智能建筑作为建筑业中新的“经济增长点”，逐渐成为建筑市场的大趋势，智能建筑的设计充分考虑到人们的感受，为人们提供一个舒适和安全的工作、生活学习环境，而这主要是通过空调及其控制系统来实现。但空调系统又是主要的耗能系统，耗电量相当大，往往容易造成不必要的消耗，随着人们环保意识的增强，也更加的注重节能效果，中央空调的节能已经成为了人们迫切需要解决的主要问题。在空调系统进行评价时，一般都是将房间的温度作为指标的判别标准。如果只将房间温度作为被控参数的控制方案过于简单，并不能满足人们的需求。同时，也会造成空调系统浪费更多的能源和增加更多的运行费用，也对经济性能方面有了很大的冲击。而人体热舒适指标，即PMV指标也是国际上判别房间热环境的重要理论依据。PMV作为控制目标已成为智能化空调发展的一种趋势。本课题设计了BP网络预测PMV指标，通过仿真结果可以看出尽管取得了不错的预测效果，但在收敛速度方面没什么优势。针对这点不足，本文又将粒子群算法引入对BP神经网络整定的过程中，整定完毕后重新的预测PMV指标。通过仿真结果可以看出，在保证准确度的基础上还加快了收敛速度。我们在后面还介绍了PMV指标的控制方式，并根据比较选择了基于PMV指标的直接控制策略，进行仿真实验。通过仿真的结果证明了在对温度进行调节的同时，改变风速的快慢，还可以使PMV指标达到舒适性标准，充分反映了很好的节能效果。由于变风量空调的末端起到改变风速的作用，末端装置在VAV系统的组成部分中占有很重要的位置。要想对房间送风量的大小达到控制，一般的情况下VAV系统是通过末端装置来实现的。空调的效果和末端的装置有着紧密的联系。VAV系统末端主要种类压力有关型末端和压力无关型末端，并且具备的特点也不相同。压力无关型控制采用流量串级回路，也消减了各末端之间的藕合又保证了稳定。根据分析和比较，本文在最后采用的是压力无关型控制进行仿真。同时又引入改进的粒子群算法，也能最大程度的弥补了算法的缺陷。