基于神經網絡的HVAC空調子系統模型辨識及控制優(yōu)化.pdf

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