版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、智能建筑的快速發(fā)展對建筑設備監(jiān)控系統(BAS)的控制性能提出了越來越高的要求.HVAC系統是BAS的重要組成部分,目前國內集中供熱、供冷的中央空調系統的控制效果遠遠沒有達到最佳狀態(tài),普遍存在著控制精度差、閥門振蕩幅度大等缺點,使設備的能耗增大、使用壽命降低.HVAC系統是一個復雜的熱力非線性系統,具有輸入變量多、所受干擾大、對象的參數易于變化且難以確定的特點.我們曾經通過現代辨識技術獲取了空調子系統的數學模型,但在數據的預處理階段要去除
2、干擾變量引起的變化趨勢比較困難,且隨著被控對象條件變化,它的魯棒性可能減弱.神經網絡方法很容易解決多變量輸入的問題,因而可以方便地把影響過程的諸量作為神經網絡的輸入,從而簡化信號處理的工作.本文在簡要介紹了神經網絡系統辨識的基本原理的基礎上,分析了神經網絡在系統辨識中的應用,將一種基于RBF神經網絡的系統辨識方法用于HVAC空調子系統建模,通過正交最小二乘(OLS)法,確定空調子系統模型的參數,目的是得到較快的學習時間并避免陷入局部最小
3、.我們在前向通道引入了單神經元自適應PID控制機理,目的是為了構成控制回路.并用Matlab工具進行了空調子系統控制的仿真.根據系統的動態(tài)特性和行為,利用單神經元的有監(jiān)督學習規(guī)則,對PID控制器的參數進行了自適應調整,解決了控制系統的穩(wěn)定性問題,并獲得了良好的控制性能.論文中通過調試、實踐,討論了放大倍數K的確定對系統穩(wěn)定性的影響;討論了PID系數η<,p>、η<,I>、η<,D>的優(yōu)化和它們對于系統穩(wěn)定性的影響,并給出了仿真的結果.這
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 智能建筑HVAC空調與新風子系統的模型辨識.pdf
- 基于神經網絡的系統辨識與控制.pdf
- 基于神經網絡的空調系統節(jié)能控制研究.pdf
- 基于聯想記憶神經網絡的系統辨識與控制.pdf
- 基于粒子群優(yōu)化算法的神經網絡微波加熱系統辨識和控制.pdf
- 基于神經網絡模型辨識的水質預測模型研究.pdf
- 基于神經網絡的木材干燥模型辨識研究.pdf
- 基于神經網絡的磁軸承系統辨識和控制研究.pdf
- 基于神經網絡模型的鍋爐燃燒優(yōu)化控制研究.pdf
- 基于神經網絡的機器人模型辨識與控制研究.pdf
- 基于神經網絡的系統辨識與控制方法的研究.pdf
- 基于BIM模型及BP神經網絡的空調負荷預測.pdf
- 風洞測力模型的神經網絡辨識及振動主動控制研究.pdf
- 基于神經網絡的系統辨識方法研究.pdf
- 基于Elman神經網絡的換熱器系統動態(tài)辨識.pdf
- 基于神經網絡的VAV空調控制系統設計.pdf
- 基于人工神經網絡的空調系統控制策略研究.pdf
- 基于神經網絡的鍋爐控制系統優(yōu)化研究.pdf
- 基于神經網絡的非線性系統辨識與控制研究.pdf
- 基于神經網絡速度辨識直接轉矩控制系統的研究.pdf
評論
0/150
提交評論