论文部分内容阅读
从节能和提高室内环境质量角度来看,暖通空调(HVAC)自控系统是楼宇自动化中最重要的系统。因此,采用有效的空气调节方式对智能建筑的能量管理控制(energy management control,EMC)具有重要意义。目前,变风量(variable air volume,VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。但是,变风量(VAV)空调系统具有多变量、强耦合、非线性、时变的特点,其设计、运行和管理都比定风量(constant air volume,CAV)系统难度大,国内尤其关注系统的稳定运行问题。 本文针对变风量(VAV)空调系统的机组部分存在耦合,难于稳定运行的情况,在分析比较多种多变量解耦控制方案的基础上,提出了神经网络(Neural Network,NN)α阶逆系统解耦控制的方案。论文首先介绍了用于解耦控制的即网络的基本原理和网络训练学习算法,运用神经网络建模的方法,采用串—并联辨识结构,得到了变风量(VAV)空调系统机组侧变频风机—管道静压和新风阀—室内CO2浓度两个回路构成的子系统的二输入二输出正向动态神经网络模型;然后离线训练得到了机组部分的逆动力学神经网络模型,并结合辨识得到的正向模型,仿真验证了逆系统开环解耦的可行性;利用Johnson Controls自控公司提供的硬软件平台,用VB—DDE—METASYS模式编写了实现解耦控制算法的软件,用实验验证了基于逆模型和受控过程构成的伪线性复合对象并采用NN控制器的神经网络α阶逆系统解耦控制方案在变风量(VAV)空调系统中实际运用的可行性。实验结果令人满意,为今后在工程实践中的应用奠定了基础。