摘要：暖通空调是现代建筑中必不可少的一部分，但是它增加了能源的消耗。因此，有必要加强对空调制冷系统的优化控制，以有效降低建筑能耗，促进我国社会经济的健康与和谐发展。本文以BP神经网络、Matlab语言和自适应模糊控制系统三方面为主，分析现代化技术在暖通空调制冷机控制中的应用。
关键词：暖通空调；制冷系统；优化控制；
暖通空调是现代化建筑中，用于创造洁净、舒适的生活、工作环境所不可或缺的重要基础设备。但同时它也是建筑物能耗最大的设备之一，给人们带来舒适的内部环境的同时，也产生了大量的能源消耗，加剧了我国能源供需之间矛盾。尤其是暖通空调的制冷系统，它作为暖通空调的核心元件，也是能耗量最大的设备，必须加强对空调制冷系统的节能优化控制，以尽可能的降低系统能耗。
1暖通空调制冷系统的工作原理
暖通空调的制冷系统是通过制冷剂实现热量的交换，制冷剂在压缩机、冷凝器、蒸发器和节流阀四个元件中不断循环，自身的状态发生变化，进而实现吸收热量与释放热量。制冷剂在蒸发皿中变为了低压低温的气体。气化的冷却剂被压缩机压缩成高温高压的气体，这些气体在冷凝器中将自身的热量传递给空气或者水，变为最初的液体状态。这就是一个基本的循环，多次进行这个循环就可以实现热量的交换，达到降温的目的。除了制冷剂循环外，暖通空调还有冷却水循环、冷冻水循环和室内空气循环。
2暖通空调制冷系统的优化控制方法
暖通空调的制冷系统受室外气象和室内状态的影响较大，所以为了保证制冷的效果，制冷系统会全部运作，这就导致了制冷系统只有部分处于负荷状态，增大了其能耗。基于此，可以从暖通空调部分负荷的状态入手，研究制冷机最佳吸气压力的状态，进而分析其能源节约的问题。
2.1BP神经网络在暖通空调制冷系统中的应用
BP神经网络是一种多层反馈的网络系统，可以解决多层网络的隐藏单元连接问题。而且BP神经网络在解决非线性的映射问题时，有着不可替代的作用。
2.1.1函数系统控制。
BP神经网络可以利用其自身非线性的特点进行函数建模，建模后的系统就可以广泛应用在工业控制中，如机器人的运动轨迹控制等。
2.1.2模式的识别与分类。
在计算机的数据中，可以将信息分为文字、图片和语言等类型，BP神经网络可以根据不同数据的特征进行识别，然后把信息针对性的归类，有助于加快信息的处理。
2.1.3压缩数据。
BP神经网络可以对数据进行压缩，减少数据所占据的内存空间。另外，BP神经网络还可以对数据的特征进行抽取，方便数据的分析。根据BP神经网络的上述特征，可以将这种神经网络应用在暖通空调的制冷系统中，实现对空调制冷系统中制冷机吸气压力的模拟。因为暖通空调制冷机的能耗有很强的非线性特点，所以在收集其能耗状态时很难保证精确性。基于此，可以发挥BP神经网络的作用，实现对真实数据的模拟。BP神经网络可以模拟任意的连续非线性函数，利用神经网络模型来逼近实际值。BP神经网络可以实现制冷机状态的监测，方便后续的调整和控制。
2.2Matlab语言在暖通空调制冷系统中的应用
Matlab语言是一种很强大的工程语言，它可以处理大量的数据，而且处理的效率很高。所以，在控制系统、图像处理和系统仿真中的应用较为广泛。在随后的发展中，Matlab语言更为完善，各个领域的专家根据自身的需求推出了Matlab工具箱，里面有各种训练与设计的子程序，当人们需要的时候就可以直接调取，进而解放了自己的编程。从这方面来讲，Matlab语言实现了模块化的设计与应用，能够简化系统的控制过程。BP神经网络是算法的基础，可以实现系统运作的模拟，而Matlab语言是整个系统运作的模块，在一定程度上可以看作是BP神经网络的子系统。如果把BP神经网络应用在暖通空调的制冷系统中，那么就可以用Matlab语言实现模块的设定。
2.2.1反馈最接近实际情况的数据。
为了降低暖通空调制冷机的能耗，需要确定其最佳吸气压力的状态。制冷剂的状态变化有着明显的非线性关系，寻常的采集方法很难起到较好的效果。
期刊文章分类查询,尽在期刊图书馆但是，BP神经网络能够模拟非线性的映射，而Matlab语言能够快速的处理数据，这就形成了较好的循环，能够最快速地把暖通空调制冷剂的运作状态反馈给系统，方便了调整和控制。
2.2.2简化整个系统的设定。
暖通空调的制冷系统受外界环境和室内环境的影响较大，所以其运行会经常性的发生改变，要收集其运行状态的各种参数较为复杂。但是将BP神经网络和Matlab语言结合后，就能够根据模块的特性快速设定程序，简化整个系统的运作。
3基于自适应模糊算法的制冷系统优化控制
自适应模糊算法的优化控制策略，它不仅能准确寻找出不同工况条件下冷却水的最佳温度值Tcm，而且能通过与实际冷却水温度值进行比较，从而根据其偏差值的大小对空调冷却系统中的冷却水流量、冷却塔风量进行合理调节，以实现对制冷系统整体性能的优化控制。
3.1自适应模糊算法的原理及优势自适应模糊算法，是以自适应模糊控制器为基础，并具有自适应学习能力的模糊逻辑系统，它能依据所采集到的数据信息，对逻辑系统的参数进行适当的自调整。
3.1.1能实现良好的消耗功率控制。
利用自适应模糊优化算法，可以寻找得出冷却水系统的最佳温度Tcm，从而实现空调制冷系统与环境条件之间的协调运行，保证系统能利用最低的能耗完成逆向传热全过程的热平衡，进而实现系统良好的消耗功率控制。
3.1.2具有强大的在线调节功能。
自适应模糊优化算法具备了极强的学习能力与调节能力，因此它能够实时在线的对被控制参数进行调节与校正，从而确保优化控制模块得以不断的完善与改进，保证了优化控制结果的准确与有效。
3.1.3可实现对系统性能的整体性优化。
由于暖通空调制冷系统的制冷过程，是由多个子循环过程所构成的有机整体，而如果只是对某个子过程或者某一部分元件的性能进行优化控制，这只能是一种局部优化，并不能保证制冷系统整体能耗量最低。而利用自适应模糊算法，则能将制冷系统视为一个整体进行考虑，以实现全局化、整体化的优化控制。
4暖通空调制冷系统降耗的具体方案
暖通空调的系统并不复杂，但是子系统较多，在数据反馈时存在延后的特性。所以，要降低整个暖通空调的制冷能耗，需要建立半智能化的控制网络。BP神经网络、Matlab语言和自适应模糊控制系统可以在半智能化的系统中承担不同的职责，进而实现信号的及时反馈。在具体的使用中，BP神经网络是整个控制系统的骨架，Matlab语言模块为数据的收集装置，自适应模糊控制系统是中央处理器，三者形成一个独立的系统。只有把三者有机的结合起来才能协调好制冷机的运作状态，在满足使用需求的前提下降低其能耗。要根据BP神经网络的特点建立输入量，在暖通空调的制冷系统中，输入量为压缩机入口的制冷剂温度和压缩机出口的制冷剂温度，而最佳吸气压力为输出的变量。建立好这样的输入与输出模型后，BP神经网络就可以利用Matlab的语言模块进行数据的汇总，之后将信息传递给自适应模糊控制系统。自适应模糊控制系统能够以压缩机的最佳吸气压力为变量，以此调节压缩机的工作频率，当制冷系统的制冷量和负荷量达到平衡时，制冷机的工作能耗为最低。
结束语
随着社会的发展，人们对生活质量的要求越来越高，暖通空调已经成为建筑物中不可缺少的一部分。但是由于暖通空调的制冷剂运作问题，其能耗一直较高，进一步恶化了我国能源的供求关系，不满足可持续发展的战略。而暖通空调中能耗最大的就是制冷系统，对其进行优化的控制有着重要意义。
参考文献
[1]王厉. 基于（火用）方法的暖通空调系统热力学分析研究[D].湖南大学,2012.
[2]刘学成.空调冷负荷的建筑信息化模型应用研究[D].北京林业大学,2012.
[3]杨秀峰. 如何优化控制制冷机在暖通空调中的作用[J]. 中国新技术新产品,2011,13:148.
[4]孟明.中央空调制冷系统的优化及软件开发[D].沈阳工业大学,2009.
[5]王玖雨.智能建筑暖通空调系统优化方法研究[J].China's Foreign Trade,2010,12:248.
论文作者:熊宝彤
论文发表刊物:《基层建设》2017年第12期
论文发表时间:2017/8/11
标签：神经网络论文; 暖通空调论文; 制冷系统论文; 系统论文; 制冷机论文; 制冷剂论文; 自适应论文; 《基层建设》2017年第12期论文;