神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统,采用神经网络作为优化反馈控制器求解优化反馈解,并利用预测控制滚动优化能够克服干扰和不确定性影响的优势,采用基于Hamilton-Lagrange 方法和预测滚动优化算法训练多层前向神经网络,同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测,以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真,优化指标取舒适性指标和耗能量之和。仿真结果表明,采用此方法,在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。

基于人工神经网络的变风量空调控制系统

研究了变风量空调系统神经网络预测优化控制方法,优化指标考虑了舒适性和耗能量,舒适性指标取PMV指标,耗能量包括风机和冷水泵能耗。系统的控制量为送风风速和冷水流量,被控参数为空调区域的温湿度,采用预测滚动优化控制算法训练多层前向神经网络,然后将其作为优化反馈控制器来求解变风量暖通空调系统的优化解,并在运行中实时预测空调区域的负荷。仿真结果表明,采用此方法,在模型环境、负荷参数变化的情况下,既可以达到节能的要求,又可以使空调区域的温湿度保持在舒适范围内。