变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

变风量空调系统末端的变论域模糊PID控制

针对目前传统PID控制对模型依赖性强,参数难以在线调整,对不确定性强的变风量(VAV)空调系统的控制快速性和准确性差的特点,提出一种变论域模糊PID控制,以提高系统的控制速度和精度,使系统具有良好的动、静态性能。在推导的变风量空调房间和末端装置数学模型的基础上进行了仿真研究。结果表明,控制系统具有很好的鲁棒性和自适应能力,可以明显提高系统的响应速率,控制器的动态结构更适用于变风量空调系统。     

自适应解耦补偿控制在变风量空调系统中的应用

针对变风量（VAV）空调系统正常运行的必要条件——稳定性问题进行研究,把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分。应用了单神经元自适应PID控制器的概念,并结合神经元自适应解耦控制的策略,对变风量空调系统的机组部分进行了解耦与控制,还从实验系统测试的方面对解耦控制策略进行了验证。实验结果证明了这种解耦控制策略的有效性。     

变风量空调系统房间温度的串级自抗扰控制

变风量空调系统房间温度控制中,由于控制对象存在非线性、大滞后、模型参数不确定性等问题,导致温度调节困难。采用一种新型二阶离散最速控制函数设计自抗扰控制器,结合串级控制,以变风量空调末端装置风阀开度为中间被调量,将自抗扰引入到串级控制的温度环,设计了串级自抗扰控制器。建立了空调房间和末端装置的仿真模型,并进行仿真控制器和实验控制器的参数整定。仿真和实验结果表明,与经典串级PID温度控制器相比,该控制器响应快、超调小、控制精度高,能有效地克服房间对象中的不确定性和热扰动,保证室内的舒适性。     

模糊PID控制在变风量空调系统中的应用

针对被控对象大惯性、不确定特点,提出一种变风量空调系统室温智能控制方案,建立了变风量空调系统的数学模型,采用了串级控制策略,主控制器采用一种新的可变论域自适应模糊PID控制.用串级控制反馈控制改善性能,抑制一、二次扰动,减小了各种扰动对室温的影响.采用可变论域自适应模糊PID控制.进行仿真.结果证明,变风量空调系统具有良好的动态性和稳定性.当空调房间模型结构参数发生变化时,控制系统鲁棒性好.     

模拟退火算法改进的BP神经网络PID控制器在变风量空调系统中的应用研究

以变风量空调系统的温度控制作为研究对象,在现有研究的基础上,提出了模拟退火算法改进的神经网络PID控制方法。应用神经网络进行PID参数在线整定,模拟退火算法提高神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

基于改进GA的变风量空调系统优化控制仿真

针对变风量空调系统本身存在多变量、非线性、强耦合等问题,基本遗传算法很难起到很好的控制效果.现针对基本遗传算法的适应度值、交叉率和变异率进行改进,通过引入Sigmoid函数和高斯分布函数自适应调整公式来调整交叉率和变异率,并对适应度值进行自适应设计,构建一种改进遗传算法.并采用改进遗传算法对PID控制器参数进行在线调整,最后将改进的遗传PID控制器和基本遗传PID控制器分别对典型二阶系统、滞后系统进行控制仿真,并对变风量空调系统的冷冻水流量-送风温度,送风温度-房间温度,风机频率-风管静压这三个控制回路进行仿真研究;仿真结果表明:所提算法的动态性能好,系统超调量、上升时间均有所减少,同时具有较强的抗干扰性和鲁棒性,为变风量空调系统优化控制提供了一种可行控制方案.     

变风量空调系统末端智能控制器研究

针对影响变风量空调系统末端控制的诸多因素,设计一种PID控制与模糊控制相结合的控制器,解决了变风量空调系统滞后大、惯性大、随机干扰多及非线性等问题.经验证,与传统的控制器相比较,系统的动态响应和稳态精度明显改善,并且具有较强的鲁棒性.     

基于smith预估控制的变风量空调温度串级控制设计

通过对变风量空调控制系统空气处理过程的分析,提出了一种变风量空调房间温度的串级控制方法。针对温度控制过程中出现的大滞后现象,采用Smith预估控制消除其对控制过程的影响,提高控制效果。并对该方案进行了仿真验证,结果证明本方案在VAV空调系统中的应用效果较好,有利于改善和提高系统的性能。     

基于神经网络的变风量空调系统故障诊断

对变风量空调系统的故障和故障发生的原因进行了分析.提出了采用BP神经网络对变风量空调系统的故障进行检测与诊断.运用MATLAB中的神经网络工具对故障的模式和故障的原因进行了仿真。仿真结果表明,采用BP神经网络对变风量空调系统进行故障诊断是行之有效的。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降;电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型;传统的方法对电机温度的控制精度较差,从而导致电机温度失控;为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法;将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整;实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

基于神经网络的PID控制器

提出了一种新型PID控制器,该控制器利用BP网络实现PID参数的在线调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。     

多种PID控制及其仿真比较

同一控制对象．分别用常规整定PID控制、模糊自适应整定PID控制、基于BP神经网络整定的PID控制、基于遗传算法整定的PID控制四种方法用MALTAB仿真分析,并对效果进行比较。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

基于动态递归网络的PID自适应控制器的设计与应用

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。     

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知,不确定,时变单输入单输出离散非线性系统,利用三层BP网络,采用快速BP算法构成学习和自校正控制的方案,针对同一被控对象,设计了PID控制器,仿真结果表明本文所提出的神经网络自校正控制的优越之处。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

基于BP网络的飞轮电池电力转换控制研究

飞轮电池储能用集成电机时变非线性特点使得传统PID控制难以得到理想的控制性能,为此基于BP神经网络研究了一种新颖的飞轮电池电力转换器。该控制器结合BP神经网络自学习能力和PID控制的全局渐近稳定性能,通过神经网络在线优化调节PID参数,以实现对飞轮电池的高性能控制。其中,采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,同时使用遗传算法(GA)优化得到PID参数的初始值,这可加快神经网络学习训练的收敛速度并避免陷入局部最小,进一步提高控制性能;另外,PWM采用SVPWM技术以增强能量转换效率和减小转矩脉动。数字仿真表明,基于所提出的BP-PID控制的电力转换矢量控制系统能够使飞轮电池在充放电两端都具有较快动态响应,较小超调,较高稳态精度以及较强的鲁棒性,控制效果明显比传统PID好。