基于PID神经网络解耦控制的变风量空调系统

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.

变风量空调系统末端的变论域模糊PID控制

针对目前传统PID控制对模型依赖性强,参数难以在线调整,对不确定性强的变风量(VAV)空调系统的控制快速性和准确性差的特点,提出一种变论域模糊PID控制,以提高系统的控制速度和精度,使系统具有良好的动、静态性能。在推导的变风量空调房间和末端装置数学模型的基础上进行了仿真研究。结果表明,控制系统具有很好的鲁棒性和自适应能力,可以明显提高系统的响应速率,控制器的动态结构更适用于变风量空调系统。

基于粒子群算法的PID控制在变风量空调系统中的应用

本文通过采用引入收缩因子的粒子群算法设计一种稳定、高效的自适应控制器。以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,根据粒子群的演化规则自动完成最优控制。通过仿真结果表明,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LonWorks现场总线技术的变风量空调系统温度PID控制

采用LonWorks现场总线技术和PID控制算法,对变风量空调系统的送风温度和回风温度进行了控制方法的研究。以某一空调房间为控制区域,运用该方法进行了实时控制,测量了送风温度和回风温度随时间变化的趋势曲线。试验结果表明,该方法可行有效,控制效果良好。

变风量空调系统的模糊PID控制策略仿真研究

针对变风量空调控制系统的时滞性、高度非线性、难于精确建立数学模型的特点和常规控制方法很难对其进行有效控制的问题,文章采用将模糊控制理论和经典的PID控制相结合的控制方案,对VAV空调系统的末端风阀开度进行控制,并在设定的温度条件和一定的扰动工况下利用MATLAB的simulink模块对PID控制、模糊控制、模糊PID控制3种控制策略进行了仿真实验。仿真结果证明,模糊PID控制具有响应时间快,控制精度高,很强的抗干扰能力。因此,模糊PID控制策略在VAV空调系统中的应用是可行的。

基于智能控制的变风量空调控制系统仿真及分析研究

为解决变风量空调系统由于其大时滞、非线性、时变的特点而导致系统控制不佳的问题,根据变风量空调系统的末端特性,结合比例、积分、微分控制(PID)、模糊控制和神经网络控制对PID参数进行优化调整,提高了空调系统的控制性能。利用Matlab/Simulink进行系统模拟仿真,将PID控制、模糊PID控制和模糊神经网络PID控制进行对比分析。结果表明,模糊PID控制相较于PID控制其超调量减少了8%,调节时间快600 s,达到稳定温度的时间缩短了100 s;加入神经网络的模糊PID控制相较于传统模糊PID控制,在控制回路中效果具有较大的提升,系统产生的最大动态偏差为0,调节时间快200 s,震荡次数为0;当系统变化后,模糊神经网络PID控制曲线保持不变,能够快速达到收敛状态,表现出更强的鲁棒性。

基于LonWorks的变风量空调系统温度串级控制与PID控制的比较

针对变风量空调系统,采用LonWorks现场总线技术,分别运用PID控制方法和串级控制方法对变风量空调系统的送风温度和回风温度进行了控制,以某一空调房间温度控制为例,通过实验对两种方法进行了对比,结果表明串级控制能够取得更好的控制效果。

基于PID控制技术的变风量空调系统多变量解耦回路控制

变风量空调系统包含多个控制回路,各组控制回路在运作时会产生强烈耦合效果,为保证系统稳定需要解耦控制回路,研究基于PID控制技术的变风量空调系统多变量解耦回路控制方法。基于PID控制技术建立回路增益相对矩阵,根据相对矩阵对角理论推导空调多变量解耦方式,根据误差校正规则设置补偿信号控制系统解耦回路,完成解耦回路控制方法设计。实验以变风量空调系统为测试对象,运用所提方法和传统方法,对多变量回路进行解耦控制。设定变风量空调系统中包含五组控制回路,分别为2组房间室温和管道静压,以及二氧化碳浓度和送风温度,当送风温度设定值为11℃、18℃以及14℃时,二氧化碳浓度设定值为400×10^(-6)、700×10^(-6)以及1000×10^(-6)时,在所提方法下进行解耦控制,不会受到其他回路的影响,能够具备较好跟随性,减少其他控制回路的干扰和影响。

基于嵌入式的客房变风量空调系统智能控制器设计

介绍一种基于嵌入式处理器S3C2440A的变风量(VAV)空调系统智能控制器的设计方法。VAV空调系统室温实时控制采用模糊PID控制算法,利用嵌入式技术搭建Web服务器,实现空调系统的远程监控。软件设计上,运行Linux操作系统,移植图形用户界面开发环境Qtopia和Qt/E,采用多进程和多线程编写程序。经过测试表明,整个控制系统性能良好。

变风量空调模糊PID控制系统的仿真研究

针对变风量空调控制系统采用常规PID控制该系统难以达到其节能和舒适的作用。拟采用将模糊控制与PID控制两种控制方法相结合用于该控制系统中,并进行动态仿真,结果表明模糊PID控制比单纯的PID控制具有更快的动态响应、更小的超调,具有较强的鲁棒性,其节能和舒适效果明显。

变风量空调模糊PID控制系统的设计

针对变风量空调控制系统采用常规PID控制该系统难以达到其节能和舒适的作用。拟采用将模糊控制与PID控制两种控制方法相结合用于该控制系统中,并对其模糊PID控制系统进行设计研究,希望同行提出宝贵意见。

基于改进单神经元PID算法的变风量空调系统三参数前馈解耦控制

针对变风量空调系统(Variable Air Volume Air Conditioning System,VAVACS)的多参数、非线性且其主要控制回路之间存在强耦合的特性,提出了一种改进单神经元PID算法的前馈补偿解耦控制策略的设计思路。首先,对于3个主要控制回路:冷(热)水流量QCW/HW-送风温度TSA、送风机转速n1-送风静压PSA和室内送风量QSA-空调房间温度或室温Tn,采用前馈补偿方法构建了解耦补偿器的传递函数矩阵,以消除它们之间的耦合效应。其次,设计了改进的单神经元PID算法(Modified Single Neuron PID Algorithm,MSNPIDA)。该MSNPIDA分别依据送风温度TSA、送风静压PSA和室温Tn的误差及误差变化率对相应的3个单神经元PID控制器参数的权值与增益系数进行自适应整定,获取相应的最佳值。最后,借助MATLAB工具,对基于MSNPIDA的VAVACS三参数前馈解耦单神经元PID控制系统进行编程和组态,且仿真运行。结果表明:基于MSNPIDA的VAVACS三参数前馈解耦单神经元PID控制系统在理论上是可行的,且相应的送风温度TSA、送风静压PSA和室温Tn的控制指标能够满足空调工艺的相关要求。

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。

变风量空调系统的优化控制研究

在变风量空调系统中,为了减少系统能耗并对静压控制回路进行稳定而有效的控制,提出了一种静压优化控制方法,根据各末端风阀开度的变化确定空调系统所需的最小静压设定值,采用粒子群算法优化神经网络,调整PID控制器的3个参数,通过PID控制器调节变频风机的频率,把实际静压控制在设定值附近。通过仿真和实验对该控制方法的有效性和优越性进行了验证。结果表明,采用该方法在满足空调系统负荷需求的前提下能使末端阀门处于较大的开度,降低了风机的运行频率,改进了控制质量,提高了控制精度,不仅能够有效节能,还具有较强的鲁棒性。

基于模糊免疫算法的变风量空调系统PID控制

由于变风量空调系统具有惯性大、时间滞后等特点,单独采用常规PID控制往往效果欠佳。本文借鉴生物免疫反馈机理和模糊控制理论,设计了模糊免疫PID控制器,将模糊免疫算法应用于室内温度控制环节,并运用模糊免疫PID控制技术对温室进行仿真试验。试验结果表明,控制环节的精度、鲁棒性、超调量及调整时间都得到较大改善。

基于改进的粒子群PID控制在变风量系统中的应用

目的研究变风量空调系统温度-风量PID控制器的整定方法,利用粒子群算法的特点设计一种较为高效、稳定的自适应控制器.方法以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,选取种群数量、维数、最大寻优速度、收缩因子等粒子群内部参量,根据粒子群的演化规则自动完成最优控制.结果采用引入收缩因子的粒子群PID自适应控制器时,系统的调节时间约为常规控制方法的50%,超调量减少了约75%.且动态过程快速而平稳;而当系统突加阶跃扰动时,粒子群PID自适应控制器的调节时间及超调量均约为常规控制方法的50%,系统控制品质得到了较大的改善.结论仿真结果表明,采用上述自适应控制器后,空调房间的温度调节过程加快,室内外干扰因素对房间温度的影响明显降低,整个系统体现了良好的动态性能及较强的鲁棒性.

变风量空调静压的鲁棒PID控制

稳定性是工程控制中的重要因素。由于被控对象具有非线性、不确定性等特点,常规的PID控制难以满足控制要求,造成控制过程的不稳定。针对这种情况,对一类具有不确定项的控制对象,根据传递函数中参数变化的范围,提出利用多胞体模型进行基于线性矩阵不等式的鲁棒PID设计思想,并采用协方差约束方法对离散PID参数进行优化。对控制对象模型建立,鲁棒理论分析和算法步骤进行详细描述,给出变风量空调系统中空气处理机组风机控制的应用实例。在系统仿真的时域性能和鲁棒性分析基础上,通过实测数据进行验证。结果表明采用鲁棒控制算法得到的PID控制器克服了模型不确定性的影响,具有良好的动态和静态指标,实现了变风量空调系统中风管静压的稳定控制。

蚁群优化控制在变风量空调系统中的应用

目的寻找一种有效地解决系统惯性大、时间滞后及单独采用PID控制器产生效果不佳的方法,实现温度参量的优化控制.方法根据变风量空调系统的结构,对变风量系统室内温度控制环节采用蚁群优化算法,经过Matlab软件进行仿真,使室内温度控制环节的上升时间、超调量及调整时间得以优化.结果控制环节优化前PID阶跃响应的动态指标为:上升时间tr=50 s,调整时间ts=276 s,超调量σ=30%;经过蚁群优化的PID阶跃响应的动态指标为:上升时间tr=112.5 s,调整时间ts=88 s,超调量σ=3.5%,上升时间相对增加后调整时间和超调量大幅度减小,室内温度控制环节趋于稳定.结论蚁群算法改善了控制环节的超调量、调整时间等问题,提高了系统的自适应性,保证了系统的稳定性和准确性.

船用直接膨胀式变风量空调系统的控制研究

通过分析船用变风量空调系统特点,提出系统送风量和送风温度的控制策略,设计出系统的模糊PID控制方法;并利用实验台开展系统控制的研究。结果表明,采用定送风静压控制,以及在系统中引入变容量压缩机和电子膨胀阀以实现制冷能力的精确调节,并结合采用所设计的模糊PID控制方法,船用变风量空调系统能够取得良好的分区独立控制和高精度的舱室温度控制。

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。