV空调系统智能控制的实验平台,以满足其研究需求。
苏蕊[3]2014年在《智能楼宇VAV变风量空调系统控制》文中认为近年来,我国的智能建筑发展迅猛,但随之而带来的巨大能源消耗问题已经开始引发关注。空调系统作为智能建筑的重要组成部分,也是其能耗的重要来源之一。在全球环境污染和能源危机的环境下,如何实现空调的节能,降低污染,已成为急待研究的课题。因此在要求开源节流的今天,提高设备及系统效能是最易实现的方式。而VAV(Variable Air Volume,变风量)空调系统正以其舒适、节能和极大的灵活性开始被广泛的应用于空调系统内,并逐步成为空调系统的主流。但VAV空调系统在我国的使用并未能达到预期效果,除了一部分工程方面以及使用者的背景和习惯有关外,由于VAV系统本身的强耦合性、多变量及非线性特征,容易造成系统运行的不稳定,在控制及管理上具有一定的难度,而被劣质了的控制效果,对整个系统的普及和应用造成了一定的影响。变风量空调系统属于全空气空调系统,具有节能和舒适的特点,但依旧需要合理有效的控制方法来保证其节能效果及运行的稳定。但由于其功能复杂,传统的控制方法和现代控制法都很难满足要求,这就需要借助现代的智能控制来实现系统最优化的运行。因此,引入先进的神经网络智能控制技术的课题就变得尤为重要而且更具有研究的价值。本文从工程实例的VAV项目展开研究,通过收集调试参数,针对现阶段的工程变风量系统的运行不稳定,VAV系统的多变耦合特性展开相关的研究,继而得出基于神经网络解耦的VAV系统控制方案。在解耦基础上更深层次地完成了神经元自适应PID控制器设计。同时,运用传统PID控制算法参数确定控制器权值的最初值。并通过MATLAB平台实施空调系统末端控制仿真研究。证实了该控制法有着显着的优越性,能满足节能和舒适度要求,具有良好控制效果。最后,从一个工程实例出发,介绍了一个厂商的VAV末端控制系统,并对实现方式进行探讨。
胡钦华[4]2003年在《变风量（VAV）空调系统机组部分基于神经网络α阶逆系统的解耦控制》文中研究说明从节能和提高室内环境质量角度来看，暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点，其设计、运行和管理都比定风量(constant air volume，CAV)系统难度大，国内尤其关注系统的稳定运行问题。 本文针对变风量(VAV)空调系统的机组部分存在耦合，难于稳定运行的情况，在分析比较多种多变量解耦控制方案的基础上，提出了神经网络(Neural Network，NN)α阶逆系统解耦控制的方案。论文首先介绍了用于解耦控制的即网络的基本原理和网络训练学习算法，运用神经网络建模的方法，采用串—并联辨识结构，得到了变风量(VAV)空调系统机组侧变频风机—管道静压和新风阀—室内CO_2浓度两个回路构成的子系统的二输入二输出正向动态神经网络模型；然后离线训练得到了机组部分的逆动力学神经网络模型，并结合辨识得到的正向模型，仿真验证了逆系统开环解耦的可行性；利用Johnson Controls自控公司提供的硬软件平台，用VB—DDE—METASYS模式编写了实现解耦控制算法的软件，用实验验证了基于逆模型和受控过程构成的伪线性复合对象并采用NN控制器的神经网络α阶逆系统解耦控制方案在变风量(VAV)空调系统中实际运用的可行性。实验结果令人满意，为今后在工程实践中的应用奠定了基础。
董阿妮[5]2004年在《变风量空调系统自适应神经元解耦控制与变静压协调控制》文中进行了进一步梳理从节能和提高室内环境质量的角度来看，暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点，因此它的设计、运行和管理都比定风量(constant air volume，CAV)系统难度大。这也是限制VAV系统更广泛应用的一个重要原因。 本论文针对变风量(VAV)空调系统正常运行的必要条件—稳定性问题进行研究，把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分，并通过实验测试的方法建立了机组部分和末端部分被控对象模型；具体分析了机组部分和末端部分的控制回路之间的耦合关系；论文中应用了单神经元自适应PID控制器的概念，并结合神经元自适应解耦控制的策略，对变风量空调系统的机组部分进行了解耦与控制；利用目前智能建筑楼宇自控系统分布式的特点，对整个变风量空调系统实行基于变静压的协调控制，使机组部分和末端部分成为一个有机的整体。论文还从Matlab仿真和实验系统测试两个方面对解耦及协调控制策略进行了验证。仿真和实验的结果令人满意，证明了这种解耦及协调控制策略的有效性。同时，论文还给出了以Visual Basic工具开发的解耦及协调控制系统应用软件。该软件操作界面良好，通过VB-DDE-METASYS的模式与Metasys系统软件实现了数据交换。
许静[6]2003年在《变风量空调系统末端部分基于自适应线性神经元的前馈解耦控制》文中认为从节能和提高室内环境质量的角度来看，暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点，因此它的设计、运行和管理都比定风量(constant air volume，CAV)系统难度大。这也是限制VAV系统更广泛应用的一个重要原因。本论文以变风量空调系统的末端作为研究对象，具体分析了末端部分的控制回路之间的耦合关系；并通过实验测试的方法建立了末端部分被控对象模型。文中应用了自适应线性神经元多变量系统控制的概念，并结合前馈解耦控制的策略，针对变风量空调系统的末端部分提出了自适应线性神经元网络前馈补偿解耦的控制方案。论文中对自适应线性神经元网络前馈补偿解耦的控制方法，从Matlab仿真和实验系统测试两个方面进行了论证。仿真和实验的结果令人满意，证明了它是一种行之有效的解耦控制方法。同时，论文还给出了以Visual Basic工具开发的解耦控制系统应用软件。该软件操作界面良好，通过VB—DDE—METASYS的模式与Metasys系统软件实现了数据交换。
朱琰[7]2014年在《基于虚拟仪器和MATLAB的空调系统设计与研究》文中认为目前,变风量空调系统由于其节能性、舒适性而逐渐成为了空调系统的主流。但是,变风量空调系统具有多变量、强耦合、时变、非线性的特点,因此它的运行和控制都会比定风量空调系统难度大。这就限制了变风量空调系统的更广泛的应用。本论文主要是围绕着变风量空调系统能够稳定运行而进行的研究。首先从变风量空调系统目前常用的控制方式和原理出发,分析了变风量空调系统的控制难点以及各控制回路之间的耦合特性。然后将变风量空调系统分为机组部分和末端部分,对其进行机理分析,并且通过实验测试法得到了机组和末端部分的数学模型和参数。本文在传统的多变量系统解耦方法的基础上提出了基于神经网络的多变量解耦控制策略,并且设计了BP神经网络解耦器的结构和神经元自适应PID控制器,通过传统PID控制算法的参数确定了控制器权值的初始值。最后,通过MATLAB仿真实验证明,所提出的控制方案可以很好地完成系统的解耦和控制任务,并且可以在控制过程中通过学习完善控制规律,具有很好的解耦性和鲁棒性。还研究了LABVIEW与MATLAB的混合编程的实现,利用LABVIEW软件完成了界面设计,可以给人们一个更直观的效果。通过对变风量空调系统的一系列的研究,使其能够稳定运行,达到节能和提高室内舒适度的目的,此对智能建筑的能量管理控制具有重要意义。
李小宇[8]2011年在《基于神经网络的VAV空调控制系统设计》文中研究说明由于能源危机和大量燃料燃烧过程对大气的污染,在空调方面如何节约能源,减少污染,日益引起世界各国的重视。面对目前提倡的开源节流问题,在没有开发出新的能源的前提下,还是以提高设备和系统的效能采用系统最优化运行的办法为主。因此,VAV(Variable Air Volume,变风量)空调系统就是以舒适性、节能性、灵活性而优于其它空调系统,逐渐成为空调系统的主流。但是,VAV(变风量)空调系统在国内的实际使用情况并不如预期得效果好,除了工程实施中的各方面原因,还有使用者的因素。另外,VAV系统具有多变量、强耦合、非线性、时变的特点,因此它的控制、运行和管理都比CAV(Constant Air Volume,定风量)系统难度大。本文以工程实例中的VAV项目为研究对象,采集了实际调试参数;针对目前工程中普遍存在的变风量系统难以稳定运行的现状,对VAV系统的耦合特性进行深入研究,并提出了基于神经网络解耦的VAV系统控制策略。本文首先从目前VAV空调系统常用的控制方式及原理出发,在了解其组成的基础上探讨了不同的VAV系统分类。对VAV空调系统有详尽的了解后,通过大量查阅资料及结合学习过的理论知识,决定针对VAV系统稳定性进行研究,它是VAV系统正常运行的必要条件。随后,根据VAV系统的机理特征,并采用非参数模型辨识方法确定末端部分的数学模型及参数。本文在传统多变量系统解耦方法的基础上提出了基于神经网络的多变量解耦控制策略,在解耦基础上进一步完成了神经元自适应PID控制器的设计,并利用传统PID控制算法的参数来确定控制器权值的初始值。最后,本文从工程实际出发,介绍了各类厂商的VAV末端控制系统,并根据工程实际提出了先采用某种DDC (Direct Digital Control,直接数字控制器)兼容的编程语言实现算法,然后编译封装成模块,并把神经网络的各个重要参数作为接口传送的方式,当然还需要和厂商继续探讨是否是一种切实可行具有未来市场的方式。
程加堂[9]2007年在《基于单神经元自适应PID控制在VAV机组部分的应用研究》文中研究表明变风量(VAV)空调系统具有多变量、强耦合、非线性、时变等特点。其控制系统的多个回路同时工作时,各个回路之间具有强烈的耦合作用,相互影响,相互干扰。因此它的设计、运行和管理都比定风量(CAV)系统难度大。这也是限制变风量空调系统广泛应用的一个重要原因。本文针对变风量空调系统存在耦合,难以稳定运行的情况,把空调系统分解为机组部分和末端部分来考虑,对机组部分提出了基于单神经元自适应PID控制方案。本文首先简单介绍变风量空调系统的基本组成及其控制回路;其次介绍了线性回归和最小二乘法原理,用最小二乘法建立机组部分的二输入二输出的动态模型,并对数学模型进行验证;然后应用单神经元自适应PID控制器的概念,结合神经元自适应控制的策略,对变风量空调系统机组部分进行控制;最后应用Matlab软件对控制策略进行仿真,仿真结果令人比较满意,证明了这种控制策略的可行性。
张义[10]2010年在《变风量空调系统控制的优化》文中提出变风量空调系统具有非线性、多变量、强耦合及时变等特点,所以变风量空调控制系统的设计和运行的难度比定风量空调系统要大。变风量空调系统凭借节能、舒适的优势越来越成为市场的主流。鉴于这种形势,有关变风量空调系统的研究也越来越得到人们的重视,目前,变风量空调系统的研究主要集中在稳定运行和节能研究两个方面。本文以变风量空调系统工程设计实例为基础,分析变风量空调系统控制所涉及到的内容以及控制理论在实际工程应用中所面临的问题,从两方面提出对变风量空调系统的控制进行优化。对于室内温度的控制,由于空调房间是一个多干扰、大惯性、高度非线性的系统,传统的PID控制不但在控制精度、灵敏度以及系统稳定性上存在不足,而且能耗比较大。本文提出基于BP神经网络自校正PID的控制方案,BP神经网络通过在线自学习,不断的整定PID参数,使其达到某种程度的最优,更有效的对室内温度进行控制。通过对空调房间的建模以及MATLAB仿真结果来看,BP神经网络PID控制比单纯的BP神经网络控制或PID控制系统更稳定,超调量更小,更适合应用于复杂的空调系统控制中。对于变风量空调空气处理机组,由于其包含的控制子系统较多,而且各个子系统之间或多或少存在耦合作用,严重时可能会导致整个控制系统不能稳定的运行。本文针对空气处理机组的送风温度与送风管道静压两个耦合被控对象提出了基于前馈补偿方法的解耦控制方案,并对两个耦合子系统进行了建模和MATLAB仿真研究,仿真结果令人满意,验证了文中提出的解耦控制策略的可行性和有效性,为变风量空调系统的整体稳定运行和今后在工程实践中的应用奠定了理论基础。
参考文献：
[1]. 变风量（VAV）空调系统机组部分基于PID神经网络的解耦控制[D]. 付龙海. 西安建筑科技大学. 2003
[2]. 智能控制在变风量空调系统控制中的应用研究[D]. 楚文军. 北京化工大学. 2008
[3]. 智能楼宇VAV变风量空调系统控制[D]. 苏蕊. 天津大学. 2014
[4]. 变风量（VAV）空调系统机组部分基于神经网络α阶逆系统的解耦控制[D]. 胡钦华. 西安建筑科技大学. 2003
[5]. 变风量空调系统自适应神经元解耦控制与变静压协调控制[D]. 董阿妮. 西安建筑科技大学. 2004
[6]. 变风量空调系统末端部分基于自适应线性神经元的前馈解耦控制[D]. 许静. 西安建筑科技大学. 2003
[7]. 基于虚拟仪器和MATLAB的空调系统设计与研究[D]. 朱琰. 东华大学. 2014
[8]. 基于神经网络的VAV空调控制系统设计[D]. 李小宇. 上海交通大学. 2011
[9]. 基于单神经元自适应PID控制在VAV机组部分的应用研究[D]. 程加堂. 昆明理工大学. 2007
[10]. 变风量空调系统控制的优化[D]. 张义. 重庆大学. 2010
标签：自动化技术论文; 神经网络模型论文; 变风量系统论文; 仿真软件论文; 线性系统论文; 自适应论文; 非线性论文; pid控制器论文;