基于IKHCMAC神经网络的建筑冷/热负荷预测研究

随着能源危机的爆发,建筑节能已成为我国可持续发展战略的重要组成部分,研究一种精准有效的建筑负荷预测方法是实现建筑供能系统的节能优化运行的重要基础。文章基于人工神经网络研究了一种建筑冷/热负荷智能预测新方法,采用改进的HCMAC神经网络作为预测模型,将粒子群优化与K-means聚类算法相结合,构建了一种新型的IKHCMAC神经网络预测模型,并借助TRNSYS模拟实验平台获得实验数据,与基于Kmeans聚类算法的HCMAC神经网络模型(KHCMAC)及经典IHCMAC神经网络模型相比较。结果表明:IHCMAC神经网络模型的迭代次数最高,收敛速度较慢,IKHCMAC神经网络模型较IHCMAC模型相比,迭代次数降低了75.86%,收敛速度更快;IKHCMAC模型的训练误差为0.29,在3种模型的训练误差中最小,IKHCMAC神经网络模型的学习精度更高;与IHCMAC模型相比,KHCMAC模型的泛化误差较之降低了26.67%,而IKHCMAC模型较之降低了93.33%,其泛化能力更强。     

大型商场建筑夏季冷负荷动态预测模型

夏季建筑冷负荷的正确预测是实现大型复杂中央空调优化运行、节能降耗的关键。笔者探讨了商场建筑冷负荷的主要影响因素,确定了建筑动态冷负荷预测模型的输入,提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,解决了商场内顾客量难以检测的难题。还提出了AFC-HCMAC神经网络预测模型算法,实现了大型商场建筑冷负荷的动态预测。仿真结果表明:顾客率在商场冷负荷预测中占有重要地位,在冷负荷预测模型中增加商场顾客率可显著提高预测精度;AFC-HCMAC神经网络预测算法与传统的HCMAC神经网络算法比较,可有效降低神经网络节点数,提高预测精度。     

一种基于网点的自学习模糊逻辑系统

本文提出一种基于网点的构造自学习模糊逻辑系统的方法，并给出了易于实现的学习算法。     

智能热舒适度测试仪的研究与开发

采用SHT71智能型温度、湿度复合传感器实现温湿度的检测，利用CMAC神经网络的非线性函数逼近功能，建立热舒适度软测量仪表模型，克服热舒适度计算复杂的缺陷，实现热舒适度的在线检测，解决了常规方法不能实现热舒适度在线检测的难题。仿真结果表明，该方法简单实用、精度高、速度快。     

一种基于聚类的超闭球模糊神经网络

针对一类不确定非线性多输入多输出复杂系统,根据系统的输入输出数据对,提出一种基于聚类的超闭球模糊神经网络系统．该系统通过改进的模糊聚类方法（FCM）确定模糊规则数,采用高维隶属度函数取代常规的单维隶属度函数,并对隶属度函数中心值和隶属度函数参数采用一步通过算法,所提方法可降低系统的模糊规则数,简化网络计算．此外,当系统的输入输出发生变化时,可实现模糊规则库的在线修改．仿真实例验证了所提方法的有效性．     

基于粒子群优化的室内动态热舒适度控制方法

针对预测平均投票数(predicted mean vote,PMV)值在舒适区和节能区之间周期性交替变化的控制方法,提出了基于PMV的动态舒适度冷/热抱怨模型和能耗模型.基于此模型,根据用户设定的舒适和节能两者的协调关系,运用改进的多目标离散粒子群优化算法,得出动态舒适度控制系统输入参数的寻优方法.该方法只需实时测量热环境和居住者热感觉数据,不需建立热环境物理解析模型,普适性强.实验证明了上述控制方法的有效性,该方法可实现动态舒适度的最优控制.     

非线性布尔网络系统模糊建模与动态性能分析

针对非线性系统难以精确建模与动态性能分析的基本控制问题,基于模糊动态模型把布尔网络系统理论推广到非线性布尔网络系统,建立了模糊动态布尔网络控制系统的模型。引入模糊动态模型,对非线性布尔网络进行模糊建模,分别建立了非线性布尔网络系统的局部模型和全局模型。从系统的局部意义和全局意义上,对系统进行了能控性、能观性、稳定性等动态性能分析。最后,以多输入多输出的非线性布尔网络系统实例为具体研究对象,建立了系统的局部模型和全局模型,并对动态性能进行了仿真分析,得到了实验结果。实验结果表明,模糊动态布尔网络控制系统对非线性布尔网络系统的建模是有效的,动态性能分析是合理的,对模糊动态布尔网络控制系统的进一步分析有重要意义。     

基于广义基函数的CMAC学习算法的改进及收敛性分析

基于广义基函数的ＣＭＡＣ（ＣｅｒｅｂｅｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎｔｒｏｌｅｒ）学习算法（称Ｃ－Ｌ算法）收敛条件依赖于基函数和学习样本,很难同时满足学习快速性与收敛性．提出了一种改进学习算法,并证明改进算法是收敛的,而且收敛条件不依赖于基函数和学习样本．仿真结果表明改进算法优于Ｃ－Ｌ算法和标准的Ａｌｂｕｓ算法．     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

热计量与温湿度调节装置中最佳温湿度匹配库的建立

利用CMAC神经网络算法简单、学习速度快、易于软件实现的特点,在智能型热量计量与温湿度调节一体化装置中实现了最佳温湿度匹配库的建立;对用户的温湿度匹配值进行学习、联想记忆,满足了不同人的舒适性的要求;在基函数为1的情况下,可大大简化编程;运行结果表明,该方法学习速度快、精度高,在以人为本的人居环境控制中具有广阔的应用前景。