长安大学 陕西西安 710000
摘要：为了研究空调系统的优化控制问题，提高空调房间的舒适性，谈论了优化控制的几种预测算法。文中就暖通空调系统中使用的BP神经网络算法、模糊控制算法和遗传算法进行了论述,阐述了这几种方法的特点。
关键词：空调系统 优化 预测算法
引言
智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。智能控制是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。随着智能建筑的快速发展,空调自动化控制系统的控制精度也在不断地提高，智能控制的应用领域也将不断拓展，理论和技术也必将得到不断的发展和完善。国内外学者提出了许多预测方法,包括粒子群算法、模糊控制算法、遗传算法、以及BP神经网络算法等.本文主要讨论BP神经网络法、模糊控制算法和遗传算法等的优缺点，如何将他们在空调领域得到更好的应用。
1.人工神经网络算法
BP神经网络是一种按误差逆传播算法训练的多层前馈网络。BP神经网络能学习和存贮大量的输入—输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小，它通过多个样本的反复训练,并采用最速下降法使得权值沿着误差函数负梯度方向改变,并收敛于最小点。
刘玮等人自己设计了一个7个输入层以及 1个输出层BP神经网络，对空调系统进行冷负荷预测是对冰蓄冷系统进行优化。经过对各种预测方法的结果比较 ,人们发现人工神经网络预测的结果更接近实际值。
李冬辉等人应用该算法对空调系统传感器故障进行诊断，针对BP算法存在的收敛速度慢以及容易陷入局部极小点等问题，运用Matlab仿真,结果证明了改进的BP算法可以改变这种缺陷。
赵博等人建立了更加科学的室内热舒适的BP神经网络评判模型,以某个体对不同环境的环境温度、风速、相对湿度、平均辐射温度，这4个主要影响因素作为教师对神经网络的权值进行修正,得出人员的热舒适感觉PMV。
BP神经网络算法的优点:（1）具有全局性、并行性、快速性等特点；（2）其学习能力及非线性拟合能力可有效处理复杂非线性系统的归类评价问题。
BP神经网络存的缺点: (l) 学习速度很慢；(2)网络训练失败的可能性很大；(3)容易陷人局部极小点而得不到最优结果；(4)网络隐层节点数的选择无理论指导(5) BP网络对初始值很敏感，同一BP网络不同的初始值会使网络的收敛速度差异很大；(6）训练过程中学习新样本时有遗忘旧样本的趋势。
2.模糊控制算法
模糊控制实质上是一种非线性控制，它以模糊集合论、模糊语言变量和模糊逻辑推理为基础，同时采用具有以知识表示的非数学广义世界模型和数学公式模型混合表示的控制过程，它以知识进行推理，以启发搜索来引导求解。
闫向勇搭在实际搭建的系统平台上进行了实验测试，模糊PID控制具有较好的动态响应特性和稳态特性,具有较强抗干扰能力和较好的鲁棒性,能够满足热分析仪温度控制系统的大范围温度控制精度的要求。
期刊文章分类查询,尽在期刊图书馆
杨帆等人以药厂净化空调监控系统为研究对象,设计了基于模糊控制和PID控制相结合的模糊PID控制算法,通过模糊规则进行模糊推理,查询模糊矩阵表进行参数自整定,从而实时调整PID各项参数,达到对系统的精确控制。
王亚峰对于相同的室温控制对象,分别施加专家PID控制和模糊分数阶PID控制,且对控制效果进行数值仿真和分析比较，提出的模糊分数阶PID控制器无论在超调量、控制精度,都有较为明显的优势。
模糊控制算法的优点：（1）具有推理过程容易理解、专家知识利用较好、对样本的要求较低等优点；（2）无须知道被控系统的数学模型。
模糊控制算法的缺点：（1）数学法强调极值作用,信息损失多,权重赋值上具有较大的主观随意性；（2）存在人工干预多、推理速度慢、精度较低等缺点，很难实现自适应学习的功能。
3.遗传算法
遗传算法由Holland教授创立，它的机制是模仿一切生命与智慧的产生与进化过程。通过模拟达尔文的“优胜劣汰，适者生存”原理，激励好的结构，通过模拟孟德尔遗传变异理论在迭代过程中保持已有的结构，同时寻找更好的结构。遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的求解有很强的鲁棒性，所以遗传算法在函数和组合优化、生产调度、自动控制、智能控制、机器学习、数据挖掘、图像处理以及人工生命等领域得到了成功而广泛的应用。
高维成等人为解决传感器优化问题，采用遗传算法优化布置，并与QR分解得到的结果进行对比，发现遗传算法比QR分解法优异。
赵廷法等人利用遗传算法对VAV中央空调系统进行寻优，并对其进行分析与验证。
遗传算法的优点：(1）与问题领域无关切快速随机的搜索能力；（2）搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较；（3）搜索使用评价函数启发，过程简单；（4）使用概率机制进行迭代，具有随机性；（5）具有可扩展性，容易与其他算法结合。
遗传算法的缺点：（1）遗传算法的编程实现比较复杂；(2)另外三个算子的实现也有许多参数；(3)没有能够及时利用网络的反馈信息,故搜索速度比较慢；(4)算法对初始种群的选择有一定的依赖性。
总结
作为新兴学科，无论是BP神经网络算法、模糊算法，还是遗传算法。他们之间可以优势互补，共同推进科学研究的进步。
遗传算法和BP神经网络算法结合，先利用遗传算法进行全局寻优，利用BP神经网络进行局部寻优，可以加快收敛速度，提高预测结果的准确性；模糊控制与神经网络结合，利用神经网络自学习能力强的特点，据此设计模糊神经网络控制器，BP神经网络对样本的要求高，模糊控制对样本的要求低；遗传算法和模糊控制算法结合，采用遗传算法优化隶属函数实现模糊控制器优化设计的方法 ,模糊控制器具有良好的动、静态性能和较好的节能效果，降低控制系统的成本 ,提高整个系统的运行效率和可靠性。
将三种方法中两两结合，可以取长补短，更好地预测空调系统控制参数。
参考文献
[1] 刘玮,王智伟,袁照旺,崔舒.人工神经网络在商场建筑物冷负荷预测中的应用[J].建筑科学与工程学报,2004,(04):58-61.
[2] 李冬辉,徐津津. 基于改进BP神经网络的空调系统传感器故障诊断[J]. 低压电器,2005,(12):24-26.
[3] 赵博,连之伟,周湘江.基于神经网络的室内热舒适评判模型[J].哈尔滨工业大学学报,2003,35(12):1436-1438.
[4] 闫向勇. 基于ARM的模糊PID温度控制系统的研究与实现[D].内蒙古工业大学,2009.
[5] 杨帆,陈茂林,马新文,张皓.基于模糊PID算法的净化空调监控系统[J].华中科技大学学报,2014,42(01):120-123.
[6] 王亚峰. 空调房间温度模糊分数阶PID控制器设计及其性能分析[D].兰州理工大学,2014.
[7] 高维成,徐敏建,刘伟.基于遗传算法的传感器优化布置[J].哈尔滨工业大学学报,2008,(01):9-11+84.
[8] 赵廷法,王瑞华,王普.遗传算法在VAV中央空调优化控制中的应用[J].控制工程,2009,16(S2):110-113+116.
作者简介：牛绒（1990.06—）女，陕西省渭南市人，在读硕士，专业：供热、供燃气、通风及空调工程。
论文作者:牛绒
论文发表刊物:《建筑科技》2017年第12期
论文发表时间:2017/12/12
标签：算法论文; 神经网络论文; 模糊论文; 空调系统论文; 等人论文; 样本论文; 网络论文; 《建筑科技》2017年第12期论文;