用于制冷系统的自调谐下拉模糊逻辑温度控制

摘要

提供了一种HVAC制冷系统(100)的下拉控制算法。该控制算法利用模糊逻辑方法，以在下拉期间，自动调节系统(100)中的致冷剂的流动，以保持所需下拉速率。当被下拉的流体温度接近所需工作设定点时，按比例减少所需下拉速率，以避免或最小化对该工作设定点的任何过冲。通过调节该控制算法中使用的速率灵敏度因数，获得所需下拉速率。当被下拉的流体温度比工作设定点高一个预定值时，该控制算法使用模糊逻辑方法学来判定导致无过冲地接近工作设定点的所需下拉速率的速率灵敏度。

说明书

技术领域

本发明涉及制冷系统中的流体温度控制。特别涉及当最小化预定设定点的过冲(overshoot)时，使用模糊逻辑来控制将冷却器的流出冷却水温降低至预定设定点的速率。

背景技术

在冷却水系统中，冷却水在整个建筑物中循环以从该建筑物中去除热量。在蒸发器或冷却器中使用热交换器来冷却该冷却水系统中的水，其中从水中接收热量的致冷剂使水冷却。为了获得最佳效率，冷却水系统通常在水的凝固点的少许几度内的温度(工作设定点)操作。在现有冷却器中，通常设计控制系统，当蒸发器水温下降到接近或低于水的凝固点的某一温度(切断点)时关闭该冷却器以防止冻坏水管和损害冷却器。例如，冷却器可具有35°F的工作设定点和34°F的切断点。

在冷却器的正常或稳态工作期间，冷却器的工作设定点和切断点之间的仅一度的差值一般不会导致问题。然而，当在下拉(pull-down)期间冷却器需要将水温从环境温度降低到工作设定点时，工作设定点和切断点之间的一度的差值可能是有问题的。如果冷却器中的水温冲过工作设定点并达到切断点，下拉期间可由控制系统切断该冷却器。为了避免该问题，有必要设计冷却器控制系统以最小化该下拉过冲而无需牺牲该下拉响应时间。

在标准比例积分微分(PID)控制中，导数项控制接近该温度设定点的速率并被手动调谐然后固定以实现最坏条件下的期望最大过冲/下冲(undershoot)。然而，作为由于负载变化等而动态变化的系统，在特定条件下由于该固定导数(速率)项，该响应时间可能变得太慢。避免与该固定导数项相关的问题的一种方式是使用自调谐控制，其能自动调整该速率项，以在保持过冲/下冲在容许范围内的同时保持期望的响应时间。这些自调谐算法需要在适当调整以补偿该控制前了解过冲/下冲量。然而，由于对于初始过冲仍没有完全补偿该控制，所以在初始及后续下拉期间，这些算法可导致冷却器关闭。

所以，当水温达到高于工作设定点少许几度时，在已开始的下拉操作模式期间需要模糊逻辑控制算法，该算法通过调整控制算法的速率灵敏度系数可保持期望的下拉响应时间并最小化或消除工作设定点的过冲。

发明内容

本发明的一个实施例提供了一种用于制冷系统的温度控制系统。该制冷系统包括全部连接在闭合制冷电路中的压缩机、冷凝器和蒸发器。该压缩机具有多个可由致动器调节和控制的入口导叶。该温度控制系统包括传感器，用于检测蒸发器中的流出流体的温度并提供一个温度信号。该温度控制系统还包括微处理器，可在对蒸发器中的流出流体温度进行下拉操作期间，以预定间隔对该温度信号进行采样。然后该微处理器通过在下拉操作期间，将该温度信号应用于配置为最小化或消除蒸发器流出流体温度的设定点温度的过冲的模糊逻辑控制算法，而产生对该致动器控制信号。

本发明的另一个实施例提供了一种在将制冷系统中二次致冷剂的温度调节至预定设定点温度的操作期间，计算制冷系统中致冷剂的控制流动的控制信号。该方法包括为制冷系统中二次致冷剂产生温度信号的步骤。使用该温度信号可产生误差信号并且使用该误差信号可产生速率信号。响应该误差信号、该速率信号和速率灵敏度信号，使用模糊逻辑推理来产生控制信号，以控制制冷系统中致冷剂的流动。最后，响应该控制信号，控制制冷系统中致冷剂的流动，以调节制冷系统中二次致冷剂的温度，从而最小化或消除预定设定点温度的过冲。

本发明的另一实施例提供了在下拉操作期间，计算对多个叶片的致动器的控制信号，以控制来自蒸发器的致冷剂的流动，从而将来自蒸发器的流出水温调节至预定设定点温度的方法。该方法包括以预定间隔测量来自蒸发器的流出水温的步骤。从该测量温度和预定设定点温度之间的差值来计算误差值，从该误差值和先前计算的来自先前间隔的误差值之间的差值计算下拉速率值。接下来，响应该误差值、该下拉速率值和可调速率灵敏度值，使用模糊逻辑控制算法，在每一预定间隔可产生控制信号。最后，在将来自蒸发器的流出水温调节至预定设定点温度时，响应该控制信号，操作该致动器以定位多个叶片，以控制来自蒸发器的致冷剂的流动，从而最小化或消除预定设定点温度的过冲。

本发明的另一实施例提供了一种制冷系统，包括全部连接在闭合制冷电路中的压缩机、冷凝器和蒸发器。致冷剂通过该制冷电路循环。而且，该压缩机具有可由致动器调节的多个入口导叶。该制冷系统还包括传感器，用于检测来自蒸发器的流出流体温度，以提供温度信号；和微处理器，用于响应接收到该温度信号，在对蒸发器中流出流体温度进行下拉操作期间，以预定间隔产生误差信号、误差改变率信号和可调速率灵敏度信号。该微处理器还使用模糊逻辑控制算法，为多个入口导叶的致动器产生控制信号。该模糊逻辑控制算法以误差信号、误差改变率信号和可调速率灵敏度信号作为输入。在下拉操作期间，使用该控制信号来控制来自蒸发器的致冷剂的流动，以最小化或消除对于该蒸发器的流出流体温度的设定点温度的过冲。

本发明的另一实施例提供了一种在计算机可读介质具体化，并可由微处理器执行的计算机程序产品，用于在下拉操作期间，为多个叶片的致动器计算控制信号，以控制来自蒸发器的致冷剂的流动，以便将来自蒸发器的流出水温调节至预定设定点温度。该计算机程序产品包括用于执行以预定间隔测量来自蒸发器的流出水温的步骤的计算机指令。该计算机程序产品还包括用于执行从该测量温度和预定设定点温度之间的差值来计算误差值、从该误差值和先前计算的来自先前间隔的误差值之间的差值来计算速率值、和使用模糊逻辑算法计算可调速率灵敏度值的步骤的计算机指令。另外，该计算机程序产品包括用于响应该误差值、该速率值和该可调速率灵敏度值，使用模糊逻辑控制算法，在每一预定间隔产生控制信号的步骤的计算机指令。在将来自蒸发器的流出水温调节至预定设定点温度期间，当该控制信号被发送至致动器时，该控制信号操作该致动器以对多个叶片进行定位，以控制来自蒸发器的致冷剂流动，从而最小化或消除预定设定点温度的过冲。

本发明的一个优点在于使用控制算法来最小化或消除下拉过冲而无需牺牲响应时间。

通过结合例示了本发明的原理的附图对优选实施例的下列更具体描述，本发明的其它特点和优点将会更加清楚。

附图说明

图1示意性示出了本发明的制冷系统；

图2和3示出了对模糊逻辑控制算法的输入的隶属(membership)函数的图表；

图4示出了模糊逻辑控制算法的模糊逻辑真值表；

图5示出了来自本发明一个例子的模糊逻辑真值表；

图6示出了下拉操作模式期间用于判定速率灵敏度的模糊逻辑系统的隶属函数的图表；

图7A和7B示出了下拉操作模式期间用于判定速率灵敏度的处理的流程图。

这些附图中尽可能使用相同附图标记表示相同部件。

具体实施方式

图1中例示了应用了本发明的一般系统。如图所示，HVAC制冷系统100包括压缩机110、冷凝器112、水冷却器或蒸发器126，和控制面板140。该控制面板140包括模数(A/D)转换器148、微处理器150、非易失性存储器144，和接口板146。下面将更详细讨论控制面板140的操作。传统液体冷却系统包括许多其它图1中未示出的零件。为了便于图解，简化附图，这里将这些零件略去。

压缩机110压缩致冷剂蒸汽并将其送往冷凝器112。该压缩机110最好为离心压缩机，然而也可使用诸如螺旋压缩机、往复压缩机、和螺杆式压缩机的其它类型压缩机。该冷凝器112包括与冷却塔122相连的热交换器线圈116。来自冷凝器112的冷凝液体致冷剂流向蒸发器126。蒸发器126包括例如具有与冷却负载130相连的补给线128S和返回线128R的热交换器线圈128。水或任何其它例如乙烯、氯化钙或氯化钠盐水的合适二次(secondary)致冷剂经由返回线128R进入蒸发器126并通过补给线128S退出蒸发器126。蒸发器126冷却管中的水温。热交换器线圈128可包括多个管束。然后，蒸发器126中的蒸汽致冷剂经由吸入线返回压缩机110以完成循环。在从蒸发器126到压缩机110的输入端，有一个或多个控制流向压缩机110的致冷剂流的预旋转叶片(pre-rotation vane)或入口导叶(inlet guide vane)。使用致动器120来打开预旋转叶片，以向压缩机110增加致冷剂量，从而增加系统100的冷却能力。类似地，使用致动器120来关闭预旋转叶片，以向压缩机110减少致冷剂量，从而降低系统100的冷却能力。

系统100包括传感器160，用于感应与来自蒸发器126的流出冷却水温(LCHWT)对应的蒸发器126中的温度。传感器160最好在致冷剂流之中，位于来自蒸发器外壳的出口管或补给线128S。然而，可将传感器160置于能提供LCHWT的精确测量的任何位置。传感器160最好为温度热敏电阻，然而，也可采用其它类型的温度传感器。该热敏电阻提供与温度成比例的阻抗。然后使用与电压源相连的电阻分压器或任何其它合适的用于产生电压的技术将来自热敏电阻的阻抗转换为电压信号。通过线路162将来自传感器160的电压信号传送至控制面板140。

由A/D转换器148将通过线路162输入至控制面板140的电压信号转换为数字信号或字。现在可由微处理器150将表示蒸发器温度的数字信号转换为对应LCHWT。然后将该LCHWT值输入进控制算法，以产生对预旋转叶片致动器120的控制信号，将在后续段落详细描述所述控制算法。将对该预旋转叶片致动器120的控制信号提供到控制面板140的接口板146。然后接口板146将该控制信号提供至预旋转叶片致动器，以对预旋转叶片定位。

微处理器150使用模糊逻辑算法来通过接口板146控制预旋转叶片致动器120。在一个实施例中，该模糊逻辑算法可为具有一系列由微处理器150执行的指令的计算机程序。该控制算法判定LCHWT下拉期间，是否使预旋转叶片致动器120进一步打开预旋转叶片、进一步关闭预旋转叶片、或将预旋转叶片保持在相同位置，从而调节致冷剂蒸汽流，并相应地调节LCHWT接近预定工作设定点温度的速率。

尽管优选的是以计算机程序来具体化该模糊逻辑控制算法，并由微处理器150来执行，但本领域普通技术人员应明白，可使用数字和/或模拟硬件实现并执行该模糊逻辑控制算法。如果使用硬件来执行该模糊逻辑控制算法，则可改变控制面板140的对应配置，以并入必要组件，并去除任何不再需要的组件，如A/D转换器148。

该模糊逻辑算法通过在预编程间隔周期性对由传感器160测量的LCHWT进行采样来控制预旋转叶片的期望位置。例如，该可编程间隔的范围可为6至12秒。通过对传感器160的输出进行采样，并将该感应值与预定工作设定点温度进行比较，并与LCHWT的一个或多个预先存储的采样比较，微处理器150可根据公知计算机技术计算出误差值(e_n)和误差变化率(de_n)。该模糊逻辑算法的最终目标为使误差值接近零，以便以较小或无过冲达到工作设定点温度，所谓过冲即接近切断点而使冷却器126关闭。在每一采样间隔期间，微处理器150的模糊逻辑算法通过向每一输入分配零和一之间的加权，来判定与每一输入(误差(e_n)及其变化率(de_n))相关的负、正和零隶属的度数。然后，模糊逻辑算法估计几个“如果...那么”规则，所述规则将隶属度数(degreeof membership)结合入预旋转叶片致动器120的正确动作过程中。

模糊逻辑算法利用LCHWT误差(e_n)和LCHWT误差变化率(de_n)作为变量输入。来自传感器160的LCHWT减去预定工作设定点温度可计算出LCHWT误差(e_n)，而LCHWT误差变化率(de_n)为当前LCHWT误差(e_n)减去由前一采样(e_n-1)与速率灵敏度相乘得到的LCHWT误差的数量。该速率灵敏度为可编程值，其范围为50-220，并且在稳态工作期间最好为140。下面将更详细说明该速率灵敏度的判定。

在一个优选实施例中，模糊逻辑算法包括LCHWT误差变化率(de_n)的五个隶属函数和LCHWT误差(e_n)的三个隶属函数。图2示出了LCHWT误差变化率(de_n)的隶属函数，而图3示出了LCHWT误差(e_n)的隶属函数。每一隶属函数以线性方式判定给定输入为零、正或负的度数。完全隶属关系对应于值1.0，部分隶属关系对应于0与1.0之间的值，无隶属关系对应于值0。由三个语言变量负小(NS)、零(ZR)和正小(PS)来描述LCHWT误差(e_n)隶属函数。LCHWT误差变化率(de_n)隶属函数除了三个语言变量负小(NS)、零(ZR)和正小(PS)之外，还包括语言变量负大(NL)和正大(PL)。

图2和3所示隶属函数关于零对称，并且当考虑绝对值相等的输入时，负值和正值所反映的隶属度数相等。一般来说，隶属函数可为或不为对称的。隶属函数是独立可编程的，并可在微处理器150中改变。因此，可按照需要，对称和不对称地改变LCHWT误差(e_n)和LCHWT误差变化率(de_n)隶属函数的灵敏度，以最优化系统控制。最好使用可编程隶属函数，以具有调谐控制的灵活性。然后，用户可改变由模糊逻辑算法应用的隶属函数，以获得所需系统响应。然而，该隶属函数也可以是预定的，并且不可编程，以向用户提供更简单方便的使用控制配置。

图4所示图表示出了模糊逻辑真值表，它图解了根据本发明一个实施例，微处理器150如何估计模糊逻辑规则。可将该模糊逻辑规则估计为五个输出语言变量关大(CL)、关小(CS)、无响应(NR)、开小(OS)和开大(OL)之一。为了说明的目的，用已编号的下标示出了真值表中的输出语言变量，以区别它们。

如表中所示，以de_n隶属函数和e_n隶属函数格式描述的规则结合(rulecombination)如下所述：(负大(NL)，负小(NS))、(负小(NS)，负小(NS))、和(负大(NL)，零(ZR))导致关大(CL)输出变量，并贡献(contribute)对预旋转叶片致动器120的关闭命令，以降低冷却器126的冷却能力；(负大(NL)，正小(PS))、(负小(NS)，零(ZR))、和(零(ZR)，负小(NS))导致关小(CS)输出变量，并贡献对预旋转叶片致动器120的关闭命令，以降低冷却器126的冷却能力；(正大(PL)，零(ZR))、(正小(PS)，正小(PS))、和(正大(PL)，正小(PS))导致开大(OL)输出变量，并贡献对预旋转叶片致动器120的打开命令，以提高冷却器126的冷却能力；而(正小(PS)，零(ZR))、(零(ZR)，正小(PS))、和(正大(PL)，负小(NS))导致开小(OS)输出变量，并贡献对预旋转叶片致动器120的打开命令，以提高冷却器126的冷却能力。剩余三种规则结合由于不导致任何作用或响应，所以不估计它们。所以，利用模糊推理最小/最大方法可估计全部十二种规则组合。该方法暗示对于十二种规则组合的每一种将首先执行最小“模糊与”推理。然后将执行“模糊或”推理，其中对于导致关大(CL)输出变量贡献(contribution)的三种规则结合、导致关小(CS)输出变量贡献的三种规则结合、导致开大(OL)输出变量贡献的三种规则结合、导致开小(OS)输出变量贡献的三种规则结合可得到最大值，从而导致表示得到的打开和关闭值的四个最大值。下面提供用于判定每一输出变量的贡献的等式。

CL＝MAX(CL₁，CL₂，CL₃)    (1)

CS＝MAX(CS₁，CS₂，CS₃)    (2)

OS＝MAX(OS₁，OS₂，OS₃)    (3)

OL＝MAX(OL₁，OL₂，OL₃)    (4)

得到的四个最大值需要被合并入单一输出响应，即它们需要被“逆模糊化”。由于逆模糊化的质心方法比本申请所需的更计算密集，所以最好使用单元素(singleton)手段。在该单元素手段中，输出贡献的每一个，即关大(CL)输出变量、关小(CS)输出变量、开大(OL)输出变量和开小(OS)输出变量的最大值，每一个都乘以一个加权或比例因数。尽管可以使用不同比例因数，最好是，关大(CL)输出变量和开大(OL)输出变量的比例因数为6，关小(CS)输出变量和开小(OS)输出变量的比例因数为3.5。接下来，通过从已按比例缩放的开贡献最大值中减去已按比例缩放的关贡献最大值，然后将相减结果乘以一个脉冲因数，来判定单个输出响应。下面提供用于判定输出响应或输出脉冲宽度(OPW)的等式。

OPW＝[(6*OL)+(3.5*OS)-(3.5*CS)-(6*CL)]*Pulse_Factor    (5)

该Pulse_Factor乘数数为范围在0.3至1.0之间的可编程值。对该Pulse_Factor乘数的选择允许用户通过使脉冲宽度调节至该输出响应而进一步调谐该系统响应。Pulse_Factor乘数的较大值导致较高灵敏度的系统响应，而Pulse_Factor乘数的较小值则导致较低灵敏度的系统响应。

如果得到的值小于零，则预旋转叶片致动器120在采样周期接收在很短时间与得到的值具有相等值的关信号(负值)脉冲宽度。如果得到的值为正，则预旋转叶片致动器120在采样周期接收在很短时间与得到的值具有相等值的开信号(正值)脉冲宽度。大约±0.2°F的误差静带导致对开或关信号无响应。

通过下列例子可进一步阐明本发明的模糊推理，该例子纯粹为了示例本发明。对于这一个例子，LCHWT误差(e_n)为1°F，如上所述，来自传感器160的LCHWT减去预定工作设定点温度可计算出LCHWT误差(e_n)，而LCHWT误差变化率(de_n)为-5°F/sec.，如上所述，LCHWT误差变化率(de_n)为当前LCHWT误差(e_n)减去由前一采样(e_n-1)与速率灵敏度相乘得到的LCHWT误差的数量。如图2所示，-5°F/sec.的LCHWT误差变化率(de_n)得到NL为0.5而NS为0.5的隶属度数。如图3所示，1°F的LCHWT误差(e_n)得到ZR为0.75而PS为0.25的隶属度数。通过最小化方法结合了这些规则，并且在图5的模糊逻辑真值表中示出了这些规则。在真值表的顶侧和左侧隶属值之间进行比较，并在真值表输出部分的相应位置放置了最小值。例如，通过执行最小模糊推理，即模糊与(AND)程序，可将分配给de_n(0.5)的NL隶属函数的隶属度与分配给e_n(0.25)的PS隶属函数的隶属度结合，从而导致0.25的最小值被分配给CS₁。接下来，通过执行最大模糊推理，即模糊或(OR)程序，可结合模糊与程序或结合的结果，如下列等式(6)-(9)所示，导致CS＝0.5、CL＝0.5、OS＝0和OL＝0。

CL＝MAX(0，0，0.5)＝0.5       (6)

CS＝MAX(0.25，0.5，0)＝0.5    (7)

OS＝MAX(0，0，0)＝0           (8)

OL＝MAX(0，0，0)＝0           (9)

然后使用上述等式(5)和Pulse_Factor 1逆模糊化这些值，以获得-4.75的输出响应或脉冲宽度。该输出导致在当前周期期间正执行的关信号的4.75秒脉冲宽度。换言之，在当前采样间隔期间和下一采样事件之前，计算并执行该输出响应。

为了实现以小或无过冲而平滑接近工作设定点，在温度下拉情况期间调节该速率灵敏度项。基于LCHWT接近预定工作设定点的下拉速率(dT＝e_n-de_n)和预定工作设定点和LCHWT之间的差值或LCHWT误差(e_n)来调节该速率灵敏度项。当LCHWT等于或高于预定工作设定点之上一个预选值(最好6°F，但可使用其它值)，也就是LCHWT误差(e_n)等于或大于该预选值时，控制算法在“下拉工作模式”而不是稳态工作模式下工作。在下拉工作模式中，采样周期自动被设定为最好为6秒的最小采样周期，并且基于下拉LCHWT速率(dT)来计算该速率灵敏度。当LCHWT误差(e_n)变为负值，然后再变为正值，或者在LCHWT已达到距预定工作设定点0.5°F之内的值之后的两分钟，即LCHWT误差(e_n)＜＝0.5时，最好结束该下拉或自调谐工作模式，然而，仍可使用结束该下拉模式的其它判定。当结束该下拉工作模式时，速率灵敏度和采样周期自动返回其用于稳态控制工作的正常程序控制值。

在温度下拉工作模式中，使用模糊推理来判定速率灵敏度项。图6示出了下拉LCHWT速率(dT)的隶属函数。通过两个语言变量负(NEG)和正(POS)来描述下拉LCHWT速率(dT)隶属函数。如上所述，当进入下拉模式时，采样周期被设定为6秒，因此，图6所示dT值基于6秒的采样周期，也就是说，以每6秒的华氏度数(°F/(6 sec.))计算dT。下拉LCHWT速率(dT)的隶属函数取决于目标速率，该目标速率定义了对两个隶属函数均产生0％隶属关系的点。下拉LCHWT速率(dT)的隶属函数从该目标速率扩展至产生100％隶属关系的上下极端端。正如下面更详细描述一样，该目标速率是可编程和可调节的。如果获得小于目标速率(即负值)的下拉LCHWT速率(dT)，则由于该下拉LCHWT速率(dT)移动太快且不得不慢下来，所以增加速率灵敏度。相反，如果获得大于目标速率的下拉LCHWT速率(dT)，则由于该下拉LCHWT速率(dT)移动太慢且不得不加速，所以降低速率灵敏度。

在本发明的一个优选实施例中，当LCHWT误差(e_n)大于2°F时，在下拉模式中将目标速率固定为-0.3°F/(6 sec.)或-0.05°F/sec.，然而也可使用该温度范围的其它固定目标速率。在下拉模式中LCHWT误差(e_n)达到2°F或更小之后，随着LCHWT误差(e_n)接近零，目标速率线性下拉，以减慢该接近速率，从而实现使对预定设定点的零过冲最小化，然而，也可使用降低目标速率的其它函数类型。图6示出了用于大于2°F的LCHWT误差(e_n)(实线)和0与2°F之间的LCHWT误差(e_n)(虚线)的下拉LCHWT速率(dT)隶属函数。

通过另一个例子可进一步阐明本发明的模糊推理，该例子纯粹是本发明的示例。对于这一例子，下拉LCHWT速率(dT)为-0.4°F/(6sec.)，LCHWT误差(e_n)大于2°F，而目标速率为-0.3°F/(6sec.)。如图6所示，-0.4°F/(6sec.)的下拉LCHWT速率(dT)得到NEG为0.33和POS为0.0的隶属度数。然后从下面提供的等式可判定该速率灵敏度。

rate_sensitivity＝140+(NEG*110)-(POS*90)         (10)

用NEG为0.33和POS为0.0的隶属度数来求解等式(10)可得到176的速率灵敏度，如等式(11)所示。

rate_sensitivity＝140+(0.33*110)-(0*90)＝176     (11)

图7A和7B示出了在下拉工作模式中判定速率灵敏度的处理的流程图。处理从步骤1002开始，其中检查LCHWT误差(e_n)是否大于或等于2°F。如果LCHWT误差(e_n)大于或等于2°F，则在步骤1004将目标速率设定为-0.3°F/(6sec.。如果LCHWT误差(e_n)小于2°F，则在步骤1006检查LCHWT误差(e_n)是否大于或等于0°F。如果LCHWT误差(e_n)大于或等于0°F，则在步骤1008使用下面提供的等式判定该目标速率。

target_rate＝-0.3+(((2.0-error(e_n))*0.3)/2.0)    (12)

如果LCHWT误差(e_n)小于0°F，则在步骤1010将目标速率设定为0°F/(6sec.)。接下来，在步骤1004、1008、1010已判定该目标速率之后，在步骤1012使用下面提供的等式判定该负速率极限。

neg_rate_lim＝-0.3+target_rate                   (13)

在步骤1014，检查下拉LCHWT速率(dT)是否小于或等于该负速率极限。如果下拉LCHWT速率(dT)小于该负速率极限，则在步骤1016将负隶属函数的隶属度数设为1.0，并将正隶属函数的隶属度数设为0.0。在步骤1018，检查下拉LCHWT速率(dT)是否小于或等于该目标速率。如果下拉LCHWT速率(dT)小于或等于该目标速率，则在步骤1020使用下面提供的等式判定该负隶属函数的隶属度数。

NEG＝(rate(dT)-target_rate)/(neg_rate_lim-target_rate)(14)

同样在步骤1020，将正隶属函数的隶属度数设为0.0。在步骤1022，检查下拉LCHWT速率(dT)是否大于正速率极限。如果下拉LCHWT速率(dT)大于正速率极限，则在步骤1024将正隶属函数的隶属度数设为1.0，并将负隶属函数的隶属度数设为0.0。如果下拉LCHWT速率(dT)小于正速率极限，则在步骤1026使用下面提供的等式判定该正隶属函数的隶属度数。

POS＝(rate(dT)-target_rate)/(pos_rate_lim-target_rate) (15)

同样在步骤1026，将负隶属函数的隶属度数设为0.0。最后，在步骤1016、1020、1024和1026已判定该隶属度数之后，在步骤1028使用上述等式(10)判定该速率灵敏度。然后在上述模糊逻辑方法中使用计算出的速率灵敏度来计算对预旋转叶片致动器120的控制信号。

已在预旋转叶片致动器控制算法的上下文中描述了本发明，该预旋转叶片致动器控制致冷剂在冷却器系统中从蒸发器向压缩机的流动，从而控制蒸发器流出冷却水温的下拉速率。然而，可在任何类型的制冷系统中使用本发明的控制算法，来控制使系统中流体温度达到设定点的下拉或上拉速率。为了在其它类型制冷系统中使用该控制算法，可能必须对隶属函数和控制算法使用的传感器信息进行一些改动，以计算(account for)应用该控制算法的系统的特定配置。尽管已参照优选实施例描述了本发明，但是本领域普通技术人员应该明白，在不脱离发明的范围的情况下，可对本发明进行各种改动和元素的等同替换。另外，在不脱离其实质范围的情况下，可进行多种更改以使特定情况或材料适合本发明所讲述的内容。所以，本发明不限于作为预期执行本发明的最佳方式公开的特定实施例，而是希望包括落入所附权利要求范围的所有实施例。