基于神经网络的HVAC空调子系统模型辨识及控制优化

摘要

智能建筑的快速发展对建筑设备监控系统(BAS)的控制性能提出了越来越高的要求.HVAC系统是BAS的重要组成部分,目前国内集中供热、供冷的中央空调系统的控制效果远远没有达到最佳状态,普遍存在着控制精度差、阀门振荡幅度大等缺点,使设备的能耗增大、使用寿命降低.HVAC系统是一个复杂的热力非线性系统,具有输入变量多、所受干扰大、对象的参数易于变化且难以确定的特点.我们曾经通过现代辨识技术获取了空调子系统的数学模型,但在数据的预处理阶段要去除干扰变量引起的变化趋势比较困难,且随着被控对象条件变化,它的鲁棒性可能减弱.神经网络方法很容易解决多变量输入的问题,因而可以方便地把影响过程的诸量作为神经网络的输入,从而简化信号处理的工作.本文在简要介绍了神经网络系统辨识的基本原理的基础上,分析了神经网络在系统辨识中的应用,将一种基于RBF神经网络的系统辨识方法用于HVAC空调子系统建模,通过正交最小二乘(OLS)法,确定空调子系统模型的参数,目的是得到较快的学习时间并避免陷入局部最小.我们在前向通道引入了单神经元自适应PID控制机理,目的是为了构成控制回路.并用Matlab工具进行了空调子系统控制的仿真.根据系统的动态特性和行为,利用单神经元的有监督学习规则,对PID控制器的参数进行了自适应调整,解决了控制系统的稳定性问题,并获得了良好的控制性能.论文中通过调试、实践,讨论了放大倍数K的确定对系统稳定性的影响;讨论了PID系数η<,p>、η<,I>、η<,D>的优化和它们对于系统稳定性的影响,并给出了仿真的结果.这些讨论对摸清单神经元自适应控制器的运行规律有一定的意义.通过仿真,说明了以神经网络方法构造的空调子系统模型和单神经元自适应PID控制器相结合可以增强系统对不确定性因素的适应性,是有实用价值的.

目录

文摘

英文文摘

第一章绪论

1.1概述

1.2 HVAC系统存在的问题及现状

1.3国内外相关智能控制系统研究的现状

1.3.1国外神经网络控制的应用

1.4本课题的研究方法、目标和意义

1.5本文的主要内容

第二章辨识对象描述

2.1空调系统的组成和工作原理

2.2空调系统特性分析

2.2.1温度检测环节

2.2.2电动执行机构

2.2.3阀门

2.2.4空气混合环节

2.2.5表面式换热器

2.3影响房间温度的因素

2.4本章小结

第三章基于神经网络的系统辨识

3.1引言

3.2人工神经网络的发展与现状

3.3基于神经网络系统辨识的优点

3.4系统辨识中的基本问题

3.4.1模型的选择

3.4.2输入信号的选择

3.4.3误差准则的选择

3.5基于神经网络的模型辨识

3.5.1问题描述

3.5.2模型的参数辨识

3.6 RBF神经网络简介

3.6.1 RBF网络结构

3.6.2 RBF网络学习算法

3.7基于神经网络系统辨识的基本思路

3.8本章小结

第四章空调子系统模型的建立与验证

4.1供水温度曲线拟合

4.2数据预处理

4.3空调子系统模型阶次的确定

4.3.1模型结构辨识方法简介

4.3.2用输入输出数据确定空调子系统的模型阶次

4.4空调子系统的神经网络模型

4.5空调子系统模型参数的辨识

4.5.1正交最小二乘(OLS)法简介

4.5.2空调子系统模型参数的确定与模型验证

4.6本章小结

第五章单神经元自适应控制在空调系统中的应用

5.1空调系统的控制及其存在的问题

5.2神经网络学习规则

5.3单神经元自适应PID控制器及其实现

5.3.1单神经元自适应PID控制器简介

5.3.2单神经元自适应控制器及仿真

5.4本章小结

第六章总结及展望

6.1总结

6.2展望

参考文献

作者攻读硕士学位期间发表的论文

致谢

论文说明