VAV空调系统RBF神经网络PID控制器的设计与实现

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况,将具有自学习、自适应功能的神经网络pid控制器应用于空调系统中,并利用非线性辩识算法对控制过程进行预测输出,最后在空调房间数学模型的基础上通过matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合,发现在高大空间恒温空调系统中神经网络pid控制响应快、超调小,验证了神经网络pid控制器的实用性和有效性.

针对空调房间这样一个多干扰、大惯性、高度非线性系统控制性能优化较困难,传统的控制策略不但在控制精度、灵敏度以及系统稳定性上存在缺馅,而且能耗大。为了提高空调制冷和供暖效果,提出一种新的基于bp神经网络的pid控制方案,通过bp算法修正bp网络自身权系数,实现了pid控制器参数的在线调整。仿真结果显示bp神经网络pid控制系统比单纯的bp神经网络或pid控制系统建模时间短,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。

针对bp神经网络学习过程收敛速度慢及易陷入局部极小值的缺陷,研究了levenberg-marquart算法(即lm算法).为解决lm算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时间和收敛精度的问题,采用lu分解法对lm算法进行改进和优化,并通过matlab语言编程实现,将得到的lmbp神经网络pid控制器应用于暖通空调冷冻水循环的控制回路中,将其控制效果与pid控制算法、bp神经网络pid控制算法进行仿真对比研究.研究结果表明,采用lmbp神经网络pid控制器在减少超调量、加快收敛速度、减少稳态误差等方面的性能都得到了明显的改善.

针对中央空调系统被控对象具有大滞后,慢时变,非线性特点及不确定干扰因素多的实际情况,将具有自学习、自适应功能的神经网络pid控制器应用于高精度空调系统中,通过matlab环境下的计算机仿真.证明了其在高精度空调控制中的实用性和有效性。

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的bp神经网络pid控制方法。应用bp神经网络进行pid参数在线整定,粒子群优化算法提高bp神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。

rbf神经网络是目前应用较多的一种神经网络。它能以任意精度逼近任意非线性函数,具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。因此,将rbf神经网络应用于家用空调匹配仿真研究时具有独特的优势。提出采用rbf神经网络估算制冷量和压力来优化研发过程,仿真结果表明,rbf神经网络运用于家用空调匹配仿真,能够精确仿真空调制冷量和低压力等参数,并预测制冷量和压力,能有效地减少家用空调匹配时间,提高研究效率。

针对温度控制的大惯性、大滞后、非线性特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明了系统设计的有效性。

目的研究变风量空调系统温度-风量pid控制器的整定方法,利用改进粒子群算法的特点设计一种稳定、高效的自适应控制器.方法以pso-cf(带收缩因子的pso)pid控制方法的整定结果作为参考,在pso-cf算法中用一个差分向量扰乱粒子的认知能力,再根据粒子群的演化规则自动完成最优控制.结果采用dpso-cf(扰乱认知能力的带收缩因子的粒子群)pid自适应控制器时,系统的调节时间约为pso-cf粒子群pid控制方法的30%,超调量减少了约75%.当系统加入扰动时,相比带收缩因子的pso,扰乱认知能力的带收缩因子的粒子群pid自适应控制器的调节时间少,超调量小,系统控制品质得到了较大的改善.结论改进的算法不仅具有良好的鲁棒性,而且还有良好的收敛性.采用上述自适应控制器后,整个系统体现了良好的动态性能及较强的鲁棒性.

基于改进的pso算法的pid控制在vav空调系统末端的应用——目的研究变风量空调系统温度一风量pid控制器的整定方法，利用改进粒子群算法的特点设计一种稳定、高效的自适应控制器

简要介绍了人工神经网络的结构及特点,并且详细论述了神经网络在中央空调水系统、风系统、制冷系统、负荷预测、系统的仿真设计和建筑运行能耗评价等方面的应用概况,指出了神经网络在空调领域今后的发展方向.

多区域vav空调系统及其局部ddc控制器的动态模拟——本文以多区域vav空调系统的控制分析为目的，建立了能够反映系统能量和室内热舒适性及空气质量的动态仿真程序。它可以模拟建筑物和vav空河系统及其局部控制器的实际工作状况。通过对实际系统的实验获取所需参数...

为了消除变风量空调系统各回路之间存在的耦合,以便对该系统进行有效控制,建立了变风量空调机组部分变频器风机静压回路和新风阀co2气体体积含量回路的动态模型,提出用pid(比例积分微分)神经网络解耦控制方法消除这2个回路之间的耦合.实际运行结果表明,pid神经网络解耦控制技术可以有效地对变风量空调系统中2个回路进行解耦控制.

本文以多区域ｖａｖ空调系统的控制分析为目的，建立了能够反映系统能量和室内热舒适性及空气质量的动态仿真程序，它可以模拟建筑物和ｖａｖ空调系统及其局部控制器的实际工作状况。通过对实际系统的实验获取所需参数，同时调整局部控制器的参数，保证系统的稳定控制。为实际的上位机或ｂｍｓ中央控制系统的优化控制方案的设计和应用提供便利的试验条件。

变风量空调系统的神经网络控制——首先阐述了变风量空调系统及其人工神经网络控制的策略，并从建立模型、样本训练和控制实现方面阐述了bp神经网络在变风量空调系统中的应用，对其不足和改进也做了简单说明

利用神经网络智能控制设计的具有自适应、自学习功能的单神经元控制器,克服了传统的pid调节器的参数在过程复杂且参数慢时变的空调系统应用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。

vav空调系统的末端控制方法研究与实现——以建筑的节能为出发点，通过实际的bacnet体系下空调系统及其末端与控制设备组成变风量系统，针对系统末段进行实验研究，其最终研究结果说明了该系统的可行性与优点．它对于bacnet体系下总线控制与变风量空调系统末端研...

以建筑的节能为出发点,通过实际的bacnet体系下空调系统及其末端与控制设备组成变风量系统,针对系统末段进行实验研究,其最终研究结果说明了该系统的可行性与优点.它对于bacnet体系下总线控制与变风量空调系统末端研究有着实际的参考意义.

用可逼近任意非线性函数的神经网络构造了辨识器和控制器，通过ｂｐ算法对神经网络进行学习训练，修正其权系数及阈值，使学习训练误差趋于零．将该方案应用于纺织厂羊绒生产车间的空调系统，并给出了仿真实验结果．

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。

基于rbf神经网络的软基沉降预测研究——将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压...