（检测技术与自动化装置专业论文）基于神经网络的hvac空调子系统模型辨识及控制优化.pdf

上海大学工学硕士学位论文 摘要 智能建筑的快速发展对建筑设备监控系统( b a s ) 的控制性能提出了越来越高的要求。 h v a c 系统是b a s 的重要组成部分，目前国内集中供热、供冷的中央空调系统的控制效果 远远没有达到最佳状态，普遍存在着控制精度差、阀门振荡幅度大等缺点，使设备的能耗 增大、使用寿命降低。 h v a c 系统是一个复杂的热力非线性系统，具有输入变量多、所受干扰大、对象的参 数易于变化且难以确定的特点。我们曾经通过现代辨识技术获取了空调子系统的数学模型， 但在数据的预处理阶段要去除干扰变量引起的变化趋势比较困难，且随着被控对象条件变 化，它的鲁棒性可能减弱。神经网络方法很容易解决多变量输入的问题，因而可以方便地 把影响过程的诸量作为神经网络的输入，从而简化信号处理的工作。本文在简要介绍了神 经网络系统辨识的基本原理的基础上，分析了神经网络在系统辨识中的应用，将一种基于 r b f 神经网络的系统辨识方法用于h v a c 空调子系统建模，通过正交最小二乘( o l s ) 法， 确定空调子系统模型的参数，目的是得到较快的学习时间并避免陷入局部最小。 我们在前向通道引入了单神经元自适应p i d 控制机理，目的是为了构成控制回路。并 用m a t l a b 工具进行了空调子系统控制的仿真。根据系统的动态特性和行为，利用单神经元 的有监督学习规则，对p i d 控制器的参数进行了自适应调整，解决了控制系统的稳定性问 题，并获得了良好的控制性能。论文中通过调试、实践，讨论了放大倍数k 的确定对系统 稳定性的影响；讨论了p i d 系数呷。、叩，、叩。的优化和它们对于系统稳定性的影响，并给出 了仿真的结果。这些讨论对摸清单神经元自适应控制器的运行规律有一定的意义。通过仿 真，说明了以神经网络方法构造的空调子系统模型和单神经元自适应p i d 控制器相结合可 以增强系统对不确定性因素的适应性，是有实用价值的。 关键词：智能建筑、h v a c 、系统辨识、r b f 、正交最d , - - 乘法、单神经元控制 上海土学工学硕士学位论文 a b s t r a c t m o r ea n dm o r er e q u i r e m e n t sf o rt h eh v a c p e r f o r m a n c e so fb a s a r ep u tf o r w a r db yt h e r a p i d l yd e v e l o p i n gi n t e l l i g e n c eb u i l d i n g s h v a cs y s t e mi s a l li m p o r t a n tp a r ti nt h ei n t e l l i g e n c e b u i l d i n gb a s t h e r ea r es om a n yp r o b l e m sn o w a d a y si nt h eh v a cs y s t e m sw i t hc e n t r a lh e a t i n g a n d c o o l i n gs o u r c e s t h ec o n t r o lp e r f o r m a n c e sa r en o to p t i m i z e d ，t h eo p e r a t i o n a ld i f f e r e n t i a l so f t h ec o n t r o l l e dv a r i a b l e sa r en o tg o o de n o u g ha n dt h ev a l v es w i n g i n gw i d e l y , w h i c hl e a dt o e x p e n s i v ee n e r g y c o s t sa n dm a i n t e n a n c ec o s t s h v a cs y s t e m ，ac o m p l e xt h e r m a ln o n - l i n e a rs y s t e m ，i sc h a r a c t e r i z e db yt o om a n yi n p u t v a r i a b l e s 、d i s t u r b e r sa n di n d e f i n i t ep a r a m e t e r s w e s u c c e s s f u l l yb u i l ta m a t h e m a t i c a lm o d e lf o ra n a i r - c o n d i t i o n i n gs y s t e mb yam o d e m i d e n t i f i c a t i o nm e t h o d h o w e v e r , i tw a sm o r ed i f f i c u l tt o d i s p e lt h et r e n do f t h ei n f l u e n c e so ft h em u l t i d i s t u r b a n c e si nd a t ap r o c e s s i n g o nt h eo t h e rh a n d t h er o b u s to ft h em o d e li sw e a k e n e dw i t ht h ec o n t r o l l e dc o n d i t i o n sc h a n g e d i ti se a s yt os o l v et h e m u l t i i n p u t sp r o b l e m sf o ra na r t i f i c i a ln e u r a ln e t w o r k ，c o n s i d e r i n ge a c hv a r i a b l ea st h ei n p u t so f h v a c s y s t e m rs ot h ep r e p r o c e s s i n gd a t as e tw i l lb es i m p l i f i e d t h eb a s i ct h e o r yo ft h es y s t e m i d e n t i f i c a t i o nu s i n gan e u r a ln e t w o r ki si n t r o d u c e df i r s t ，a ni d e n t i f i c a t i o nm e t h o db a s e do nr b f n e u r a ln e t w o r ki ss t u d i e dt ob u i l dt h eh v a cs y s t e ma n df i x e dt h ep a r a m e t e r so ft h em o d e lb y m e a n so fo r t h o g o n a ll e a s ts q u a r e ( o l s ) m e t h o df o rt h a tt h el e a r n i n gt i m ew i l lb ef a s ta n dt h e s e a r c h i n g w i l ln o tf a l li n t ol o c a lm i n i m u m a s i n g l en e u r o nc o n t r o l l e rw a se m p l o y e di nt h ef o r w a r dc h a n n e lt oc o n f i g u r eac o n t r o ll o o p as i m u l a t i o nf o ra na i r - c o n d i t i o ns y s t e mi s p e r f o r m e dw i t ht h em a t l a b ，i nt e r m so fi t sd y n a m i c c h a r a c t e r sa n db e h a v i o r s ，t h ep a r a m e t e r sf o rt h ep i dc o n t r o l l e ra r es e l f - a d a p t i v e l yt u n e du n d e r s u p e r v i s e dl e a r n i n go f t h es i g n a ln e u r o n ，w h i c hc o n d u c t so nt h es t a b l ec o n t r o ls y s t e ma n dg o o d c o n t r o lp e r f o r m a n c e s r e p e a t e d l yt u n i n gt h ep a r a m e t e rk ，w h i c hi n f l u e n c et os y s t e ms t a b i l i t y i sd i s c u s s e di nt h e p a p e r t h eo p t i m i z a t i o no f p i d c o e f f i c i e n t s ，7 。、r 、r z ) a n dt h e i ri n f l u e n c e st os y s t e ms t a b i l i t y a r ee x p l o r e d a n dt h es i m u l a t i o nr e s u l t sa r es h o w e d t h e s es t u d i e sa r es i g n i f i c a n tt om a s t e rt h e o p e r a t i n gr u l e so f t h es e l f - a d a p t i v ec o n t r o l l e ro ft h es i g n a ln e u r o n t h es i m u l a t i o np r o v e dt h a tt h e a i r - c o n d i t i o ns y s t e mm o d e lb u i l tb yt h er b fn e u r a ln e t w o r ka p p r o a c h i n c o r p o r a t i n gw i t ha s e l f - a d a p t i v es i g n a ln e u r o n c o n t r o l l e re n h a n c et h ef i m e s sf o ra s y s t e m t oi n d e t e r m i n a t ef a c t o r s - 1 1 上海大学工学硕士学位论文 k e yw o r d s ：i n t e l l i g e n c eb u i l d i n g s ，h v a c ，s y s t e mi d e n t i f i c a t i o n ，r b f , o l s ，s i n g l en e u r o n c o n t r o l l e r - i i i - 工海大学工学硕士学位论文 1 1 概述 第一章绪论 智能建筑i b ( i n t e l l i g e n c eb u i l d i n g ) 是社会信息化与经济国际化的需要，是传统建筑技 术的巨大变革，是信息时代的产物，是以计算机通讯、控制和网络为核心的信息技术向建筑 行业进行的渗透，实现了建筑艺术与信息技术的完美结合，智能建筑的兴起，已经成为当今 世界各类建筑特别是大型建筑的主流。自1 9 8 4 年1 月美国康及狄格( c o n n e c ti c u t ) 州哈特 福德( h a r t f o r d ) 市建成世界上公认的第一座智能大厦以来，智能建筑得到了迅速的发展， 智能建筑主要集中在各国的现代化都市。据有关资料统计“1 ：美国智能建筑有近万幢，同本 和泰国新建的大厦中有近6 0 是智能建筑，我国的智能建筑发展的历史不长，但来势迅猛，自 2 0 世纪9 0 年代，到2 0 0 2 年止，已建成的智能建筑达2 5 0 0 多幢，仅上海一地就有智能建筑近 5 0 0 幢，而近期在中国兴建的智能建筑占全球之半。 建筑的迅猛发展导致建筑能耗的急剧增长。据统计，工业发达国家的建筑能耗占总能耗 的4 0 5 0 ，我国的建筑能耗也达总能耗的3 0 以上”，目前人类所消费的能源均属于枯竭 性能源( 石油、煤炭、天然气等矿物燃料及核燃料) ，专家估计，按目前的消费增长率持续下 去，枯竭性能源只能维持2 0 0 3 0 0 年左右。”。面对能源危机，人们必须考虑可持续发展策略， 因而建筑节能和环境问题已成为当今世界关注的热点。针对能源危机，我国政府提出了“在 加强能源开发的同时，大力降低能源消耗”的发展战略，和“开发和利用并重，在近期内要 把节能放在优先地位”的能源方针。 上世纪9 0 年代以来，我国的节能工作取得了长足的进展，但是与世界发达国家相比，还 有相当大的差距。这不仅表现在我国单位建筑面积能耗还很高、能源利用率很低( 我国的能 源利用率仅为2 8 ，欧美平均约5 0 ，1 3 本为5 7 ) “1 ，也表现在我国对建筑设计中的节能的问 题的系统研究较少。目前国内的一些智能建筑，它的实际耗电量远远超过智能建筑的耗电设 计标准( o 0 3 5 0 0 4 5 k w m 2 ) ，如上海的金茂大厦现在每年的电费约6 0 0 0 万元( 远远超过设 计标准) 。 h v a c ( h e a t i n g ，v e n t i l a t i n ga n da i r c o n d i t i o n i n g 亦称暖通空调) 是智能建筑的重要构成部 分，是智能建筑同常耗电的主要设备。该系统的耗能一般占整个智能建筑的6 0 n 上，因此作 为建筑的能耗大户空调系统的节能控制技术应当也是人们的研究热点。如果能有效地降 低建筑空调能耗，将获得巨大的经济效益，因此，研究智能建筑的节能特别是h v a c 的节能对 国民经济的发展具有重要的意义。 第1 页共6 6 页 上海大学工学硕士学位论文 1 2h v a c 系统存在的问题及现状 h v a c 系统在智能建筑中主要是指“中央空调系统”，包括两大部分：冷热源集中制 冷力热站( 冷水机组热泵或锅炉) 和空调系统。空调系统主要分为三类：带v a v ( v a r i a b l e a i r v o l u m e ) b o x 的变风量空调系统：风机盘管系统；对大空间进行负荷调节的空调箱。本文以 对大空间进行负荷调节的空调箱子系统为研究对象。 目前国内商业性智能建筑( i b ，i n t e l l g e n c eb u i i d i n g ) 的b a s 系统几乎1 0 0 依赖进口， 国外著名公司有江森自控( j o h n s o nc o n t r o l s ) 公司开发的m e t a s y s 搂宇自动化系统，西门 子( s i e m e n s ) 公司的兰吉尔$ 6 0 0 系统，霍尼韦尔( h o n e y w e l l ) 公司的e x c e l5 0 0 楼宇自动化 系统，西比( s i e b e ) 等，在市场上占有绝大部分份额，国内从事这一行业的主要有清华同方人 环、研华科技等。针对空调系统输入变量多，具有非线性、时变性的特点。目前，上述产品 在控制系统的拓扑结构上仍采用多个单回路的p i d 控制方式，主要是出自经济上的考虑。在 系统模型参数变化较大的情况下，传统的p i d 控制往往不能达到令人满意的效果，主要原因 在于： 1 、外界气候和空调区域里的人员活动的变化很大，对系统形成很大的干扰： 2 、空气调节过程是高度非线性的；各执行器的运行特性也是非线性的； 3 、各个控制回路之间耦合强烈，完全解耦是不可能的； 4 、随着时间的推移，设备会老化和更换，从而造成系统参数的变化： 5 、在许多系统里，系统的精确数学模型很难建立。 h v a c 运行问题的第二曲原因在于空调系统设计和自控设计严重脱节，主要表现在暖通空 调专业人员对自控专业提的要求往往理解深度不够，设计中一般均未提供全年情况划分、相 应的空气处理焓湿图，各种情况下各种执行机构的动作要求及工作状态，情况转换的边界条 件：在设计体制方面：传统的暖通空调设计，本质上是种稳态设计，它是以室内外的稳定 状态为基础进行设计的。如空调负荷计算中的室外条件是某种人为规定的极值条件，即每年 平均5 0 小时的室外温度和湿度的统计值，按此计算出房间空调设计负荷，并成为整个空调设 计的基础。暖通空调系统的计算机自动控制系统的设计是建立在系统日常运行的基础上的， 本质上是一种非稳态的动态设计，这就造成暖通空调系统设计和暖通空调控制系统设计的严 重脱节。 h v a c 运行问题的第三伽原因在于安装调试。安装完毕后常常未对各个风系统和水系统进 行认真的测试和平衡。在实际的安装调试中，暖通工程师没有进行很好的风平衡调试，控制 工程师缺乏把系统参数设置到最佳状态的经验，只简单地把供应商提供的p i d 参数作为系统的 第2 页共6 6 页 上海大学工学硕士学位论文 正式参数加以使用，结果是同一种参数要去适应不同建筑物、不同气候条件( 夏季、冬季和 过渡季节) 和不同负荷的工况，系统不能实现最佳调节。因此，空调运行的实际情况远不理想， 系统常有小范围的震荡，或者有较大的静态误差，阀门开度常在0 7 0 左右摆动，后果是室内 温湿度控制精度不高甚至失控，能源过多地消耗在阀门阻力上，达不到舒适度要求，过于频 繁的震荡也会影响执行机构和阀门的寿命，这些都导致了空调运行成本的提高。 针对上述实际情况，如果不研究建筑物中央空调系统子系统的数学模型，不针对不同的 对象加以不同的调节，就很难在本质上优化目前智能建筑中央空调系统的调试和设计，也会 浪费大量的能源。智能控制是自动控制学科发展过程中的一个崭新阶段，它的发展为空调系 统的控制策略带来了新的思想和新的方法。 1 3 国内外相关智能控制系统研究的现状 随着电力电子技术和单片机技术的发展，空调的控制方法发生了很大的变化。以单片机 为核心的温度控制器采用p i d 调节构成一个闭环连续控制系统。由于空调系统的被控对象是 房间的温度场，它与空调器进行热交换的工况相当复杂，制约因素太多，系统的数学模型很 难确定，而p i d 调节器参数的整定在很大程度上依赖于精确的数学模型，两者的矛盾很难统 模糊控制f l c ( f u z z yl o g i cc o n t r 0 1 ) 是人工智能领域中形成最早、应用最广泛的一个 重要分支，适合于结构复杂且难以用传统理论建模的问题。在空调系统的过程控制中，由于 控制对象的时滞、时变和非线性的特征较明显，导致控制参数不易在线调节，而f l c 却能较 好的适应这些特征，因此引起了空调领域的普遍关注，目前已经成功地应用到空调器上。日 本、西欧等发达国家在这一领域处于领先水平。 为了提高控制器的控制效果，适应过程参数的变化对控制系统的要求，出现了在线调整 模糊控制参数的自适应、自组织模糊控制器等。如在同本已经出现了基于遗传算法的模糊空 调器、模糊神经元控制的空调系统“8 等。另外，混沌理论( c h a o s ) 在国外一些新型空调中 也得到了应用。如日本三洋公司生产的s a p - - e 4 0 8 6 型空调器，在室内机贯流风扇的控制中采 用c h a o s 理论，降低了风扇的嗓音，增大了风量。这些智能控制方法的应用极大地提高了空 调器的控制效果。 国内在模糊控制方面的研究虽然起步较晚，但是发展很快，取得了一些令人鼓舞的成就。 目前已有一些产品问世，但与国外先进技术相比还存在一定的差距。 第3 页共6 6 页 上海文学工学硕士学位论文 1 3 1 国外神经网络控制的应用 在国外的智能建筑里空调系统大多数是采用v a v 空调系统，并且仅仅是对模糊控制和神 经网络在v a v 空调系统中的研究应用作一些探讨( 可参考文献【7 ，8 ，9 ，1 0 ，1 1 】) ，空调系统一 般是进行空气调节过程的节能多工况分区，然后运用多个回路的p i d 控制。由于v a v 空调系 统是一个干扰大的、高度非线性的、不确定性系统，而且各个单回路之间的祸合强烈，运用 p i d 控制在静、动特性上常常满足不了性能要求。国内外的学者尝试运用智能控制，如模糊控 制、神经网络控制以及各种混合控制方法，来代替p i d 控制，但都是在单回路上的应用，在 单回路上达到最优性能，在全局上却达不到最优性能，同时由于各个回路之间的调节温湿度 有抵消作用，造成能耗的增加。有些学者运用一些优化方法进行全局上的优化控制或者用大 系统理论进行全局协调控制，来确定各个单回路的给定值，但它们也是基于系统的模型比较 确定的基础上，在系统很难建模的情况下，运用这些控制方法有很大的难度，而且达不到全 局性能的最优。运用智能控制方法，可解决以往控制回路由于耦合带来的许多控制性能问题。 国内对h v a c 研究较少，主要有文献【1 4 】中对模糊p i d 控制在变风量空调系统中的应用 进行了研究：文献【1 5 】中研究了智能建筑中v a v 空调系统的实用控制程序，提出了变静压 控制方法、t r a v 控制方法( t e r m i n a lr e g u l a t e da i rv o l u m e ，末端调节变风量) 等。 国外神经网络在h v a c 控制领域里的研究和应用较多。c u r t i s s 等“”首先将其应用于热水 盘管的热水阀的预测控制，该工作为以后的进一步研究提供了一个很好的基础。它是以阀位、 制冷负载、空气温度、空气流速、热水温度、热水流速以及它们的历史数据作为输入来预测 制冷负载。这几位作者在文献【1 3 】中又推出了用神经网络对h v a c 中央单元a h u 进行能源管 理，完成对各局部环的优化运行控制，这些神经网络控制的应用同样为空调系统的控制提供 了许多思路。 图1 1v a v 空调系统a n n 控制系统方框图 神经网络控制一般先进行系统辨识，后优化控制。辨识的过程是对神经网络的调练过程， 对神经元之间连接权值的修改过程。由于神经网络的训练需要大量的时间，实时辨识较难做 到，所以一般采取离线辨识，实时控制的方法。如果在算法上可解决神经网络的训练时间问 题，就可以做到实时辨识，实时控制。一个v a v 空调系统中央单元的a n n 控制系统的简单方 第4 页共6 6 页 上海大学工学硕士学位论文 框图如图l 一1 所示。 a m 辨识器训练样本的输入应为系统在时刻卜1 的执行动作( 加热器功率输出，加湿器的 输出，供风风机速度，制冷水水阀控制，供风风门角度等) 和表征系统特性的状态参数( 室内 温度，室内相对湿度，供风风门后的压力，供风温度，供风风速，回风风速，供风含湿量等) ， 输出应为系统在t 时刻的状态参数。由于v a v 空调系统惯性很大，同a n n 的训练速度相比，单 元特征变化很慢，所以不会出现真正的控制问题，一旦辨识结束，控制过程就开始。控制器 调节时刻r 的执行命令，从而在下一时刻到达一个希望的控制。控制的目的是用最小的时延和 能耗来获得期望的室内温度和湿度等，使系统的静、动特性能够满足性能要求。所以，控制 器的目标函数应包括两个部分，一部分是有关设定点( 如室内温度，室内相对湿度，供风机后 压力，或者p m v 指标等) ，一部分是系统总能耗( 如风机功耗，加湿器功耗等) ，具体参数的选 取要根据所设计的空调系统和控制方案确定，并且可以调节它们之间的比例因子从而将侧重 点放在任何一项上。 文献【1 9 】中，针对h v a c 非线性、时变性特点，提出了神经网络自适应控制的方法，h e p w o r t h 等“。1 引入了与神经网络混合控制的方法，用神经网络作为反馈环，避免了不稳定因素引起系 统不稳定的问题，控制器包含了自学习非线性系统和产生自适应控制的策略。 尽管神经网络控制相对于常规控制在某些方面有无可比拟的优势，它可以用来处理常规 控制方法难以处理的复杂非线性系统的控制问题，但这并不意味着对所有的非线性系统的控 制问题，神经网络控制就一定比常规控制好。对有些可以用常规控制解决的非线性系统的控 制问题究竟采用哪一种方法好，目前尚无定论。因此，可将神经网络控制和常规控制用于相 同的非线性系统，并对它们的控制效果进行比较、研究。它可为人们选择合适的控制方案提 供指导。 目前，已用于神经网络控制的神经网络有很多种。对不同的非线性系统，各种神经网络 都可能有其他类型的神经网络所不具备的优点。对具体的非线性系统的控制问题究竟采用哪 种类型的神经网络好，没有明确的结论。对同一问题，如果有几种神经网络可以采用，选择 出较好类型的神经网络将是非常有价值的。本文将采用单神经元自适应p i d 控制方法来设计 h v a c 空调子系统的控制系统。 1 4 本课题的研究方法、目标和意义 一直以来世界各地的空调用户对h v a c 系统的抱怨就没有停止过，而且这种抱怨有逐渐增 长的趋势。引起用户对h v a c 系统不满意的原因有很多，主要有空气品质、空调房问的热舒适 第5 页共6 6 页 上海大学工学硕士学位论文 和环保节能问题。 目前，神经网络方法控制空调在西方国家尤其是在日本已经开始得到了实际应用，但从 公开文献，多是基于某个数学模型之上的算法。本课题是在原来通过经典辨识获得新风子系 统和空调子系统模型成果的基础上，探索采用现代人工智能方法改进h v a c 系统的控制策略和 模型结构，目的是使被控系统更具有环境变化的适应性、控制的鲁棒性，获得更好的控制精 度和更佳的节能效果。 空调系统的时变特性，在不同的季节会有所不同。最为典型的情况，夏季与冬季的调节 过程刚好相反，在夏季要升高房间的温度需要减小冷水阀门的开度，要降低房间的温度需要 加大冷水阀门的开度：在冬季要升高房间温度需要加大热水阀门的开度，要降低房间温度则 需要减小热水阀门的开度。在夏天供水温度基本是稳定的：在冬天如热源是锅炉供水则是大 幅度变化的，要想找到一种通用的适合全年不同季节、适合不同的房间类型的空调系统的数 学模型是非常困难的。但是，在房间负荷变化不大的条件下，针对特定的季节与某一类型的 房间来建立空调系统的数学模型是可能的，事实证明即使在条件变化下得到的模型，也具有 一定的指导意义。夏天，平均气温都在3 04 c 以上，冷冻机组的起停状况一般较稳定，冷冻水 的供水温度变化一般来说都较小，在房间墙壁的隔热系数满足设计标准的前提下，房间可以 近似认为是一个封闭对象，这样就可以将空调系统在同一季节中近似为定常系统，就有可能 针对同一类型的空调，在某一季节( 如夏季) 建立起空调系统的数学模型，这对于了解空调 系统的特性、现场调试都将起到积极的作用。 2 0 0 2 年的8 月，我们以京银大厦的某大开间办公室的空调为研究对象进行了实地调查和 测试。该办公室面积约为3 0 0 平方米，空调代号为a k 2 0 3 。传感器的安装位置在和空调间相 邻的办公室墙l m 的回风口，输出变量为回风温度( 即房间温度) 。采用m 序列作为辨识输入 信号加到电动执行机构的输入端，进行辨识实验，同时记录供水温度的变化，最后再利用测 量的输入输出数据在确定系统模型结构与阶次的前提下，采用r b f 神经网络方法估计系统模 型的参数，最后用单神经元自适应p i d 控制对空调子系统进行p 、i 、d 参数整定。作者希望 通过本课题的研究，达到提高控制精度、舒适度和控制品质的目的，对智能建筑中与本文研 究对象类似的空调子系统的控制起到指导作用，并为今后开发国产化楼宇自动化系统奠定基 础，所以本课题的研究具有一定的理论意义和实用价值。 1 5 本文的主要内容 本文以辨识h v a c 空调子系统模型为目的，介绍了空气调节系统的组成和工作原理特点 第6 页共6 6 页 上海文学工学硕士学位论文 以及基于神经网络系统辨识的理论知识，最后根据系统辨识的基本步骤确定h v a c 空调子系 统的模型、单神经元控制策略在中央空调系统中的应用等问题的解决方案。 全文共分六章，分别简介如下： 第一章介绍课题背景：楼宇自动化系统以及它的主要组成部分中央空调系统，阐述 了国内外空调系统建模的研究方法和发展动态：提出了本课题的研究方法、目标及意义。 第二章介绍了中央空调系统的组成和工作原理。 第三章综述了人工神经网络的发展史及r b f 神经网络基本概念，介绍了基于神经网络 系统辨识的理论知识和思路。 第四章论述了对测试对象进行模型辨识的基本过程。内容包括对测试的数据的归一化 处理；模型的阶次的确定；用测到的样本数据对r b f 进行训练；通过改变r b f 的参数获得 几个模型；模型的验证及最终确定h v a c 空调子系统的最佳模型。 第五章根据辨识获得的模型，用单神经元自适应控制进行控制，采用m a t l a b 工具进行 仿真，证明了基于神经网络辨识模型的单神经元自适应控制系统具有良好的鲁棒性与自适应 性。 第六章对本论文进行了全面的总结，同时对本课题的进一步研究内容作了展望。 第7 页共6 6 页 盖海大学工学硕士学位论文 第二章辨识对象描述 2 1 空调系统的组成和工作原理 辨识空调系统的模型，首先对空调系统的组成及工作原理应有一个大致的了解。空气调 节简称空调，就是“人造气候”的工程，空调系统一般是指集中式的中央空气调节系统，主 要由被调对象、空气处理机组、热源冷源、空气输送设备和空气分配设备等组成。应用空调 系统的目的在于创造一定的室内空气环境，使室内空气的温度、湿度、流速和清洁度处于一 定的范围之内，从而满足人体舒适性的要求( 舒适性空调) 和生产工艺过程( 工艺性空调) 的需要。 空调系统的主要设备为空气处理机组( a h u ) ，它能完成空气处理的各种过程如新鲜空气 比例调节，空气过滤，加热加湿( 或减热减湿) 等多种工况。空调系统的控制主要为空气处 理机组的控制。图2 1 所示为一典型的空气处理机组原理图： s 图2 1 空气处理机组原理图 其中1 ，空气过滤器2 表冷器( 表面式换热器) 3 加热器4 干蒸汽加湿器 5 送风机6 风阀执行器7 水阀执行器 根据各种场合要求增减其中的部件，可构成各种形式的空气处理设备。在不同的工况中，a h u 的部分部件可能不被使用。如在冬季加热加湿工况下，表冷器是不工作的；而在夏季减温减 湿工况下，加热器和加湿器是不工作的。 第8 页共6 6 页 上海大学工学硕士学位论文 为了检测和控制空调机组的运行，一般需要设置新风温湿度传感器、室内温湿度传感器 和送风温湿度传感器，根据不同要求构成闭环控制系统。 我们测试的对象京银大厦二楼空调子系统在国内的智能建筑h v a c 系统中具有典型 性，采用全空气方式定风量系统，即整层的热湿负荷全部由空气来承担，且空气的流量恒定 不变。为了简化问题起见，我们以单一温度控制的空调系统为例。它的工作原理可描述如下( 夏 季的情况，冬季正好相反) ：当一定温度的室外空气( 新风) 与室内空气( 回风) 按一定的比例混 合后，送入表面式换热器，由于换热器的水管中流动的是冷水，所以混合后的空气在换热器 内与冷水发生充分的热交换，使空气的温度降低。降低后的空气再进入集控室，使房间的温 度降低。由于集控室对于温度来说，是一个大惯性、大滞后环节，所以要经过一段时间后集 控室的温度才能达到设定值。空气温度的变化主要在换热器内完成，对于一台确定的换热器 来说，改变空气的流速，改变冷水的流速和温度都可以改变空气的出口温度。但在实际工程 中，由于采用定风量系统，空气的流速是不变的，冷水的温度由集中加冷站控制，对空气处 理机组而言也是不变的，唯一能控制的就是冷水的流量。通过调节冷水阀的开度，改变冷水 的流量，由此改变空气的出口温度。房间的实际温度值由回风口的温度传感器p t l 0 0 0 测量， 将所测量的实际温度值与设定值进行比较，所得的差值经运算后送入水阀的电动执行机构， 该值的大小将决定水阀的开度，而水阀的开度又将改变作为热交换介质的冷冻水的流量，在 热交换充分的条件下通过改变冷冻水流量的大小来改变送风温度从而达到调节房间温度的目 的。如果房间的温度测量值高于温度设定值，则加大水阀的开度，增大冷冻水的流量，降低 送风温度，使房间温度下调，最终使房间温度与设定值一致：反之，则减小水阀的开度，减 小冷冻水的流量，升高送风温度，从而使房间温度上调，最终达到设定值。 2 2 空调系统特性分析 整个空气调节系统是一个大惯性、大滞后环节，存在严重的非线性特性，给控制带来了 不小的困难，下面我们分析一下造成这些特性的主要原因。 2 ，2 1 温度检测环节 在控制系统中安装了传感器检测空气的温度，其功能是将温度非电量转换成电信号，送 给控制器进一步处理。虽然转换过程有一定的延时，但相对整个系统而言是微不足道的，可 以忽略不计，因此可以认为转换是瞬时完成的，没有延时。 在测试对象中，房间温度通过温度传感器后输入到d d c 的a i 点，并经过组态折合到a o 第9 页共6 6 页 上海大学工学硕士学位论文 点转换为电压值，其容许的电压变化范围为：o i o v ，对应的温度变化范围可以通过软件进 行设置，例如设1 9 。c 2 94 c ( 测试中为此设置，此设置值可依据不同季节的需求进行设置) ， 对应o 1 0 v 的电压信号。 2 2 2 电动执行机构 在空调系统中大量使用电动阀门来调节流体的流量，如用冷热水阀的开度来调节冷热 水流量，用风阀的开度来调节空气流量，以此达到调节空气的温度、湿度的目的。具体调节 流量的任务是由阀门来完成的，而接受控制器命令并驱动阀门的任务则是由执行机构来完成 的。 针对我们的对象，电动执行机构的控制信号为0 l o v 的直流电压，对应为阀门从全闭状 态转到全开状态，即阀门的开度从0 度开到9 0 度，阀杆的行程从最小行程提升到最大行程。 因为运行过程中阀门既可能正转，又可能反转，因此要求电机也能够正反转。仅仅依靠电机 的转矩是无法带动阀门转动的，其间经过齿轮传动机构将转矩放大，如此才能驱动阎门。因 为阀门的负载转矩很大，而且中间经过齿轮传动，阀门的转动过程比较缓慢，控制信号发出 后，阀门要经过一段时间的延时后才能停到指定位置，具体的延时时间视阀门的初始位置和 设定位置而定。一般的电动阀走完整个行程需要1 2 分钟，甚至更长，我们在实际中使用的 电动二通水阀要6 3 秒钟走完全程，即阀门走完全行程的时间是固定的。 2 2 3 阀门 电动执行机构只完成了控制信号到阀位的转换，具体到流体流量如何随阀门开度变化， 还要进一步探讨。 一、阀门结构特性 阀门结构特性是指阀芯的流通面积与阀座开度之间的关系，常用的阀门结构特性有快开 型、线性、等百分比和抛物线型四种，如图2 2 所示。 我们使用的电动二通阀为等百分比特性，其主要原因是表冷器的输入输出特性近似为对 数特性，选择电动二通阀为等百分比特性，可使这两个部件串联后的合特性近似为线性，所 以本文只讨论等百分比特性。 等百分比流量特性的数学描述为： 堕：耵( 2 1 ) d f 式中，f = f 一。为相对节流面积，即阀门在某一开度下节流面积f 与全开时节流面积鼻w 之比； 第1 0 页共6 6 页 上海太学工学硕士学位论文 = l l 。为相对开度，即阀门在某一开度下行程工与全开时行程上。之比。 ( ) 图2 2 常见阀门结构特性 图中，a 一快开特性，b 一线性特性，c 一抛物线特性，d 一等百分比特性 对式( 2 2 ) 进行变换得： 堑：k d l 两边同时积分，有 l n f = k ，+ n 对上式进行变换得： ，= e 。e x p ( k f ) 下面着重解决两个常数e 。和k 的数值问题： 当= 0 时，对应阀门最小相对节流面积厶i ； 当：1 时，对应阀门的最大相对节流面积1 。 最终求得： e 。= 厶。 k ：i n 上 厶。 因此 f = 厂m 。e x p ( t l n 一) jm l r 很明显这是个非线性的关系式。 二、阀门流量特性 阀门流量特性是指流体流过阀门的流量与阀门开度之间的关系， 第1 1 页共6 6 页 ( 2 2 ) ( 2 3 ) ( 2 4 ) ( 2 6 ) 可用相对量表示为 上海大学工学硕士学位论文 q = ，( ，) ( 2 7 ) 式中，g = q q 为相对流量，即阀门某一开度流量q 与负载压降为零时，全开流量q 。之 比。 1 a p l 图2 3 阀门上性降特点 只考虑串联管系的情况，如图2 - - 3 所示。若以墨。表示阀门全开时的压降凹。与系统总 压降h 之比，并称为全开阀阻比，即 。= 半= 丽a p ) o o ( 2 _ 8 ) 式中，蛆为负载上压降和。 阀门上的压降与相对节流面积和s 。有如下关系： 卸= h ，怯l 一卜 c z _ 。， 可得阀门相对流量为： a = 杀= 彬陆寸+ ， c z 训， 由f 式可得m 阀门的流骨也是非线性的。 2 2 4 空气混合环节 系统采用一次回风方式，因此控制室的空气来源为室外空气( 新风) 和室内空气( 回风) 按 比例的混合。我们假设 为新风占送风量的百分比，则回风占的百分比为( 1 一女) 。 2 2 5 表面式换热器 第1 2 页共6 6 页 上海大学工学硕士学位论文 空气调节系统中一个重要的环节就是换热器，所谓换热器就是把两种流体用固体表面隔 开，使之在其中进行热能交换的设备。表面式换热器的传热表面通常是由几排与气流成直角 的肋片管组成，用箱体将管子成排联接。空气以与肋片成直角的方向通过换热器，冷热媒则 在肋片管内流动。根据管路的联接方法不同，可产生顺流式或逆流式布置方式。图2 4 是两 种典型的肋片布置方式，口为逆流式，6 为顺流式，c 为空气和冷媒的温度变换曲线。f ，、幻 分别为空气的进、出口温度，f 。，。：分别为冷媒的进、出1 3 温度。逆流式换热器的换热效率 最高，因此应用最为广泛。冷热媒在热交换器内进行热能交换需要一定的时间，一方面造成 了系统的延时，另一方面热交换并不完全，损失了部分能量。 砸受坷丹 b 1 薇+ c 图2 4 肋片布置方式及流体温度变化图 2 3 影响房间温度的因素 影响房间内部热平衡的因素很多，既有来自室外的，又有来自室内的。如太阳的辐射， 室内外温差，送风温度，室内人和设备的散热等等，下面就其它因素逐一讨论。 1 室内外空气温差的影响 高层建筑由围护结构将室内、室外隔开，围护结构主要是门、窗、墙壁和屋顶。如果室 内外存在温差，那么就会通过围护结构发生热传导，热量从温度高的地方向温度低的地方传 导。在夏季工况，热量是从室外向室内传导。 室内、外的传热量数学表达式为： q 。= 盯( f 。一r 。) ( w )( 2 一1 1 ) 式中，q 一一高层建筑围护结构传热量( w ) ； r 一一围护结构的传热系数( w m 2 x ) ； 第1 3 页共6 6 页 ，i 馘 上海大学工学硕士学位论文 f 一围护结构传热面积( m 2 ) ； t 。一室内空气温度( ) ； ，。一室外空气温度( ) 。 2 室内热源对室内热平衡的影响 高层建筑内部也存在热源，包括室内工作人员、正在运行的仪表、各种照明设备和办公 家具等等，这些都会对室内热平衡产生一定的影响。严格来讲，上述各因素均是变化的，但 在工作现场，室内工作仪表、照明设备和办公家具的数目基本固定不变，因此可以将他们发 散的热量视为常数。 讨论完了室内外的各种因素后，下面我们来研究最为重要的部分送风空气与回风空 气的热量关系。 当经过换热器降温后的空气从送风管道送入集控室后，集控室内空气的热量将会减少， 因为系统采用一次回风方式，因此回风空气也将带走一部分热量，根据上面讨论的各环节数 学分析式，我们总结出房间空气热量的数学模型，言概之：控制室室内空气蓄热量的变化 率等于单位时间进入控制室的热量减去单位时间离开控制室的热量。即： ( 控制室蓄热量变化率) = ( 单位时间进入控制室的热量) 一( 单位时间离开控制室的热量) = ( 单位时间送风热量) 一( 单位时间室内吸收热量) 一( 单位时问回风热量) 一( 单位时间围护结 构散热量) 一定空间的空气环境，既受到室内设备、照明、人体产生的热湿干扰，也受到室外气候 变化和太阳辐射的影响。对空调系统进行自动控制既可以保证室内空气参数达到定的精度 要求，又可以提高能源的利用效率。 经上述分析，影n 向房间温度的因素很多，但房间温度平衡在设定温度时，有些因素是可 以忽略的，如图护、室内的办公家具等等。我们在辨识空调子系统模型时，主要考虑两个因 素：冷冻水的阀门开度( 即电机的电压) 、冷冻水的供水温度。而冷冻水的流量是绝大部分空 调系统调节温度的主要手段，因此，作为辨识的输入变量应该是水阀电动执行机构的输入电 压和冷冻水的供水温度，而输出变量则为回风口温度传感器的电阻值即温度信号。 2 4 本章小结 本章介绍了空调系统的主要组成和基本工作原理。描述了空气调节对象的大惯性、大滞 后及存在严重的非线性的特征。分析了影响房间温度的一些因素。 篇1 4 页共弱页 上海大学工学硕士学位论文 3 1 引言 第三章基于神经网络的系统辨识 随着控制过程日益复杂化，控制理论的应用日益广泛。而控制理论的实际应用不能够脱 离开被控对象的数学模型，这是控制理论能否成功地应用于实际的关键之一。有了适当的模 型，便于开展有关的分析、设计、预报、计算机仿真等研究工作。系统辨识是控制理论研究 的一个重要分支，它是控制系统设计的基础，它研究的目标是建立过程对象的数学模型。 控制对象的高度复杂性表现为非线1 i 生、时变性的普遍存在：内部多有关联，机理分析困 难