变风量(VAV)空调系统是为满足节能的要求而产生的,但目前在变风量空调控制方面还存在很多问题,这主要是因为变风量空调控制回路多,各回路之间耦合较强,且室外气象参数和空调区域内扰的变化都会对系统运行造成影响。此外,VAV系统空气调节过程及各执行器的运行特性具有非线性也给控制系统设计增加了难度。针对变风量空调这种存在大滞后特性的MIMO非线性系统,本论文综合神经网络、最优控制和预测控制的优点,提出了一种基于神经网络的非线性预测优化控制算法。该算法采用基于Hamilton-Jacobi-Bellman(HJB)及Eular-Lagrange (EL)和预测滚动优化思想训练多层前馈神经网络,然后将其作为优化反馈控制器来求解时变MIMO非线性系统的优化反馈解,可以在计算量和占用存储区容量适中的情况下解决非线性系统的优化控制问题,同时引入多步预测优化性能指标来克服各种不确定性和复杂变化的影响;此外,在控制过程中还利用另一个神经网络对系统时变参数进行预测,以充分发挥预测控制的优势。在进行试验研究前,对上述算法进行了计算机仿真研究,结果表明,所提出的控制方案对于含有大滞后特性的MIMO非线性系统可以取得良好的控制效果。在仿真研究成功的基础上,在北京建工学院建筑智能化实验研究中心楼宇自控实验室进行了实验研究。首先利用研华网络控制器AMAM6500进行了楼宇自控实验室空调区域参数采集工作,包括温度、湿度、太阳辐射强度等,利用多层前向神经网络建立了空调区域温度和相对湿度的预测模型,并研究了改善神经网络预测模型泛化能力的方法。基于已建立的预测模型,将上述控制算法用于变风量空调系统的实际控制研究,综合考虑舒适性指标和能耗指标作为预测优化控制的目标函数,以达到既满足舒适性要求、又节省能耗的目的。研究结果表明:1)由于预测控制的滚动优化和反馈校正始终建立在实际控制过程的基础上,能够有效克服控制系统中模型不精确、非线性、时变等不确定性的影响。因此,在存在干扰的情况下,本论文提出的控制方案能够使被控参数保持稳定,控制性能良好,而且避免了执行机构频繁动作。而同样情况下,PID算法会使被控参数长时间波动,这种波动不仅使控制性能变差,而且会造成执行机构动作频繁,降低其使用寿命。2)由于本论文提出的控制方案综合考虑舒适性指标和能耗指标作为目标函数进行优化预测控制,研究表明,与PID控制方法相比,采用本论文提出的控制方案能够使变风量空调系统节约能耗6%以上。3)所研究的智能控制算法实时性好,且在研华网络控制器上实现时,整个程序占用FLASH存储区空间仅为1.1MB,运行时进程占用内存大小为1.3MB。它既能够降低成本,又可以实现分布式控制,克服了常规神经网络智能控制算法不能保证实时性,以及占用存储区多、无法在网络化控制系统中现场控制层实现的缺点。