智能变频空调模糊神经网络算法的设计与实现

1、分类号 密级 U D C学 位 论 文智能变频空调模糊神经网络控制系统的设计与实现作者姓名 ： 王铁权指导教师 ：井 元伟 教授东北大学信息科学与工程学院学科类别 ： 工 学 申请学位级别 ：硕 士学科专业名称 ： 控制理论与控制工程论文提交日期 ： 2008年11月15日 论文答辩日期 ： 2008年12月28日 学位授予日期 ： 2009年3月25日 答辩委员会主席 ：评阅人 ：东 北 大 学2008年11月A Thesis in Control Theory And Control EngineringDesign and Realization of Intelligent Varia

2、bale Frequency Air-Conditioner Control Systemwith Fuzzy Neural Networksby Wang TiequanSupervisor: Professor Jing YuanweiNortheastern UniversityNovember 2008独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。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作了明确的说明并表示谢意。学位论文作者签名： 日

3、 期：学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年 一年 一年半 两年 学位论文作者签名：签字日期：- I - 导师签名： 签字日期：- II -东北大学硕士学位论文 摘 要智能变频空调模糊神经网络控制系统设计与实现摘 要传统空调器通过温度传感器感受室内温度变化来控制压缩机的启动和停止来实现对温度的控制。它对温度的调节是一种断续的变化过程，它

4、的缺点是不能根据环境温度变化及时调整空调器的工作状态。人们为了解决传统空调在室温波动时压缩机工作状态频繁切换的问题，将模糊控制算法引入到空调系统的控制中来，使得系统的自调整性有了很大提高。该系统能够根据室内温度变化，通过对压缩机进行连续、动态、实时地变频调速来调节室内温度。尽管常规模糊变频空调与传统空调相比，技术上有了很大进步，但是由于隶属函数和控制规则的获取经常依赖专家经验，而专家经验的正确与否经直接影响空调的控制效果。另外，当隶属函数和控制规则确定之后，一旦环境温度发生突变，空调器工作状态仍然按照既定的隶属函数和控制规则进行变化，中间没有过渡区，造成的温度突变会使人感到不适。根据神经网络自

5、学习能力强的特点，本文尝试采用将模糊控制与神经网络相结合的方法对压缩机进行控制，解决模常规模糊控制存在的不足。论文内容如下：首先介绍了传统空调控制方法和常规模糊变频空调控制存在的优点与不足，介绍了国内外研究现状，提出了“智能变频空调模糊神经网络控制系统设计与实现”的研究课题；通过对智能变频空调设计方案的比较，结合国内实际情况，确定了控制方案，对其硬件控制系统及算法进行了初步设计。在此基础上，通过对模糊控制和神经网络控制方法的学习研究，总结归纳了模糊与神经网络控制相结合的实现方法。根据变频空调控制过程的非线性与时变性特点，以温度偏差、温度偏差变化率作为输入变量、变频压缩机工作频率变化作为输出控制

6、量，研究设计了变频空调模糊神经网络控制器和预测器。该控制系统通过对隶属函数和控制规则的调整，来提高变频空调智能化程度。仿真结果表明该方法实现了变频空调的智能控制。根据智能变频空调对硬件控制的要求，分别设计了室内机和室外机控制系统。依据硬件控制电路设计了相应的软件。通过实验研究，优化了相关的控制参数，同时也验证了本理论方法的可行性。最后对全文内容进行了总结，并提出本设计存在的不足及需要研究改进之处。关键词：变频空调；模糊控制；神经网络；智能算法；控制系统- III -东北大学硕士学位论文 摘 要- IV -东北大学硕士学位论文 AbstractDesign and Realizatin of I

7、ntelligent Variabale FrequencyAir-Conditioner Control System with Fuzzy Neural NetworksAbstractTemperature control system of older air-conditioner depends on its sensors to monitor indoor temperatures changes and to control the compressor to run at a certain speed. This kind of air-conditioning syst

8、em is a discontinuous process to adjust temperature and its shortcoming is that it can not adjust compressors speed according to the changes of indoor temperature inevitably. In order to overcome PIDs shortcoming ,people have put a new fuzzy control algorithms into practice so that the systems regul

9、ative quality has been improved greatly. The control system, named fuzzy variable frequency air-conditioning system, has the intelligence character to adjust temperature automatically and continuously according to temperatures changes indoors. All this will avoid frequent switches of the compressor

10、which always appears on the traditional air-conditioning system.Although fuzzy variable frequency air-conditioning system has made great improvement in technic compared with the traditional control method, it has a main problem, that is, its control rules are set by experts experience beforehand, mo

11、stly under standard environment. When indoor environment changes suddenly, the fuzzy variable frequency air-conditioning system is controlled sharply at set membership functions and control rules. It will have a great effect on comfortability of human.Because the neural network has the high ability

12、of automatically learning,the auther tries to combine the fuzzy control and neural networks to control the compressor. The contents of the thesis are as following:The project designs the fuzzy neural networks controller(FNNC) and neural network predicter(NNP) , which employes the error of temperatur

13、e and the changing rate of temperature as input ,the working frequency of compressor as output. The control system improve the variable frequency air-conditioning systems intelligence by adjusting subordinate function and control rules. The air-conditioners working state can adjust automatically acc

14、ording to the dwellers request and the changes of temperature.Firstly, the auther introduces the advantage and shortcoming of traditional air-conditioning control system and fuzzy variable frequency air-conditioning system. Then the auther introduces the current research situation both home and abro

15、ad, and raises the new project “Design and Realization of Intelligent Variabale Frequency Air-Conditioner- V -东北大学硕士学位论文 Abstract Control System with Fuzzy Neural Networks”. Based on it ,the schema of the control system is determined and design the hardware control system briefly.After studying the

16、method of fuzzy control and neural network ,the auther summarizes the combination method of of the two theories and designs the fuzzy neural networks controller for the air-conditioner. The fuzzy neural network controller and neural network predicter are designed according to the character of the no

17、nlinear and time-varying of the control procedure and it is simulated. The result proves its intelligence. The control system and software of the indoor machine and the outdoor machine are designed respectively to meeting the demand of the air-conditioning system to the hardware. The experiment stud

18、ying makes a research on the experiment and optimizes some parameters, which proves the availability of the theory.At last ,the auther summarizes the contents of the dissertation and bring forth the questions that needed to solve.Keywords: Variable frequency air-conditioning; Fuzzy control;Neural ne

19、tworks;Intellegent algorithms; Control system.- VI -东北大学硕士学位论文 目 录目 录独创性声明 I 摘 要 III Abstract V 目 录 VII第1章 绪 论 11.1课题背景及国内外现状 11.1.1课题背景11.1.2国内外研究现状 21.2本文主要研究内容 7第2章 智能变频空调控制系统控制方案 92.1空调系统的工作原理及基本结构 92.1.1变频空调的工作原理 92.1.2空调系统基本结构 102.2控制系统基本结构及控制系统的初步设计 102.2.1空调控制系统基本结构 102.2.2控制系统方案的确定 112.2.3智

20、能变频空调控制方法及总体方案的构思 122.3本章小结 12第3章 模糊神经网络基本原理 133.1模糊控制原理 133.1.1输入输出变量及模糊化方法的确立 143.1.2模糊控制规则及模糊推理设计 153.1.3清晰化方法的确立 173.2神经网络理论基础 173.2.1神经元模型及人工神经网络 173.2.2人工神经网络的学习方法 203.3模糊控制与神经网络的结合 213.3.1模糊控制与神经网络的融合 223.3.2模糊神经网络控制模型 233.4本章小结 24第4章 智能变频空调控制系统的模糊神经 网络算法设计 254.1变频空调控制系统的模糊模型 25- VII -东北大学硕士学

21、位论文 目 录4.1.1模糊控制策略及输入输出变量的确定 25 4.1.2输入输出变量的语言值域及相应隶属度函数的确定 26 4.1.3模糊控制规则的确定 27 4.1.模糊决策及解模糊处理 28 4.2模糊神经网络控制器的设计 294.2.1模糊神经网络控制模型的设计 29 4.2.2模糊神经网络的学习算法 32 4.3变频空调智能控制算法 354.3.1变频压缩机模糊神经网络控制器的设计 35 4.3.2神经网络预测器NNP的设计 38 4.4智能变频空调模糊神经网络控制方法仿真 404.4.1模糊神经网络控制器的训练 40 4.4.2三种控制方法的仿真及比较分析 41 4.5本章小结 4

22、4第5章 智能变频空调控制系统硬件设计 455.1室内机控制电路设计 455.1.1温度检测电路 46 5.1.2遥控接收及LED显示电路 47 5.1.3导风板、百叶窗控制电路 48 5.1.4风机调速电路 49 5.2室外机控制电路设计 505.2.1电压检测电路 51 5.2.2室外风机及四通阀驱动电路 51 5.2.3内外机通讯电路 52 5.2.4变频压缩机控制电路 53 5.3系统硬件电磁兼容性分析 54 5.4本章小结 55第6章 智能变频空调控制系统软件设计 576.1室内机控制系统软件设计 57 6.2室外机控制系统软件设计 59 6.3室内、室外机通讯协议 61 6.4系统

23、保护控制 62 6.5系统软件的抗干扰性设计 63 6.6模拟实验 646.6.1上位机软件设计 64- VIII -东北大学硕士学位论文 目 录6.6.2下位机的配置 656.6.3模拟实验验证 656.7本章小结 66第7章 总 结 677.1设计总结 677.2改进方向 68 参考文献 69 致 谢 73- IX -东北大学硕士学位论文 目 录- X -东北大学硕士学位论文 第1章 绪 论第1章 绪 论随着人们生活水平的不断提高，空调已经成为人们工作和生活中不可或缺的调节室内空气温度和质量的产品。回顾空调发展的历史，它已经从初期的仅仅满足人们对温度的调节发展到满足人们追求舒适、享受的更高

24、要求。自从问世以来，在100多年的发展过程中1，空调也完成了从定频空调向变频空调的转变，其控制策略也相应的发生了翻天覆地的变化。本章将在简要介绍目前国内外空调控制发展现状的基础上，指出当前控制方式中存在的不足，由此确定本文研究及解决的问题。1.1课题背景及国内外现状1.1.1课题背景早期的传统空调因为供电频率不能改变，也被称为“定频空调”2。它对温度的控制原理是通过温度传感器感知室内温度变化，并依靠其不断地“开、停”压缩机来调整室内温度。其一开一停之间容易造成室温忽冷忽热，并消耗较多的电能。压缩机的启、停控制方式，空调器自身的非线性和大延迟时滞系统的结构特点，以及压缩机室内的输出与压缩机室外的

25、输出相比有一定的滞后性，造成室内温度波动性较大，势必影响空调的温度控制精度和人体的舒适性。所以，传统空调对温度的调节是一种断续的变化过程，它不能根据环境温度变化及时调整空调器工作状态。因此，传统空调器存在着温度控制方式很机械、能源浪费大、舒适性差等问题。另外，传统空调采用PID控制算法，需要建立被控对象的精确数学模型，也不易获得。近年来，随着制冷技术、电机控制技术、电力电子技术和智能控制技术的发展，人们采用模糊逻辑控制算法并与变频技术相结合的办法，应用于空调控制系统，使得一种高效节能、高舒适度的空调常规模糊变频空调应运而生。这种空调可以通过改变压缩机的转速来连续的调节压缩机的负荷，以适应动态变

26、化的空调房间负荷需要，较定频传统空调具有优越的运行经济性和舒适性。其优点主要表现在制冷（制热）迅速、控温精确、适应范围宽、节能等3。尽管常规模糊变频空调与传统的定频空调相比，技术上有了很大的进步，但是由于常规模糊变频空调技术参数通常是根据专家经验事先设定好的，不能很好考虑空调- 1 -东北大学硕士学位论文 第1章 绪 论 所在室内环境的差异、季节的变化以及个体差异等因素。如青年人希望空调温度调节变化速率快一些，而老年人则希望空调温度调节变化速率慢一些；有的人认为夏季空调室内温度设置为20左右为好；而另外一些人则认为室内外温差不宜太大等。由于常规模糊变频空调的控制规则已经事先按照标准环境设定好了

27、，如果当环境温度出现剧烈变化时，会出现输出突变的情况（忽上忽下）。这样不但浪费能源，而且使人感到不舒适。这就要求变频空调在用户使用的过程中具有自动在线学习功能，即空调的运行参数能根据室内环境的差异、季节的变化及个体差异等因素进行自动调节。不再根据标准环境设定的参数运行，能以最优化参数自动运行。这样空调不仅给人们带来更舒适的感觉，而且能节约更多的电能，达到真正的智能。1.1.2国内外研究现状随着控制理论和控制方法的发展以及对变频压缩机研究的日益深入，空调系统的控制方法也从简单的开关控制向PID控制、模糊控制等智能控制方向发展4，5。PID控制器包括比例(P)，积分(I)和微分(D)三个环节，在计

28、算机控制中采用：e(n)-e(n-1) (1.1) u(n)=KPe(n)+KIe(n)+KDT0n其中：u(n)为控制器输出量；e(n)为误差信号；KP为比例系数；KI为积分系数；KD为微分系数；T为采样时间。由式(1.1)可以看出，传统的PID控制因其结构简单，调整方便，在过程控制中获得了广泛的应用。通常，PID控制只能在模型参数变化不大的情况下取得较好的效果。而空调系统控制对象的随机、时滞、时变和非线性等特性比较明显，这导致PID参数往往不易实现在线调节，造成室内机的输出有一定的滞后，影响空调器温度控制精度和人体感觉的舒适性。因此对于空调这样的大滞后、非线性、时变的复杂控制对象，采取传统

29、PID控制，很难达到理想控制效果。1974年，英国科学家首次成功地将模糊控制技术应用于蒸汽发动机模型的控制中，证实了模糊控制比传统的PID控制方法更为有效之后，模糊控制在工业系统中得到推广。模糊控制的最大特点是采用if-then型的模糊控制规则组成控制器，实现专家控制。在房间空调器模糊控制中，根据制冷系统的运行特性提出多条控制规则，决定- 2 -东北大学硕士学位论文 第1章 绪 论 其压缩机频率。同传统的PID控制相比，模糊控制响应快、超调量小、对参数变化不敏感。模糊控制器运用模糊推理方法，将专家知识和经验描述为if-then语句所表达的一组过程控制规则和策略，对过程进行有效控制。上世纪80年

30、代开始，日本利用模糊控制理论率先研制出常规模糊变频空调，使空调控制技术有了划时代的进步。常规模糊控制空调器，常以室温的目标值tt与室内机回风温度tr的偏差 t和室温的变化率dtr/dt为模糊变量，分别定义其隶属度函数，利用模糊规则进行模糊推理，从而控制压缩机，其控制框图如图1.1所示。图1.1 房间空调器模糊控制框图Fig.1.1 Indoor Air-conditioning Fuzzy Control System虽然用常规的研究方法已经能够解决空调系统中的许多问题，但就空调系统包涵的对象而言，其本质上大部分是非线性、藕合、参量时变、工作过程随机的系统，要想获得简便直观的结论、良好的控制品

31、质和持久的控制效果，用常规的方法很难达到要求。始于上世纪40年代的人工神经网络ANN ( artificial neural network)理论，是近年来发展起来的前沿研究领域，涉及生物、电子、计算机、数学和物理等学科，具有并行性、容错性、自学习、自组织、自适应性等特点，能模拟人脑的基本特征，有着广泛的应用前景6。正因为如此，ANN的应用已渗透到空调领域的各个方面，成为学科的前沿阵地，不少国内外学者作了许多有益的尝试，如预测负荷、能源管理、系统辨识、故障诊断、非线性控制系统和智能控制等，并取得了令人瞩目的成绩。目前，神经网络在空调领域的研究和应用也越来越广泛，尤其美国、日本等发达国家的研究水

32、平较高。在日本已经出现了基于遗传算法的模糊空调器。该新型模糊空调器根据遗传算法全局动态寻优，利用优胜劣汰的渐变“进化”的思想，对隶属度函数和模糊控- 3 -东北大学硕士学位论文 第1章 绪 论 制规则进行自动寻优，解决了常规模糊空调温度控制突变、隶属函数和模糊控制规则依赖专家的问题。空调器的控制策略不同于传统的基于查询表方法的简单模糊控制，具有较好的智能度。我国的空调产量已达到世界第一，消耗的能源、材料以及开发费用与先进国家相比仍然相当高。传统的空调产品设计中主要依赖样机的反复制作与调试，既增加了开发费用，又不能进行产品性能优化设计。国内在这方面的研究和开发始于上世纪90年代初，虽然起步比较晚

33、，但也取得了若干成果，主要体现在以下三个方面：文献7提出了将模糊控制和PID控制相结合应用于变频空调的控制中，模糊PID温控系统框图如图1.2所示。图1.2 模糊PID温控系统框图Fig.1.2 Fuzzy PID Temperature Control System这种控制方法以温度偏差E和温差变化率 E作为模糊输入变量，运用模糊规则进行推理决策，构建合适的模糊控制表，通过软件查询进行参数调整，根据模糊推理功能在线整定PID的三个控制参数kp、ki和kd，实现对温度的优化控制。从本质上讲，这种方法并没有改变传统的基于查询表方法的简单模糊控制，其智能控制程度并不高。文献8提出了采用神经元PID

34、控制方法对变频空调的压缩机进行控制，神经元PID控制器原理图如图1.3所示。- 4 -东北大学硕士学位论文 第1章 绪 论图1.3 神经元PID控制器原理图Fig.1.3 Neuron PID Control Theory神经元PID控制器是具有神经元自学习能力的控制器。该控制器的权系数有一个在线自学习过程，可以根据系统偏差自动调整控制精度，从而使系统跟踪期望输出。神经元PID控制器的控制效果取决于学习算法，理论上它的控制精度要比常规PID和模糊PID的控制精度高。该方法的缺陷在于控制器中PID的三个参数之间是相互制约的，输出的快速性和超调量之间的矛盾没有得到解决。文献9提出采用BP神经网络控

35、制变频空调的压缩机。1986年出版的Parallel Distributed Processing一书中，完整地提出了误差逆传播学习算法，实现了Minsky的多层网络设想。多层感知网络是一种具有三层或三层以上的阶层型神经网络。典型的多层感知网络主要包括:输入层、隐含层(也称中间层)、输出层。相邻层之间的各神经元实现全连接，即下一层的每一个神经元与上一层的每个神经元都实现全连接，而同一层内各神经元之间无连接。其结构如图1.4所示。输入层a 隐含层b 输出层c图1.4 神经网络结构图Fig.1.4 Neural Network StructureBP算法的基本思想是，学习过程由信号的正向传播和误差

36、的反向传播两个过程组成，通过学习过程调整神经网络连接权值。它以一种有教师示教的方式进行学习，首- 5 -东北大学硕士学位论文 第1章 绪 论 先由教师对每一种输入模式设定一个期望输出值，然后对网络输入实际的学习记忆模式，并由输入层经中间层向输出层传播(称为“模式顺传播”)，实际输出与期望输出的差即是误差。按照误差平方最小这一规则，由输出层往中间层逐层修正连接权值，此过程称为“误差逆传播”，所以误差逆传播神经网络也简称BP(Back Propagation)网。随着“模式顺传播”，和“误差逆传播”过程的交替反复进行，网络的实际输出逐渐向各自所对应的期望输出逼近，网络对输入模式的响应的正确率也不断

37、上升。通过此学习过程，确定下来各层间的连接权值之后就可以工作了。由于BP网络及误差逆传播算法具有中间隐含层并有相应的学习规则可寻，使得它具有对非线性模式的识别能力。特别是其数学意义明确、步骤分明的学习算法，更使其具有广泛的应用前景。目前，在手写字体的识别、语音识别、文本语言转换、图象识别以及生物医学信号处理方面已有实际的应用。BP算法不仅有输入层节点、输出层节点，还可有1个或多个隐含层节点。对于输入信号，要先向前传播到隐含层节点，经作用函数后，再把隐节点的输出信号传播到输出节点，最后给出输出结果。节点的作用的激励函数通常选取S型函数，如:f(x)=1 (1.2) 1+e-x/Q式中Q为调整激励

38、函数形式的Sigmoid参数。该算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层。每一层神经元的状态只影响下一层神经元的状态。如果输出层得不到期望的输出，则转入反向传播，将误差信号沿原来的连接通道返回，通过修改各层神经元的权值，使得误差信号最小。设含有L层和n个节点的任意网络，各节点之特性为Sigmoid型。为简便起见，指定网络只有一个输出Y。设有N个样本(xk,yk)(k=1,2,3, ,N)，任一节点i的输出为Oi;，对某一输入xk，网络输出为yk，节点i的输出为Oik，现在研究第l层的第j个单元，当输入第k个样本时，节点j的输入为:

39、l-1 (1.3) netljk=wijOljkj-1其中Oljk表示l-1层输入第k个样本时，第j个单元节点的输出。- 6 -东北大学硕士学位论文 第1章 绪 论Oljk=f(netljk) (1.4)使用误差函数为平方型：Ek=(yjk-jk) (1.5)2j其中jk是单元j的实际输出，总误差为：1E=2NEk=1Nk(1.6)定义：ljk=于是：Ek(1.7) lnetjklEkEknetjkEk-1(1.8) =Oljkllllwijnetjkwijnetjk当j为输出节点时Oljk=jkEkEkjk=-(yk-jk)f(netljk) (1.9) llnetjkjknetjkljk若j不是输出节点，则有lEkEkOjkEkl=f(netjk) (1.10) llllnetjkOjknetjkOjkljk其中Oljk是l+1层的输入，计算Ek要从l+1层往回算。 lOjk从上述BP算法可以看出，BP模型把一组样本的I/O问题变为一个非线性优化问题，它使用的是优化中最普通的梯度下降法。如果把神经网络看成输入到输出的映射，则这个映射是一个高度非线性映射。对于变频空调这样一个大滞后、非线性和时变的复杂控制对象，神经网络以其大容量并行处理、分布存储、智能化模糊分类的特点，以及具有自组织、自学习和处理系统内在的难以解析表