暖通空调优化控制技术研究

摘要

根据暖通空调非线性、时变性等特点,本文采用基于RBF模糊神经网络的暖通空调建模方法,使建立的暖通空调动态模型能适应工况环境的变化和干扰的作用,为暖通空调的高级控制算法、系统优化提供了准确的模型;结合PMV指标,利用BP神经网络对房间的最佳温度进行最佳设定,设定的最佳温度为暖通空调广义预测控制系统提供温度期望轨迹;为了暖通空调能调节出满意的房间环境和节省能量的消耗,结合暖通空调强非线性、时变性、大滞后、大惯性等特点,设计了基于RBF模糊神经网络的暖通空调广义预测控制器,利用RBF模糊神经网络通过不断的反馈修正为在线优化控制器提供准确的房间温度预测输出,为了减少广义预测控制的计算量,广义预测控制的在线优化采用RBF模糊神经网完成,它利用模型预测网络所提供的预测信息和所设定的目标函数,不断的进行在线修正,以得到最佳暖通空调冷冻水调节阀的电压.

目录

文摘

英文文摘

独创性说明及关于论文使用授权的说明

1绪论

1.1课题的目的和意义

1.2暖通空调控制技术发展现状

1.3课题的主要任务和研究方法

2暖通空调系统

2.1暖通空调整体工艺

2.2暖通空调供水系统

2.3暖通空调空气处理单元

2.4小结

3暖通空调建模与优化控制预备知识

3.1 RBF模糊神经网络

3.1.1 RBF神经网络

3.1.2 RBF模糊神经网络结构

3.1.3 RBF模糊神经网络建立

3.2广义预测控制基本原理

3.2.1广义预测控制模型预测输出

3.2.2广义预测控制优化策略

3.2.3广义预测反馈校正

3.2.4广义预测参数选择及影响

3.3小结

4暖通空调系统建模研究

4.1暖通空调模型描述

4.2暖通空调建模算法

4.3暖通空调建模算法实验验证

4.3.1暖通空调建模数据采集与参数确定

4.3.2暖通空调建模结果

4.3.3工况变化下建模实验对比验证

4.4小结

5暖通空调广义预测控制

5.1房间最佳温度设定

5.1.1室内热舒适度影响因素

5.1.2 PMV指标

5.1.3利用BP神经网络设定房间温度

5.1.4仿真结果

5.2暖通空调控制系统设计

5.2.1暖通空调控制器在线滚动优化

5.2.2暖通空调预测模型

5.2.3暖通空调广义预测控制反馈校正

5.3暖通空调广义预测控制仿真

5.3.1暖通空调模型和参数选取

5.3.2暖通空调广义预测控制仿真结果

5.4小结

6结论

参考文献

一、在学期间发表的论文

致 谢