基于RBF预测的模糊神经变风量空调控制

目的为提高变风量空调系统的动态控制性能,提出基于预测的模糊神经网络控制方法.方法通过模糊神经控制器对输入输出量进行控制,预测器进行控制参数预测,比较实际控制量与预测量来进行实时控制和调整参数,从而达到预期的控制效果.结果仿真试验表明,该方法控制动态响应快,超调小、控制精度高,具有良好的动态性能和稳态性能.结论所提出的控制方法能有效地提高了变风量空调系统的动态性能,并由仿真结果验证了其有效性.     

变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

基于神经网络预测节能中央空调控制策略

由于传统中央空调具有大滞后、大惯性、非线性特性,造成常规控制方法下系统供给的能量与负载所需能量不匹配,使得中央空调与使用环境能量供求不平衡,浪费了大量的电能.针对中央空调的控制特性,提出了一种基于神经网络技术的预测控制方法,将Elman神经网络预测器和神经网络控制器有机结合,通过预测未来能量需求,实时调节控制策略,使系统所需能量和空调输出能量达到匹配.采用Elman神经网络预测器和神经网络控制器有机结合的控制方法,使系统具有良好的动态性能和稳态性能,节能效果显著.采用神经网络预测型节能中央空调,可有效控制中央空调与使用环境能量供求的关系,为降低智能建筑能耗提供了可靠的保障.     

基于神经网络的变风量空调解耦控制

目的 分析变风量空调运行时各变量之间的耦合关系,针对变风量空调参数多变、强耦合的特点,提出一种变风量空调系统改进型误差反播神经网络解耦控制方法,对变风量空调温湿度控制系统进行解耦.方法 把整个系统的解耦目标分解为N个子目标,每个子目标仅仅对一个回路通道进行解耦,其结构与指标函数简单,易于实现;并将模糊神经网络控制器与解耦控制器有机结合.结果 解耦成功后,控制响应速度快、超调量几乎为零,达到期望温度后温度曲线保持不变,而此过程中湿度值基本没有变化,整个控制过程调节响应快,稳态误差小,解耦效果明显,有很强的控制精度和鲁棒性.结论 BP神经网络解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的解耦控制效果.     

基于T—S模型模糊神经网络预测的退火炉温度控制

目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性．方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T—S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温．并通过仿真与传统的模糊PID控制方案进行对比分析．结果T—S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点．结论T—S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制．     

预测控制在中央空调净化系统中的应用

针对常规PID控制在非线性、大惯性系统中存在滞后、精度低等弱点,构建了神经网络与预测算法相结合的控制系统.采用预控算法,充分利用预测控制的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型,实现了对大滞后系统的自适应控制,具有实时控制和预测性能,有效地提高了控制精度和可靠性,增强了稳定性.现场运行结果表明,在空气净化器系统中使用该方法效果良好,易于推广.     

基于模糊神经网络的电液比例系统同步控制方法

以某厂钢坯翻转系统为例,建立电液比例阀动态方程及其控制框图,提出基于模糊神经网络的电液比例系统同步控制策略,构建基于模糊神经网络的同步控制器,详细叙述了模糊神经网络的基本结构和运算法则。结果表明,该控制方法具有控制精度高、动态跟踪性能好以及鲁棒性强等特点,能很好地满足实际工作要求。     

基于性能协调的溶解氧复合控制方法

针对常规比例积分微分(proportion-integral-derivative,PID)控制存在精度不高,在线自适应差的缺点,提出了一种在线PID-TS模糊神经网络复合控制方法.该方法利用TS模糊神经网络的自学习能力提高溶解氧的控制精度,并通过构造的性能协调因子在线调整两者权重.将提出的控制方法应用于国际基准仿真平台.结果表明:所提方法能有效控制污水中的溶解氧参数,与常规PID和BP(back-propagation)神经网络控制器相比,该方法具有更优的动态性能.     

基于神经网络预测的铝电解模糊控制系统应用

目的采用神经网络作为非线性估计器,设计自组织模糊控制器,解决常规控制方法难以解决铝电解过程中存在的时变和大时滞问题,提高控制性能.方法在分析铝电解生产过程的基础上,通过建立神经网络预测模型以及基于规则双阶段获取的自组织模糊控制器,将神经网络与预测控制算法相结合,提出了一种基于神经网络预测的铝电解模糊控制系统.结果给出了以STD工业总线控制机为核心的模糊控制系统,实现了铝电解过程的最优控制.使得神经网络预测模型的输出能够很好地跟踪铝电解生产过程,预测效果更佳.结论该系统能使电解过程很快达到稳态,产生的超调量较小,具有良好地响应特性和鲁棒性,提高了铝电解过程的动态和稳态性能.     

基于BP神经网络的改进增量式PID暖通控制器设计

为了克服传统PID控制在暖通空调系统应用中超调量大、控制精度低的缺陷,提出了一种基于BP神经网络的PID控制器设计方法.利用BP神经网络具有很强的学习能力、任意逼近非线性能力、自适应性和鲁棒性等特点,将BP神经网络与PID控制结合,实现了PID的3个控制参数的在线自整定.仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,避免了由于系统模型和结构参数变化导致的控制效果不稳定.     

基于VAV变风量智能建筑空调系统控制

为了解决传统VAV空调系统的非线性、延时性、波动性以及模型准确性等问题,在传统PID控制系统的基础上,引入模糊PID控制机理,建立了模糊增益控制器.结合自适应调节系统,通过模糊调整方法,以变风量空调系统终端阀门的开度为最终控制对象,通过MATLAB编程建立模型,对PID控制器参数进行在线调整.结果表明,引入模糊PID控制方法的VAV空调系统与传统PID控制方法相比,前者动态响应速度快,校正时间短、超调量小,具有广阔的应用前景.     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.     

PID自整定调节器在VAV 空调系统解耦控制中的应用

通过采用PID自整定调节器以及前馈补偿解耦网络,对变风量(VAV)空调系统中"两个空气处理机组成的耦合系统"和"风系统和水系统耦合系统"进行解耦控制.通过MATLAB仿真研究和在实际系统中的实验研究验证了调节器和解耦网络的可行性和有效性,仿真结果和实验结果令人满意,为变风量空调系统的解耦控制提供了有效的方法,为变风量空调系统的整体稳定运行奠定了基础.     

基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

变风量空调系统的协调控制策略研究

阐述了变风量空调系统的基本原理和建筑物自动化系统应用体系结构的特点,从协调控制的角度,对目前变风量空调系统的系统控制方法进行了探讨,基于变风量方式下空调房间的动态数学模型及各控制环节的动态特性,运用MATLAB（SIMULINK）软件对风机总风量控制方法进行了仿真研究,结果表明该控制策略具有调节及时、效果显著等特点,是一种简单、实用、节能的系统协调控制方法。     

单电磁悬浮系统的神经网络模糊滑模控制

为实现单电磁悬浮系统悬浮气隙的精确控制,提出一种基于神经网络的模糊滑模控制方案.根据单电磁悬浮系统的动态非线性数学模型,设计使系统状态在有限时间内到达稳定点的滑模面,同时根据滑模切换状态,通过引入神经网络的模糊控制方法对滑模切换控制量的增益进行评估,实时对滑模控制量进行调整,实现切换控制信号的柔化.基于神经网络的模糊滑模控制系统不仅能很好地跟踪给定信号,而且能削弱滑模控制抖振,对外部扰动具有完全的鲁棒性.仿真结果表明,所设计的控制系统零超调,具有速度跟踪性能,对外部扰动具有很强的鲁棒性.     

舒适性指标PMV在暖通空调控制中的应用

在分析了影响人体舒适性感觉诸因素的基础上,讨论了PMV(预测平均投票值--Predicted Mean Vote)指标的作用和运算方法.利用人工神经网络建立了PMV指标的预测模型,并将PMV指标用作空调系统的优化性能指标,研究了空调系统优化控制方案.优化指标取舒适性指标和耗能量之和,在模型不确定和环境、负荷参数不断变化的情况下既达到了节能的要求,又可以使空调区域内的温、湿度保持在舒适性范围内.研究表明将PMV指标用于空调系统的优化控制,具有良好的适用性.