人工神经网络在VAV空调系统中的应用

人工神经网络在VAV空调系统中的应用摘要：本文文叙述了常用用的BP神经网络络在空调控制制中的优点，在在分析了VAV空调系统的的优缺点的基基础上，提出出了人工神经经网络控制的的策略，并从从建立模型、样样本训练和控控制实现方面面阐述了神经经网络在VAV空调系统中中的应用。展展望了神经网网络在空调领领域的研究和和开发走向。关键词：人工神神经网络；VAV空调系统；BP网络；控制制ApplicaationofarrtificialnneurallnetwworkiinVAVVair--condiitionsssysttemAbstracct：InthhispaaperaanalyssisthheexccellennceoffBPnnetworrkintheffieldofcoontroll.BaseeonttheexxcelleenceaanddiisadvaantageeofVVAVaiir-connditioonssyystem,,authhoraddvanceetheussingoofANNNconttrolliinginnthattsysttemthhenfrromthhewayyofmmodelbuildding,trainningsandrrealizzationnofccontroollerofVAAVairr-condditionnssysstem.ProsppectttheteendenccyofstudyyingaandexxploittationnwhicchANNNapplliesiintheeareaaofaair-coonditiions.Keywordd:arttificiialneeuralnetwoork(AANN);VAVaair-coonditiionsssystemm;bbackppropaggationn(BP))netwwork;contrrol0前言随着人们对室内内空气质量要要求的提高，空空调已经成为为人们生活的的必需品。由由于空气质量量是保证人类类健康和舒适适的关键因素素之一，因此此，现代建筑筑内中央空调调发挥了举足足轻重的作用用，目前基本本上能够满足足人们对空气气调节的要求求。但对于空空气的温度、相相对湿度要求求十分严格的的某些空调房房间，还需要要研究新的有有效的处理控控制及方法。利用人工神经网络（ANN）可以避开传统的控制方式中的建模和特征提取，消除模型及特征选择不当带来的不良影响，且人工神经网络具有很强的容错能力，用户无需了解对象的出入输出变量之间的真正关系（传递函数），便能很好的对空调系进行控制。因此，人工神经网络将越来越多的应用于中央空调系统的控制中。1人工神神经网络控制制方法人工神经网络作作为一门前沿沿学科，在模模仿人类智能能行为时具有有诸多优势。目前，国内外利用人工神经网络来模拟设备性能、预测负荷已经十分常见。1994年，Curtiss利用神经网络模型成功的模拟了一台往复压缩式的冷水机组和其它暖通空调设备的性能。国内也有利用神经网络对蓄冰空调的优化控制、对空调器进行仿真的例子。神经网络有以下很多优点：1、神经网络可可以模拟高度度非线性系统统；2、神经网络具具有较强的学学习能力、容容错能力和联联想能力；3、神经网络具具有较强的自自适应能力，其其主要特点是是可通过重新新训练网络进进行设备特性性的动态校准准功能；4、神经网络模模型建模时间间短、易于进进行计算机模模拟。5、神经网络能能有效地模拟拟暖通空调系系统的各个设设备的非线性性特性曲线，从从而对整个暖暖通空调系统统进行优化控控制。所以，对于暖通通空调系统的的ANN控制，BP模型是较适适合的一种。BP模型是Rumelllhearrt等人提出的的一种有监督督训练（有导导师训练）多多层神经网络络，是目前应应用最广泛的的一种神经网网络，它简单单易用。BP神经网络采采用的BP算法是算法的的改进推广也也称为“误差逆传播播算法”，BP神经网络由由输入层、隐隐含层（中间间层）和输出出层构成，一一般来讲，BP网络是一种种有三层或者者三层以上（多多个隐含层）的的多层神经元元网络，图1是一个三层BP网络模型。图1BP神神经网络模型型BP模型的学习习过程可描述述位两部分，第第一部分是工工作信号正向向传播，从输输入层开始，传传递各层并经经过处理后，产产生一个输出出，并得到一一个该实际输输出和所需输输出之差的差差错矢量；第第二部分是误误差信号反向向传播，从输输出层至输入入层，利用差差错矢量对权权值进行修改改，最终使该该网络在样本本集上的误差差平方和最小小或达到要求求。输入层和和隐含层之间间的操作特性性为式中：——第jj个隐含层神神经元的总的的输入信号，——使神经元ii到神经元j的连接权值值，——j神经元的的当前输入即即i神经元的输输出，——隐含层神经经元的阈值。每个神经元的激激励函数是可可微的Singmmoid函数，取为神神经元的输出出信号，则有有激励函数的导数数为，输出层层校正误差为为：式中：——理想想输出——实际输出——输出层第tt个神经元的的激活值隐含层的校正误误差是由个输输出层神经元元校正误差传传递产生的，即即：式中是输出层到到隐含层的连连接权值。输出层至隐含层层和隐含层至至输入层的权权值校正量分分别为：0<<11(学习系数)0<<11(学习系数)三层之间有不同同的学习系数数。输出层和和隐含层的阈阈值校正量分分别为：，范围同上每次训练都要调调整连接权值值和各层的阈阈值，最终是是理想输出和和实际输出之之间的误差在在允许范围之之内，这样的的学习算法就就称作BP算法。由于VAV空调系统参参数非常多，所所以BP网络的学习习速率也将受受到一些影响响，通常是凭凭经验选择BP网络的学习习速率。可以以先用数学软软件Matlaab进行模拟仿仿真选择比较较合适的学习习速率，这样样更能接近实实际训练时的的学习速率。2VAV空空调系统的神神经网络控制制VAV（变风量量）空调系统统是利用改变变送入室内的的送风量来实实现对室内温温度调节的全全空气空调系系统，它的送送风状态保持持不变。由于于VAV空调系统具具有三个优点点：（1）能实现局局部区域的灵灵活控制；（2）利用系统统多样性，可可使中央系统统的初始成本本低；（3）系统是自自平衡的。所所以，在国外外智能大厦的的空调系统中中多采用VAV空调系统统，或与CAV空调系统、FFCU空调系系统相结合的的方式。神经网络在空调调中的应用不不止是控制方方面的，还有有比如空调负负荷预测、系系统故障诊断断、建筑物能耗分析析等方面，作作者着重介绍绍神经网络在在VAV空调控制方方面的应用。神神经网络控制制器可以最大大限度的克服VAV空调系统的的缺点：（1）当房间低低负荷，可以以改变送风温温度，不会造造成送风量减减小带来的新新风供应不足足的问题；（2）克服了控控制复杂的问问题，可以完完成包括房间间温度、送风风量、新风量量和排风量的的匹配控制，而而不会产生系系统的不稳定定。VAV空调系统的的神经网络控控制系统的基基本原理如图图2所示：图2神经网络络控制的VAV空调系统原原理图训练样本的输入入应为系统在在N-1时刻的控制制器历史参数数(再加热器输输出，加湿器器的输出，送送风风机转速速，风阀的开开度等)和表征系统统特性的状态态参数(室内温度，室室内相对湿度度，风机前后后的压力差，送送风温度，送送风风速，回回风风速，送送风含湿量等等)，输出应为为系统在N时刻的状态态参数来驱动动控制器。然然后，控制过过程开始，控控制器执行命命令并输出一一个希望的控控制。控制的的目的是用最最小的能耗和和以最快的速速度达到期望望的室内温度度和湿度等，使使系统的静、动动特性能够满满足性能要求求。控制器的的目标函数应应包括三部分分，第一部分分是室内空气气状态参数，第第二部分是VAV系统参数，第第三部分是系系统总能耗，具具体参数的选选取要根据用用户要求、空空调系统和控控制方案确定定，并且可以以调节它们之之间的比例因因子从而将侧侧重点放在其其中的某项上上，其BP网络结构图图如图3所示：图3VAV空空调系统的BP网络结构图图训练的样本的收收集可以以一一个空调房间间为调查对象象，监测制冷冷季节中某一一天内不同时时间的输入参参数和输出参参数，和从当当地建筑设计计院获得的气气象参数。值值得重视的是是人工神经网网络的训练是是控制是否理理想的关键所所在，如果训训练不足就会会导致ANN无法识别对对象，可以考考虑ANN同PID控制相结合合来弥补训练练不足的缺点点。3神经网络络在暖通空调调领域中的发发展前景空调控制的参数数多，控制复复杂、建立模模型难的特点点，以及现在在人们对空气气质量的提出出越来越高要要求，和暖通通行业“以人为本”的设计理念念，流行的PID控制方式已已经不再满足足空调系统的的控制要求了了，人工神经经网络控制方方式越来越广广泛的被暖通通行业所重视视，用神经网网络研究空调调制冷系统能能够“化繁为简”，更能使以以人体热舒适适为目标的控控制器成为可可能，是一种种简单可靠和和人性化的控控制方式。随随着科学技术术水平的进步步和微电子制制作技术的提提高，神经元元芯片将会广广泛的应用于于各个领域的的控制，人工工神经网络的的硬件实现和和计算机支持持技术也是值值得研究课题题。参考文献：1、王旭，王宏宏，王文辉.人工神经元元网络原理与与应用.东北大学出出版社，沈阳阳200002、陆亚俊，马马最良，邹平平华.暖通空调.中国建筑工工业出版社，北北京200223、戴葵.神经经网络实现技技术.国防科技大