基于模糊自适应的室内热舒适度建模与控制

摘要

现代社会，人们有大量的时间在室内度过，因此，人们对于室内环境的品质和舒适性提出了越来越高的要求，传统的温湿度控制已无法满足人们的要求，人们希望能够直接以自身的热舒适感觉为出发点，对空调系统进行设计与控制。因此，研究基于室内热舒适度的空气调节方案具有重要的理论和现实意义。然而，人们对于舒适的定义存在差异；同时，室内空气对象是一个典型的非线性，纯滞后，具有动态时变性的系统，传统的控制方法往往很难达到较好的控制效果。因此，这些都是以热舒适度为控制目标的HVAC系统急需要解决的问题。针对这一问题，本文围绕室内热舒适度指标PMV的建模与相应控制器的设计，系统地开展了研究工作，希望为基于热舒适度的室内空气调节带来可行的方案。
　　本文首先介绍了基于模糊自适应的室内热舒适度指标PMV建模与控制的研究目的与意义，并针对热舒适度预测模型和空气调节两个方面，分别对国内外研究现状和相应研究方法进行了综述。在此基础上，针对热舒适度指标PMV建模和基于PMV指标的空气调节控制器设计两方面进行了详细的研究。针对热舒适度指标PMV建模部分，提出了一种基于先验知识的热舒适度指标PMV模糊自适应建模方法。综合考虑影响PMV指标的全部六个因素，对于以往文献鉴于难以检测得到而回避的两个人体因素，提出了具有可行性的检测方法；采用基于先验知识方法对输入空间划分，并采用模糊神经网络的方法，在基于先验知识构建Ⅰ型T-S模糊模型的基础上，用神经网络的方法对该模型进行学习，使得所建立的模型既具备较好的物理意义，便于理解，又能够根据当前环境实时数据，自主调整模型相关参数，保证模型的精确性。最后通过仿真对所提出的建模方法进行验证。在已给出的PMV预测模型基础上，针对其在模糊规则数上仍然较多这样一个问题，提出了基于先验知识的PMV预测模型的改进方案，采用递阶结构改进之前提出的单层结构的模糊自适应模型，在改进的过程中，利用灵敏度分析的方法对影响PMV的六个变量重新进行选择和分配，充分考虑了热舒适度领域的先验知识在输入变量初始模糊划分上的应用，并且将统计和关联分析的方法应用到递阶结构各个子系统的模糊规则提取中。最后，通过仿真，并与原模型进行对比，对所提改进方法进行验证。针对基于PMV指标的空气调节控制器设计问题，提出了一种带约束的广义预测控制器设计方法，以热舒适度指标PMV作为被控对象。控制器设计中利用已建立的递阶模糊自适应热舒适度模型，并将模型分为软测量部分和预测模型部分。针对预测模型部分采用融合的多模型方法，将系统复杂的非线性关系转化为多个线性模型的凸组合，并成为适合GPC格式的参数时变模型，在此基础上设计了带约束的GPC控制器。在仿真过程中，从贴近实际工况考虑，假设了扰动的变化的情况，最终验证了本设计方案的可行性和有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的背景和意义

1.2 国内外研究现状

1.3 本文研究的主要内容与文章结构

第二章 基于先验知识的PMV模糊自适应建模

2.1 引言

2.2 室内热舒适度指标 PMV 概述

2.3 PMV预测模型

2.4 仿真算例

2.5 本章小结

第三章 基于递阶结构的PMV模糊自适应建模

3.1 引言

3.2 T-S递阶模糊结构特点概述

3.3 基于递阶结构的 PMV 模型改进

3.4 仿真算例

3.5 本章小结

第四章 室内热舒适度的预测控制

4.1 引言

4.2 基于PMV的室内舒适度控制

4.3 仿真算例

4.4 本章小结

第五章 总结与展望

5.1 本文的研究内容

5.2 未来工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文