（控制理论与控制工程专业论文）暖通空调优化控制技术研究.pdf

沈阳一【业大学硕十学位论文 摘要 随着暖通空调日益普及，暖通空调系统的能量消耗一般占整个建筑耗电量的5 0 以 上，但目前实际情况：绝大多数空调处在低效下运行，能源浪费严重。造成这种现象的 主要原因是由于空调系统一般都按最大负荷计算，同时对暖通空调非线性、时变性、大 滞后、大惯性系统采用定工作点和定控制器参数设计。 根据暖通空调非线性、时变性等特点，本文采用基于r b f 模糊神经网络的暖通空调 建模方法，使建立的暖通空调动念模型能适应工况环境的变化和干扰的作用，为暖通空 调的高级控制算法、系统优化提供了准确的模型；结合p m v 指标，利用b p 神经网络对 房间的最佳温度进行最佳设定，设定的最佳温度为暖通空调广义预测控制系统提供温度 期望轨迹；为了暖通空调能调节出满意的房间环境和节省能量的消耗，结合暖通空调强 非线性、时变性、大滞后、大惯性等特点，设计了基于r b f 模糊神经网络的暖通空调广 义预测控制器，利用r b f 模糊神经网络通过不断的反馈修正为在线优化控制器提供准确 的房间温度预测输出，为了减少广义预测控制的计算量，广义预测控制的在线优化采用 r b f 模糊神经网完成，它利用模型预测网络所提供的预测信息和所设定的目标函数，不 断的进行在线修正，以得到最佳暖通空调冷冻水调节阎的电压。 通过试验和仿真验证，基于r b f 模糊神经网络的建模算法可以对暖通空调准确建 模；选用的b p 神经网络对房间温度的最佳设定满足人体舒适度的要求；同时设计的模 糊神经网络广义预测控制系统能在工况环境变化、干扰作用等情况下，使被控房间的温 度快速准确跟踪b p 神经网络所设定的最佳房间温度，从而在调节出舒适房间温度的同 时，减少暖通空调能量的消耗。 关键词：暖通空调；b p 神经网络；p , b f 模糊神经网；预测控制 一 鎏里三些盔堂堡主堂笪堡壅 j _ 一一 s t u d y o no p t i m i z a t i o nc o n t r o lt e c h n i q u e s o f h e a t i n g v e n t i l a t i n g a i r c o n d i t i o n i n g a b s t r a c t w i t h g r a d u a lp o p u l a r i z a t i o n o f h e a t i n gv e n t i l a t i n g a i r c o n d i t i o n i n go v a c ) ，e n e r g y c o n s u m p t i o no fh v a cc o m m o n l yo c c u p i e sm o r et h a n5 0p e r c e n to f e n e r g yc o n s u m p t i o no f t h e w h o l e b u i l d i n g i nf a c t ，am a j o r i t yo f h v a cs y s t e m si n e f f i c i e n t l yf u n s ，a n dw a s t e s am a s so f e n e r g y - t h er e a s o no ft h ep h e n o m e n o ni st h a tl o a d so fh v a ca r ec a l c u l a t e da c c o r d i n gt ot h em o s tl o a d s ， a n di t a d o p t si n v a r i a b l ew o r k i n gp o i n ta n dp a r a m e t e r so fc o n t r o l l e rt o d e v i s et h ew h o l eh v a c s y s t e mi n c l u d i n gs o m e c h a r a c t e r so f n o n l i n e a r i t y 、t i m e v a r i e t y 、t i m e - d e l a y 、b i gi n e r t i aa n ds oo n a c c o r d i n gt oh v a c c h a r a c t e r so fn o n l i n e a r i t y 、t i m e - v a r i e t ya n ds oo n ，t h et h e s i sa d o p t s m e t h o db a s i n go nr a d i a lb a s i cf u n c t i o n ( m 3 f ) 呦n e u r a ln e t w o r kt ob u i l dd y n a m i cm o d e lo f h v a c t h ed y n a m i cm o d e lo fh v a cc a na d a p tt ov a r i e t yo fi m ne n v i r o n m e n ta n dd i s t u r b a n c e s a c t i o n ，a n ds a t i s f yd e m a n d so f h v a cc o n t r o la l g o r i t h ma n do p t i m i z a t i o no f h v a cs y s t e m t a k i n g i n t oa c c o u n tt h ep m v v a l u e ，u s i n gb pn e u r a ln e t w o r kd e s i g n so p t i m a lr o o mt e m p e r a t u r e ，t h e o p t i m a lt e m p e r a t u r eo f f e r sd e s i r e dt r a j e c t o r yo ft e m p e r a t u r et og e n e r a l i z e dp r e d i c t i v ec o n t r o lo f h v a c a c c o r d i n g t oc h a r a c t e r so f n o n l m e a r i t y 、t i m e - v a r i e t y 、l o n g t i m e - d e l a y 、b i gi n e r t i aa n d s o o n ，ag e n e r a l i z e dp r e d i c t i v ec o n t r o l l e rb a s i n go nr a d i a lb a s i cf u n c t i o n ( r b f ) f u z z yn e u m ln e t w o r ki s d e s i g n e d ar b ff u z z yn e u r a ln e t w o r ki sc o n t i n u o u s l yo n l i n er e v i s e di nt h ep r o c e s so fc o n t r o lt o o f f e ri n f o r m a t i o nt h a to n l i n er o l lo p t i m i z a t i o nn e e d s t h ec o n t r o l l e rf i n i s h i n gr o l lo p t i m i z a t i o ni s r e a l i z e db yr b ff u z z yn e u r a ln e t w o r kt or e d u c ec a l c u l a t i n g t h ec o n t r o l l e ro fr b f f u z z yn e u r a l n e t w o r kc a no b t a i no p t i m a lr u l eo f c o n t r o lb yo n - l i n eo p t i m i z a t i o nu s i n gs o m ei n f o r m a t i o nt h a tt h e p r e d i c t i v en e t w o r k o f f e r sa n db e f o r e h a n d d e s i g n i n gg o a lf u n c t i o n s i m u l a t i o n e x p e r i m e n tp r o v e s t h a t m o d e l i n gb a s i n g o nr b ff u z z yn e u r a ln e t w o r kc a r l a c c u r a t e l yo b t a i nt h ed y n a m i cm o d e lo f h v a c u s i n g b pn e u r a ln e t w o r kc a n d e s i g no p t i m a lr o o m t e m p e r a t u r es a t i s f y i n gr e q u i r e m e n t so fh u m a nb o d y a tt h es a n l et i m e ，t h et h e s i sd e s i g n st h e g e n e r a l i z e dp r e d i c t i v ec o n t r o l l e rb a s i n go nr b ff u z z yn e u r a ln e t w o r kt h a tc a nr e g u l a t ec o m f o r t a b l e r o o m t e m p e r a t u r ea n d r e d u c ee n e r g yc o n s u m p t i o n k e yw o r d s ：h v a c ；b p n e u r a ln e t w o r k ；r b f f u z z yn e u r a ln e t w o r k ；p r e d i c t i v ec o n t r 0 1 2 一 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名：拉甑翠一日期：丛一划! 一 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 ( 保密的论文在解密后应遵循此规定) 签名：盎缸毕导师签名：乞室址日期：型堕塑斗 些堕三些奎堂雯主丝堡茎 一一一 1 绪论 “课题的目的和意义 我国能源问题日益突出，在2 0 0 4 年6 月3 0 日国务院常务会议上，讨论并通过能 源中长期发展规划纲要( 2 0 0 4 2 0 2 0 年) ，强调要坚持把节约能源放在首位，实行全 面、严格的节约能源制度和措施，显著提高能源利用效率。建筑能耗已经达到国民经济 总能耗的3 0 - 一5 0 ，我国的建筑能耗到今年为止，达到社会总能耗的3 3 左右。所以在 2 0 0 4 年1 1 月2 5 日国家发改委发表的节能中长期专项规划中，确立建筑节能是其 中三大重点领域之一，提出新建筑节能必须达到5 0 的行业标准，在十一、五期间，对 居住和建筑节能的改造，使大城市节能达到2 0 ，中等城市达到1 5 ，小城市达到 1 0 。同时明确提出建筑节能是十一、五期间组织实施十项重点工程之。 随着生活水平的提高，空调系统的应用越来越普及，中央空调系统的能量消耗一般 占整个建筑耗能的5 0 0 , 6 以上。但目前实际情况是，空调系统是按满足用户最大需求而设 计，所有的空调系统长时间处在低负荷下运行 j 】。 据国内上海、武汉、北京、成都等及国外新加坡、日本千叶等城市实际调查，中央 空调系统长时间运行在设计负荷的4 0 一6 0 之间，且运行效率低，表现为系统在大流量 小温差运行、新风不足、冷凝水过多、过渡季节新风利用不好，造成能源浪费严重。 1 9 9 8 年上海技术监督局抽查1 0 幢智能商用大楼，仅2 幢处于较好运行状态田。2 0 0 2 年又对上海3 4 幢商场空调能量考核，结果大多在低效下运于亍。2 0 0 2 年武汉抽查的8 幢 楼，其最大负荷运行在6 7 。在新加坡，2 0 0 1 统计调查，中央空调能耗功效比都在 ( l2 1 5 k w t o n ) 之间，空调系统功效比理论最低可达0 6 2 k w 1 1 0 n 。 另一方面，人们在对很多的空调环境并不感到满意，新加坡国立大学在对现在新加 坡各商用和宾馆大楼暖通空调系统运行情况调查显示：有2 0 左右大楼二氧化碳超标， 8 左右甲醛超标，8 左右相对湿度过大，4 0 左右空间温度过冷。这些造成对人体健康 和工作效率的影响【2 】。 造成暖通空调耗能严重且空调环境并不满意这种现象的主要原因：是由于暖通空 调系统一般都按最大负荷计算，采用定工作点方式运行，而暖通空调系统在满负荷下运 沈阳t 业大学硕士学位论文 行的时间非常短，长时间是在轻载下运行。同时由于外部环境温湿度，阳光照度及内部 负荷变化，如果采用定工作点的控制方式，暖通空调的各传热环节的传热效率就会大大 降低，使系统在低效下运行，这些必将浪费大量的能量；二是暖通空调控制器设计不合 理，即由于空气处理机的热交换存在潜热交换的非线性环节，当负荷、湿度、送风压 力、冷冻水温度和压力发生变化时，按干空气线性系统设计控制器，使房问温度调节的 精度和调节过程难以满足要求，造成能源的浪费。 由于能源十分紧张，同时暖通空调的能耗在国民经济总能耗中所占比重越来越大， 所以开发中央空调系统的优化控制技术，使中央空调系统在不同负荷下、不同工况条件 下，都能以最佳效率运行，并且达到最好的控制效果，是非常迫切的并且具有非常广阔 的应用前景 因此，结合辽宁省教育厅暖通空调优化控制及软件开发项目，本文根据暖通空调耗 能严重且空调环境并不满意这一现象及原因，首先对暖通空调空气处理部分进行动态建 模，以使得暖通空调系统可以采用更高级的控制算法和合理的优化策略来减少能量的消 耗。然后对被调房间的温度进行最佳设定，以改变现有暖通空调系统采用定工作点工作 的不足。最后设计合理的暖通空调温度控制器，使暖通空调控制系统调节的房间温度可 以准确快速的跟踪最佳设定温度轨迹，从而调节出舒适的房间环境，减少暖通空调系统 能量的消耗。 1 2 暖通空调控制技术发展现状 暖通空调的能耗在智能建筑中占有很大的比重，无论是利用定送风量、定温度和定 压力的c a v 系统，还是变风量v a v 系统，在变负荷条件下暖通空调控制效果都不是很 理想，导致消耗大量的能量，所以对暖通空调控制系统的研究成为了研究的热点。 a s t r o ma n dh a g g l u n d 在1 9 8 4 年首先把基于继电器反馈的自适应p i d 控制系统应 用于暖通空调控制系统中【3 】。由于空气处理单元中送风管道引起的纯滞后和被控房间热 交换的纯滞后和大惯性，这些使得p i d 参数的调整需要更多的时间。p i d 控制的调节时 间过长，会使制冷机组、空调长时间运行及系统冷热量相互抵消，势必造成能源消耗。 2 沈阳t 业大学硕士学位沧文 b r a n d t 和n e s l e r 在1 9 8 6 年都将自适应控制引入暖通空调控制中【4 _ 封；p i n n e l l a 在 1 9 8 6 年用自适应数字积分控制器对暖同空调进行控制嘲。由于不能精确的建立暖通空调 模型及不能克服暖通空调大滞后，大惯性带来的影响，所以控制效果并不满意。 l i ne t a ：c c h a n ge ta ；m z h a n g d p a t h e r t o n ；k k t a n e la 1 分别在1 9 9 3 ，1 9 9 4 ，1 9 9 4 ，2 0 0 0 年对空气处理单元进行多回路的p i d 控制【7 。0 1 。对空调 系统的诸多的强干扰给予了很好的抑制，但对空气处理单元和被控房间的准确建模型相 当困难，所以不能准确、合理的确定控制器的参数。 k r a k o we ta t 在1 9 9 5 年对暖通空调各组成部分进行了分析并设计了p i 控制器1 。 但是对暖通空调组成部分的精确分析是很困难的，所以很难得到好的控制效果。 a l b e r tt p s o 在1 9 9 5 年将一个3 层前向网络一b p 算法用作中央暖通空调系统的控 制器【1 2 1 ；c u r t i s sps 在1 9 9 6 年用神经网络辅助p i d 控制【1 3 1 ；0 s m a na h m e d 也在1 9 9 6 年用广义回归神经网( 6 r n n ) 辨识与控制中央暖通空调系统，个g r n n 即作辨识器又 作前项控制器，一个g r n n 作反馈控制器，两个g r n n 组合成反馈辨识控制器 1 4 】；李平康 在1 9 9 9 年用单个神经元的控制器控制新风机组的风温【1 5 】。利用神经网络的强学习能力 很好的解决了空气处理单元被控对象复杂，能够较准确的建立出被控对象的模型，但出 于被控对象的大惯性和大滞后，在外部的干扰下不能对房问温度进行及时的调解。 s e e mje 在1 9 9 8 年把单环p i d 控制应用于暖通空调【1 6 】。由于其结构简单，很容易 被理解和应用，所以很快被应用于实践，由于其需要一个有效的辨识过程和p i d 参数调整 的过程，所以其控制是一个耗时、耗能的过程。 b ia n dc a ie ta 在2 0 0 0 年把基于最小二乘法辩识、极点配置的自适应p i d 控 制应用到对于空气处理单元的控制当中【1 7 】。但其应用的前提是只能假设系统是干空气的 热交换的线性系统，直接影响了控制的效果。 w a n ge ta 1 在2 0 0 1 年；s o n gs i h a i 在2 0 0 2 年将基于继电反馈的自适应p i d 控制器 应用对暖通空调的控制。他们对暖通空调的模型结构进行了主观假设，这影响了控制的 效果，使控制的效果变差。 马丙场、倪国宗在2 0 0 3 年把参数自调整模糊控制器应用于暖通空调的控制器中， s h u a n g 和r m n e l s o n 也将p f c ( p i d 和模糊控制相结合) 介绍进暖通空调控制领域并 3 沈阳工业大学硕士学位论文 针对单元的二阶传函进行了仿真。但被控参数会有大的超调和波动，控制效果不是很理 想【1 8 。 由于暖通空调所存在的强非线性、时变性、大惯性、大滞后、强干扰等特性，要对 其准确控制，获得好的控制效果，从而达到调节舒适房间温度，节省能量的目的是很困 难的任务。结合暖通空调模型的复杂、诸多外界干扰及工况环境的不断变化等特点，把 智能控制应用于暖通空调的控制系统中成为了人们研究的热点。由于模糊控制对被控对 象模型要求不高，而神经网络的强学习性则能适应外界的强干扰及工况环境的不断变 化，所以未来的暖通空调控制必将向着智能控制的方向发展。 1 3 课题的主要任务和研究方法 本文在广泛查阅资料和调研基础上，对暖通空调工艺及其特性进行了充分的了解， 回顾了暖通空调控制发展过程及各自的特点，在此基础上，利用砒强模糊神经网络对 暖通空调空气处理部分进行动态建模，由于狐模糊神经网络的强学习能力和快速局 部收敛特性，可以使建立的基于r b f 模糊神经网络的暖通空调空气处理部分的模型适 应于各种工况的变化和干扰的作用 1 9 。2 ”。同时把广义预测控制与砌弭模糊神经网络相 结合，来控制具有非线性、时变性、强干扰、大暌性和大滞后等特性的暖通空调系统。 这是根据广义预测控制对被控对象模型的要求不高，且可以利用现在的控制变量使未来 系统的输出准确跟踪期望轨迹的特性 m ”，将砌弹模糊神经网络与广义预测控制相结 合来控制暖通空调，有效地抑制了由于暖通空调大滞后和强干扰等特性带来的对暖通空 调控制效果不利的影响。使暖通空调系统调节出的房间温度快速准确的跟踪所设定的最 佳房间温度。 本文主要任务和研究方法是： ( 1 ) 研究暖通空调的工艺过程及关键设备的动静态特性，结合其特点，建立了基于 r b f 模糊神经网络的暖通空调的空气处理部分的数学模型； ( 2 ) 根据暖通空调控制系统的发展趋势和空气处理部分的热交换物理特性，提出了 基于强模糊神经网络的暖通空调广义预测控制方法，实现了温度的最佳控制和节 能： 4 沈阳工业大学硕士学位论文 ( 3 ) 结合p m v 人体舒适性指标，利用神经网络对房间温度进行了最佳设定，从而获 得满意的房间环境； ( 4 ) 对暖通空调在各种工况条件下进行了建模和控制的实际验证和仿真研究。 5 鲨堕三些查堂堡主兰堡鲨苎 2 暖通空调系统 2 1 暖通空调整体工艺 图2 1 暖通空调系统 图2 1 为暖通空调系统的整体工艺图，暖通空调工作原理就是制冷剂在制冷机组 的蒸发器中与冷冻水进行热量的交换而汽化，从而使冷冻水的温度降低，然后，被汽 化的制冷剂在压缩机作用下，变成高温高压气体，流经制冷机组的冷凝器时被来自冷 却塔的冷却水冷却，又从气体变成了低温低压的液体，同时被降温的冷冻水经冷冻水 水泵送到空气处理单元的热交换器中，与混风进行冷热交换形成冷风源，通过送风管 道送入被调房间。如此循环，在夏季，房间的热量就被冷却水所带走，在流经冷却塔 时释放到空气中凹】。 本课题主要研究控制暖通空调系统的空气处理部分，主要涉及供水系统和空气处理 单元。 2 2 暖通空调供水系统 常用的冷冻水( 水为载冷剂) 系统的冷冻水管道均为循环式系统，根据用户的需求情 况的不同，按水压特性划分，可分为闭式系统和开式系统两种；按冷、热水管道的设置 6 鎏圈三些查堂堡主堂堡垒苎 _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ 方式划分，可分为双管制系统、三管制系统、四管制系统；按各末端设备的水流程划 分，可分为同程式和异程式系统；按水量划分，可分为定水量和变水量系统。变流量系 统中的原则是的供、回水温度保持不变，建筑物负荷变化时，通过改变供、回水的流量 来适应，该水系统输送的水流量要与建筑物需求相适宜【2 5 拍1 。典型的冷冻水分布系统如 图2 2 ，根据房间负荷，通过调节调节阀的开度来改变冷冻水的流量，从而调节房间温 度。 圈2 2 典型的暖通空调冷冻水分布系统 随着现代控制技术和电子技术的发展，自动控制设备的造价不断的下降，变流量系 统可以使系统全年以定温差、变流量的方式运行，尽量节约冷冻水泵的能耗，使得其 得以越来越广泛的应用。目前，通常所说的变流量系统是指在水路系统的空调末端使用 二通阀的系统，是与水路系统的空调末端使用三通阀的定流量系统相对而苦的，所谓变 流量与定流量均是指送冷冻水的水路系统的流量，而不是通过末端的流量，通过末端的 流量变流量与定流量均是变化的。变流量系统的目的是要冷源输出的流量所载的冷量与 经常变化的末端所需的冷量相匹配，从而节约冷量的输送动力和冷源的运行费用。由于 目前大多数冷水机组的水流量要求匿定，所以变流量系统实际上是供冷( 水) 量与需冷( 水) 量相对匹配的。即供冷( 水) 量只能随冷水机组的运行台数的不同产生变化。由于空调系 统大部分时间都处于设计负荷的6 0 以下运行，且负荷随着时间在不断地变化，为了使 冷水所载的冷量与经常变化的负荷相匹配，从而节约冷量输送动力和冷源的运行费用， 采用变冷水流量控制便成了理所当然的做法阿。 变流量系统根据其组成装置不同，又可分为“相对的变流量系统”，即冷量制备环 路是定流量，而冷量输送环路是变流量的；和“真正的变流量系统”，即冷水机组蒸发 7 婆堕三些查堂堡兰垡笙苎 器变流量系统，流过蒸发器的水量由负荷端的需求来确定，后者能够充分发挥变流量系 统的节能潜力。 变流量冷水系统的基本理论是以热力学第一定律为基础： q = w c 出k w ( 2 1 ) 式中： q 一系统冷负荷k w ； 一水泵流量片形； c 一水得比热眵磊； 址一冷水供回水温差。 当系统负荷发生变化时，按热力学第一定律可以通过改变冷水流量、改变供回水 温差t 或者同时改变流量和供回水温差来适应系统负荷的变化2 0 1 。 2 3 暖通空调空气处理单元 在暖通空调空气处理单元中，首先是新风与部分回风混合，形成混风，混风经过热 变换器与冷冻水进行热交换形成送风，在冬天，混风吸收能量温度提高，在夏天，混风 温度降低，送风在风机的作用下经过送风管道进入房间，与房间内的空气进行热量的传 递，最终调节房间的温度到达所需要的设定点。房间内的气体在排风机的作用下被排 出，形成回风。部分的回风排出室外，部分回风与新风混合重复上述过程，空气处理单 元结构如图2 3 ： 湿 回风 图2 , 3 暖通空调空气处理单元 - 8 沈阳r 业大学硕士学位论文 混肛l 和冷冻水的热交换是在空气处理单元的热交换器中进行的，热交换器是暖通空 调系统空气处理单元中的重要部分，热交换器的工况处于部分负荷下时，并非与设计工 况相同，而实际使用过程中，热交换器绝大多数时间是在非设计工况，因此，应了解热 交换器的特点阱- 2 9 1 。 闰2 4 盘管处理空气流程示意图 图2 4 为盘管示意图，其中水的初、终温度为t w l 、t w 2 ( c ) ，水流量为w ( k g h ) 空气 的初终状态分别为：l ( ) ，h f f k j k g ) ，t 2 ( 九h 2 ( k j k g ) ，空气流量g ( k g h ) 。 假设： ( 1 ) 空气的空气的流量g 不变； ( 2 ) 进水温度t w l 不变； ( 3 ) 出，| ) c l 参数t 2 、1 1 2 不变。 根据传热学及空气特性有如下方程： q = g c 。善( t 1 一t 2 ) q = w ( t 。2 一t 。i ) q = k x f l ( t l + t2 ) 一( t 。l + t 。2 ) 】 其中： 其中 k ：f ! + l 1 l p v ，“孝“s w 。j 9 ( 2 2 ) ( 2 3 ) ( 2 4 ) 沈阳工业大学硕士学位沦文 q q 2 爵 旦 j 式中：q ，q 。一盘管瞬时制冷量及设计状态下的制冷量； w w m 一盘管瞬时制冷量及设计状态下制冷量时对应的水流量； c 。，c 一空气和水的比热( 岁毛) ； k - 盘管的传热系数( 黟幺) ； v ，一盘管迎风面速度( 1 ) ； p 、m 、n 、r 、s 一试验系数指数： 善- - 盘管瞬时析湿系数； q 一盘管相对制冷量； g 盘管相对流量。 解上述方程可得： 驴可巧忑碡瓢鬻 a = p v ? 善o f g c 。善 ( 2 5 ) l c = 2 ( t 2 一t 。1 ) 由式( 2 5 ) 可知：热交换器的制冷量与冷冻水供水量的关系不是呈线形关系。所以 可知非设计工况下热交换器的工况特性并非是线性的。 一l o 、1 虾 可 警一 峙 沈阳工业大学硕士学位论文 2 4 小结 本文所研究的暖通空调对象动态建模主要是指对暖通空调空气处理部分的动态建 模，模型主要包括空气处理单元和被控房间；所说的暖通空调控制主要是指通过改变冷 冻水调节阀的电压来改变冷冻水流量，进而改变混风温度来实现房间温度的控制。影响 控制效果的主要因素有冷冻水温度、露点温度、新风与回风的混风温度和湿度、送风 量、房间负荷等因素。当混合空气经过热交换器时，由于低于露点温度而造成热交换系 统的非线性关系，特别是当相对湿度较大时；另一方面热交换过程存在温度显热和潜热 两部分及冷热源的不同，这造成温度上升和下降的特性不同，也存在非线性环节。空气 处理单元和被控房间是通过长长的送风管道相联，导致了暖通空调的纯滞后和大惯性。 管道的长期使用造成管道阻力变化这部分存在时变环节。外加一些强的干扰，例如盘管 中冷热水流量、压力变化及水温波动，还有日照、室外气温、外部空气侵入以及新风 温度变化，被调房间内人员的频繁进出、房间内部各种耗能发热设备的使用等等。综上 可知，暖通空调具有强非线性、时变性、大滞后、大惯性和强干扰等特点。由于这些特 性的存在，决定了暖通空调动态建模和暖通空调控制的难度，导致了大部分暖通空调控 制系统控制的房间舒适度不够，同时还消耗大量的能量。因此，为了得到满意的房问环 境，并减少能量的消耗，研究新的适合暖通空调系统的优化控制方法变的尤为重要。 沈阳f ：业大学硕士学位论文 3 暖通空调建模与优化控制预备知识 暖通空调的工况环境不断变化且受干扰的影响，混风和冷冻水在热交换器中的热交 换具有非线性，送风管道风阻变化使暖通空调具有时变性，所以本文依靠r b f 模糊神 经网的强学习能力和局部快速收敛的特性对暖通空调进行动态建模。而对于暖通空调的 控制，由于送风管道的作用，暖通空调系统具有大的惯性和滞后性，而广义预测控制是 利用控制域内的控制量使在预测域内的输出快速准确的跟踪设定的最佳轨迹，可以克服 暖通空调由于大的滞后而带来的对控制效果不利的影响。对于广义预测控制中所需要的 预测模型，则是由所建立的暖通空调的动态模型通过反复迭代完成。这样所设计的暖通 空调广义预测控制即可以克服由于滞后所来带的不利影响，同时还抑制了干扰对暖通空 调控制的影响。所以本章首先介绍r b f 模糊神经网络，然后对广义预测控制进行详细 描述。 3 1r b f 模糊神经网络 模糊神经网络是一种新型的神经网络，它是在网络中引入模糊算法或模糊权系数的 神经网络。模糊神经网络的特点在于把模糊逻辑方法和神经网络方法结合在一起。模糊 神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能 力于一体的新技术，它是模糊逻辑推理与神经网络有机结合的产物。一般来讲，模糊神 经网络主要是指利用神经网络结构来思想模糊逻辑推理，从而使传统神经网络中没有明 确物理含义的权值被赋予了模糊逻辑中推理参数的物理含义d o - 3 2 1 。 3 1 1r b f 神经网络 r b f 是一种将输入矢量扩展或者预处理到高维空间中的神经网络学习方法，其结 构十分类似于多层感知器( m l p ) ，如图3 1 所示。r b f 网络与b p 网络不同，它是一种 局部逼近网络，其特点是：对于输入空间的某个局部区域，只有少数几个连接权影响网 络输出，从而使局部逼近网络具有学习速度快的优点。已经证明了r b f 网络可在任意 精度下逼近任意的非线性函数，且不存在局部最小问题。r b f 网络的理论基础是函数逼 近，它用一个二层的前向网络去逼近任意函数。 1 2 沈阳工业大学硕士学位论文 x 1 x 2 圈3 1 r b f 神经网络 r b f 网络输入的数目等效于所研究问题的独立变量数目，中间层与输入完全连接 ( 权值= 1 ) ，中间层节点选取基函数作为转移函数进行变换，输出层的节点是线性组合 器。 r b f 网络第i 个隐层节点的输出为： q ，= o ( | | x c ，p )( 3 1 ) 式中：卜表示欧式范数； x 一表示n 维输入向量； c 。一表示第i 个隐层节点的中心，= l ，2 ，3 ，。； p - 一表示宽度，是正数； 中( ) 一表示r b f 函数，具有局部感受的特性，它有多种形式，体现了r b f 网络 的非线性映射能力。 网络输出层第k 个节点的输出，为隐层节点输出的线性组合： 敢( 鹕z ) = w k ，q ，一酢( 3 2 ) 式中：w k i - - 表示g ，n y 。的连接权； 吼一表示第k 个输出节点的阀值。 3 1 2r b f 模糊神经网络结构 考虑如下被控对象： y 1 = f ( x 1 ，x 2 ，x 。) 1 3 沈阳t 业大学硕士学位论文 式中：x i 和儿分别为对象的输入和输出，i = 1 ，2 ，n ；j 2 1 ，2 ，m ，n 为输入变量数，m 为 输出变量数。 设有l 个模糊规则，则该对象可模糊化为模糊系统： r 1 ：如果z l 为f i l ，且x 2 为e 2 ，且x 。为只。，那么，y l 为g y 2 为 g 1 2 ，y m 为g i m ； r 。：如果一为f l l ，且x 2 为吒2 ，且x 。为吃，那么，y i 为g l i , y 2 为 g l 2 , y m 为g l 其中：f 和g 为模糊集合； x 。和y 均为语言变量。 根据模糊规则，可构造r b f 模糊神经网络如图3 2 所示。此模糊神经网络为一个四 层网络，分别为输入层、隶属函数层、推理层及反模糊化层。 隶属函数采用 图3 2 r b f 模糊神经网络 l = e x p 一( 立) 2 】，l f ”，1 r l ( 3 4 ) p 推理层各结点的输出分别为该结点所有输入的代数乘积。 _ = t i l t 2 r ，- ，t 。，= 兀。 1 4 沈阳t 业大学硕士学位论文 刮一喜( 等) 2 】 最终的反模糊化输a n ： y j = w 1 】石1 + w 2 j 石2 + _ + w u 万l 1 j i t l ( 3 5 ) ( 3 6 ) 用s t o n e w e i r s t r a s s 定理可证明r b f 模糊神经网络具有全局逼近性质，可以逼近任 何函数1 3 3 舶l 。 3 1 3r b f 模糊神经网络建立 在基于规则的r b f 模糊神经网络中，一个重要的问题就是如何建立r b f 模糊神经 网络，包括模糊规则数r ，及参数c 、p 和输出层权值w 基本方法是将整个过程分为 两步：第一步先从输入输出数据对中建立一个初始的模糊规则库确定隶属函数层的 规则数r ，参数c 、p ；第二步再对w 参数进行调整。通过样本，得到全部聚类中心 值。由于聚类点集合覆盖了输入x 的全部取值区间，则任意一个数据对( x ，y ) ，其必 然归于一个聚类。 ( 1 ) 隶属函数层参数确定：通过输入样本进行聚类，确定隶属函数层的节点数和 参数c 、p 。一般用k 均值聚类算法调整中心，以聚类最小距离为指标，将输入数据集分 解为成几类，给出k 个中心。算法步骤为： 1 ) 选择初始中心c 。( o ) ，1 兰i m ，给出初始学习率a ( 0 ) 2 ) 计算距离( 欧式距离) ： d ，( t ) = l | x o ) 一c ，( f - 1 ) l l 1 i m ( 3 7 ) 3 ) 求最小距离的节点 d m m ( f ) = r a i n d 。( ，) = d ，( f )( 3 8 ) 4 ) 更新中心 c u ) = c ，( t 一1 )l s i m ，i r( 3 9 ) e ，( f ) = c r o 一1 ) + 口( f ) 【x ( f ) 一c r o 一1 ) 】 i = r ( 3 1 0 ) 5 ) 从新计算第，节点的距离 d ，( ，) 爿| x ( t ) 一c ，( f ) ij( 3 1 1 ) 1 5 沈阳工业大学硕士学位论文 6 ) 修正学习率 a ( ，+ 1 ) ：型尘可 ( 3 t 2 ) 1 + i n t 】乃 式中：i n t 表示取整数。 7 ) t = t + l ，返回2 ) 。 p 的确定常常依赖于经验得到。 通过上述方法确定隶属层节点数和参数，然后对输出层权植进行确定 ( 2 ) 输出层权值w 确定：当隶属层参数确定后，利用学习样本确定w 。 给定输入输出样本，即导师信号：( x p l ，”p 2 ，x ，d 妒d p 2 ，d ”) ，p = 1 ， 2 ，1 。神经网络在第p 组样本输入下的输出为：0 r p l , y p 2 ，y p m ) 则： e ，( r ) = l ld ，一y p ( 圳l ：2 = 去一_ y ，( r ) 九d ，- y ，( r ) ( 3 1 3 ) 考虑目标函数： ，( r ) = e p ( r ) = 。 j ，一y p ( f ) 7 d ，- y p ( f ) ( 3 1 4 ) 则用于权值调整的自适应学习算法为： w 水+ 1 ) = w l j ( 沪叩鬻，1 j - m , 1 娜l 0 1 5 ) ”d ( 川) 2 ( 7 ) 一叩蒜，1 。s 5 ) 当，f ，算法结束。 通过上面描述方法可以建立r b f 模糊神经网络，在某些隋况下，可以选择适当的 学习方法对自身结构参数进行修正，使其更加准确的完成所要实现的任务。 3 2 广义预测控制基本原理 广义预测控制对模型的要求简单，且适应于非线性、时变形和带有滞后的自适应过 程控制。广义预测控制原理图如3 3 所示，建立在下述三项基本原理上，即：预测控 制、滚动优化、反馈校正。 1 6 沈阳t 业大学烦士学位论文 图3 3 厂义预测控制系统 模型预测利用历史的控制量和系统输出来预测未来系统的输出，把预测到未来的信 息提供给优化控制器，优化控制器利用此信息和选定的优化方法对给定的同标函数进行 合理的优化，从而确定使目标函数为最小时的控制量值，得到系统合理的控制规律，使 被控对象的输出很好的跟踪设定的期望输出。在广义预测控制基本算法介绍中，采用最 小方差控制中所用的受控自回归积分滑动平均模型来描述受到随机干扰的对象 3 7 - 3 8 l 。 3 2 1 广义预测控制模型预测输出 预测模型是广义预测控制的基础，它的功能是根据对象的历史信息来预测其未来输 出。假设数学模型描述如下： a ( z 。) y ( f ) = b ( z 。) “o 一1 ) + c ( z 1 ) 孝( f ) ( 3 1 6 ) 式中，y ( t ) 为对象输入，u ( t ) 为控制输入， 孝( r ) ) 是互不相关的零均值噪声序列， 2 。为后移算子，n a = l z 。1 为差分算子，a ( z 。) ，b ( 2 _ 。) ，和a ( z “) 是后移算子z 。的多 项式。 a ( z q l = l + a 1 2 一+ - + q n 0 2 一m b ( z _ 1 ) = b o + 6 i z 一1 + + 6 z m c ( z - 1 ) = c o + c 1 2 叫+ 。+ c h 。z 基于多项式b ( z 。1 ) 的若干首相元素b o , b - ，可以是零，b o 表示对象相应的时滞 数，为了简单起见，一般假设c ( z 。) = 1 ，这样，被控对象模型为： 一( z “) y ( f ) = b ( z 1 ) “0 1 ) + 4 ：( t ) a( 3 1 7 ) 1 7 些堕三些查堂堡鲎垡堡苎一 在g p c 中，采用最小方差优化控制，即控制器设计所基于的目标函数为： ，。：e 兰 o + ，) 一w o + ，) z + 兰五( ，) 【o + ，一1 ) z ( 3 1 8 ) ，。= e ( h ，) 一w ( h 川2 + 五( 川( h ，一1 ) 2 ( 3 l ，= l j = lj 其中，w p + ，) 是输出跟踪序列，由下式产生： 馏嚣竺a w ( t + j 甘1 ( 1 一a ) y 心) 川，2 ，尸( 3 1 9 ) 1 w ( f + ) =+ 一) + ( 一，o ) 。 。 、 。 其中，”( f ) 是输出设定值，y p + j ) 是对y ( ) 的向前，步预测，a 【0 , 1 】称为柔化 因子，n 的取值应包含受当前控制影响的所有时间区间，一般可取为系统的上升时问， 一般取为1 ，但当系统含有时滞系统，为减少计算量，可选为n ， c t 。所以设 n = n ：一n 。为最大预测时域，虬为控制时域，五( ，) 是控制的加权序列，为推导简 单，设 ( ，) 为常数z ，图3 4 反映了和。之间的关系。 l y ， 、? 彳 lll t + l t + n t + 厂一 “、 图3 4j - 义预测控制n 、n 。问荚系 由式( 3 1 6 ) 可见，要想得到使其最小的控制u ，必然要对被控对象的未来输出进行 准确的预测。为了得到系统的向前，步预测，考虑如下d i o p h a n t i n e 方程： 1 = e s ( z _ 。) a ( z 叫) + z - s f ，( z _ 1 ) ( 3 2 0 ) e 如。1 ) b ( z 1 ) = g ( z 1 ) + , z - j h ，( z 。)( 3 2 1 ) 其中e ，f ，是由模型参数爿( z 。1 ) 和预测长度所唯一确定的多项式： 1 8 沈阳工业大学硕士学位论文 e ，( z 一1 ) = p o + p i z 一1 + - + p ) - 1