董阿妮[1]2004年在《变风量空调系统自适应神经元解耦控制与变静压协调控制》文中研究表明从节能和提高室内环境质量的角度来看，暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点，因此它的设计、运行和管理都比定风量(constant air volume，CAV)系统难度大。这也是限制VAV系统更广泛应用的一个重要原因。 本论文针对变风量(VAV)空调系统正常运行的必要条件—稳定性问题进行研究，把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分，并通过实验测试的方法建立了机组部分和末端部分被控对象模型；具体分析了机组部分和末端部分的控制回路之间的耦合关系；论文中应用了单神经元自适应PID控制器的概念，并结合神经元自适应解耦控制的策略，对变风量空调系统的机组部分进行了解耦与控制；利用目前智能建筑楼宇自控系统分布式的特点，对整个变风量空调系统实行基于变静压的协调控制，使机组部分和末端部分成为一个有机的整体。论文还从Matlab仿真和实验系统测试两个方面对解耦及协调控制策略进行了验证。仿真和实验的结果令人满意，证明了这种解耦及协调控制策略的有效性。同时，论文还给出了以Visual Basic工具开发的解耦及协调控制系统应用软件。该软件操作界面良好，通过VB-DDE-METASYS的模式与Metasys系统软件实现了数据交换。
许静[2]2003年在《变风量空调系统末端部分基于自适应线性神经元的前馈解耦控制》文中提出从节能和提高室内环境质量的角度来看，暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此，采用有效的空气调节方式对智能建筑的能量管理控制(energy management control，EMC)具有重要意义。目前，变风量(variable air volume，VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是，变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点，因此它的设计、运行和管理都比定风量(constant air volume，CAV)系统难度大。这也是限制VAV系统更广泛应用的一个重要原因。本论文以变风量空调系统的末端作为研究对象，具体分析了末端部分的控制回路之间的耦合关系；并通过实验测试的方法建立了末端部分被控对象模型。文中应用了自适应线性神经元多变量系统控制的概念，并结合前馈解耦控制的策略，针对变风量空调系统的末端部分提出了自适应线性神经元网络前馈补偿解耦的控制方案。论文中对自适应线性神经元网络前馈补偿解耦的控制方法，从Matlab仿真和实验系统测试两个方面进行了论证。仿真和实验的结果令人满意，证明了它是一种行之有效的解耦控制方法。同时，论文还给出了以Visual Basic工具开发的解耦控制系统应用软件。该软件操作界面良好，通过VB—DDE—METASYS的模式与Metasys系统软件实现了数据交换。
魏盼[3]2010年在《变风量空调系统协调控制》文中研究说明变风量空调系统以其节能性、灵活性而优于其它空调系统,逐渐成为空调系统设计的主流。但是,由于变风量空调系统的控制过程是一个大惯性、纯滞后、非线性、强耦合的复杂系统,应用常规PID控制不能达到理想的控制效果,其在国内的应用还非常有限,为了实现节能的目标,提高国内空调系统的能源有效利用率,所以,研究新型的变风量空调系统控制方法显得尤为重要。本文简单地介绍了变风量空调系统的控制原理,根据变风量空调系统主要控制回路的数学模型,从变风量空调系统的控制策略切入,对送风温度控制回路,主要进行了PID控制、模糊自适应PID控制、史密斯预测控制、单神经元自适应PID控制和动态矩阵控制的研究,再针对变风量空调系统送风温度回路、送风管道中的静压点的静压回路、室温回路、空气中二氧化碳浓度回路等四个主要回路之间的耦合,进行了对角矩阵法与神经网络自适应解耦算法进行解耦控制的研究。在理论分析的基础上,通过MATLAB仿真,与传统PID控制效果相对比,证明对角矩阵法与神经网络自适应解耦算法都可以有效地消除或减弱系统之间的强耦合,系统响应时间短,并且具有良好的自适应性、鲁棒性。
蒋水合[4]2006年在《大空间空气环境参数检测方法及控制策略研究》文中研究说明如今在人类社会生活的各个领域,普遍存在着高度H≧10m,体积V≧10 000m3的大空间建筑物。这类“大空间”建筑,面积大、空间广、区域应用功能复杂、区域间无隔断、人员流动性大,相对于一般小型室内空间空气环境,大空间呈现出复杂性、模糊性、不确定性和变动性大的特点,对空调系统满足人体舒适性的条件下实现最大节能,提出了更新更高的要求。本文从分析环境因素对人体舒适性影响着手,得到大空间空气温度的变化是影响人体舒适性最主要的参数,大空间空气环境参数的检测主要是对空气温度的检测。并采用层次分析方法对大空间气流组织进行了优化选择,用计算液体力学(CFD)软件AIRPAK2.1对大空间分层空调夏季数值进行了模拟,得到大空间空调区域温度、速度场的分布规律,结合大空间分层空调送风口的个数,确定了大空间温度传感器的优化布置,并选择了单总线数字传感器DS1820来检测大空间空气温度的方法。本文还针对大空间空调系统复杂性、模糊性、不确定性和变动性大的特点,基于变风量空调系统的原理,采用风系统和冷冻水系统通过协调控制的控制策略,即将整个区分成若干个小区域,每个小区域大小按送风口所管控的空间区域划分,每个小区域采用独立的送回风装置,每个区域单独控制,整个大空间采用变静压变送风温度的控制策略。并基于舒适性指标PMV值,利用BP人工神经网络建立了大空间温度设定的模型,设定了网络训练样本数据。这对大空间空调系统设计具有现实的参考价值。
李小宇[5]2011年在《基于神经网络的VAV空调控制系统设计》文中研究指明由于能源危机和大量燃料燃烧过程对大气的污染,在空调方面如何节约能源,减少污染,日益引起世界各国的重视。面对目前提倡的开源节流问题,在没有开发出新的能源的前提下,还是以提高设备和系统的效能采用系统最优化运行的办法为主。因此,VAV(Variable Air Volume,变风量)空调系统就是以舒适性、节能性、灵活性而优于其它空调系统,逐渐成为空调系统的主流。但是,VAV(变风量)空调系统在国内的实际使用情况并不如预期得效果好,除了工程实施中的各方面原因,还有使用者的因素。另外,VAV系统具有多变量、强耦合、非线性、时变的特点,因此它的控制、运行和管理都比CAV(Constant Air Volume,定风量)系统难度大。本文以工程实例中的VAV项目为研究对象,采集了实际调试参数;针对目前工程中普遍存在的变风量系统难以稳定运行的现状,对VAV系统的耦合特性进行深入研究,并提出了基于神经网络解耦的VAV系统控制策略。本文首先从目前VAV空调系统常用的控制方式及原理出发,在了解其组成的基础上探讨了不同的VAV系统分类。对VAV空调系统有详尽的了解后,通过大量查阅资料及结合学习过的理论知识,决定针对VAV系统稳定性进行研究,它是VAV系统正常运行的必要条件。随后,根据VAV系统的机理特征,并采用非参数模型辨识方法确定末端部分的数学模型及参数。本文在传统多变量系统解耦方法的基础上提出了基于神经网络的多变量解耦控制策略,在解耦基础上进一步完成了神经元自适应PID控制器的设计,并利用传统PID控制算法的参数来确定控制器权值的初始值。最后,本文从工程实际出发,介绍了各类厂商的VAV末端控制系统,并根据工程实际提出了先采用某种DDC (Direct Digital Control,直接数字控制器)兼容的编程语言实现算法,然后编译封装成模块,并把神经网络的各个重要参数作为接口传送的方式,当然还需要和厂商继续探讨是否是一种切实可行具有未来市场的方式。
参考文献：
[1]. 变风量空调系统自适应神经元解耦控制与变静压协调控制[D]. 董阿妮. 西安建筑科技大学. 2004
[2]. 变风量空调系统末端部分基于自适应线性神经元的前馈解耦控制[D]. 许静. 西安建筑科技大学. 2003
[3]. 变风量空调系统协调控制[D]. 魏盼. 西安理工大学. 2010
[4]. 大空间空气环境参数检测方法及控制策略研究[D]. 蒋水合. 重庆大学. 2006
[5]. 基于神经网络的VAV空调控制系统设计[D]. 李小宇. 上海交通大学. 2011