多变量模糊神经网络在数码涡旋模块式组合空调中的应用研究

摘要

本文进行了制冷系统多输入多输出模糊控制方法的研究。构建多量模糊逻辑控制器的难点是多变量模糊控制规则的生成。为此，规则的生成必须朝着自适应、自组织、自学习方向发展。神经网络具有很强自适应和自学习能力，可以与模糊逻辑控制有效地结合。将多变量模糊经网络控制用于制冷系统。 在分析模糊控制和神经网络控制两种控制方法的基础上，根据简化的模糊控制算法与对向神经网络(CPN)结构和功能上的相似性，提出了一种具有结构和参数学习能力的自组织模糊神经网络控制器，该控制器能够无需事先确定模糊控制的规则，就能在控制过程中通过采样数据在线学习，调整网络的结构，产生模糊控制规则并调整规则的参数。该控制器不仅结构简单，而且具有模糊控制的特点，又有神经网络的学习能力。通过实验结果表明：模糊神经网络控制具有响应速度快，超调较小，静差小，鲁棒性强的特点，达到了同时控制蒸发压力和过热度的目的。 还进行了数码涡旋并联机组制冷系统能耗的实验与分析，结果表明，连续制冷的变容量制冷系统避免了定容量制冷系统的开停损失，可以有效的节能，特别对季节能效比的提高有显著的效果。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章 绪论

1.1课题背景

1.2数码涡旋技术

1.2.1数码涡旋技术简介

1.2.2双压缩机技术

1.2.3数码涡旋机模块式组合空调技术

1.2.4数码涡旋技术的特点

1.3数码涡旋压缩机制冷系统原理概述

1.4多联机制冷系统理论和控制的研究现状

1.4.1变频机制冷系统理论和控制的研究现状

1.4.2 VRV制冷系统理论和控制的研究现状

1.4.3数码涡旋制冷系统理论和控制的研究现状

1.5 多变量模糊控制概述和研究现状

1.5.1模糊控制理论发展与应用

1.5.2基于神经网络的模糊控制

1.6 本研究的主要工作

第二章 模糊控制与神经网络

2.1 模糊控制的基本原理

2.1.1模糊控制器的输入变量和输出变量

2.1.2模糊控制器的隶属函数

2.1.3模糊控制规则、推理及其模糊量的去模糊化方法

2.2神经网络控制的基本结构和学习方法

2.2.1.网络的基本结构

2.2.2网络的基本学习方法

2.3模糊控制与神经网络的结合

第三章 自组织模糊神经网络控制算法的研究

3.1模糊控制算法的简化

3.2模糊神经网络控制器结构

3.3自组织模糊神经网络控制器

3.3.1模糊聚类[52]

3.3.2正(负)响应系统

3.4自组织模糊神经网络学习算法

3.5本章小结

第四章 制冷系统智能控制台

4.1实验装置

4.2制冷系统主要部件

4.3数据采集部分

4.4.本章小结

第五章 控制实验与结果分析

5.1 多变量模糊神经网络控制

5.1.1基本论域、量化因子和比例因子的选择

5.1.2系统方向的确定

5.1.3模糊控制采样时间的选择

5.1.4模糊神经网络控制实验

5.2数码涡旋并联机组制冷系统的能耗分析

5.3本章小结

结论

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文

致谢