现阶段,中国正走在工业化、城镇化的道路上,能源需求持续增长,而持续性增长的能源消耗以及能源消耗所带来的资源不足、环境污染,已经成为城市建设领域的主要问题。目前大部分建筑和办公楼普遍采用定风量空调系统,其耗能通常都能达到建筑物总耗能的50%以上。而变风量空调系统,由于其节省电力、操控便易、舒适度好等优势已广泛应用于许多大中型的公共、民用楼宇和工业建筑中,从全球范围看来其占有率也呈现了逐步提高的趋势,并在逐步替代定风量系统。有关研究者和专家对变风量空调系统的优化控制方面的有关研究成果也日益渐多。目前变风量系统的控制方式普遍为PID控制方法,在受控设备较为简易工作状况比较固定的情况下,常规的PID控制方式可以获得较为满意的控制性能要求。但是对于变风量系系统而言,由于该系统具有极大滞后性,回路高度耦合的特性,且本身设备状况的庞大和复杂且受干扰因素较多,因此PID控制方法的控制性能受到限制,设计的控制器很易在控制变风量系系统时发生工作滞后的状况,达不到满意的控制效果,房间内的舒适性也不尽人意。针对上述问题,本文提出使用较新型的无模型自适应控制（Model-Free Adaptive Control,MFAC）方法控制变风量系统的稳定工作,由于MFAC控制方法的四个关键的参数对控制性能好坏有显著的影响,因此提出搜索能力更强的混合磷虾算法用于对MFAC的关键参数进行整定。本文主要完成的研究工作分为以下几点:（1）针对变风量系统这一具有极大滞后性、回路高度相互耦合特性的多输入多输出复杂系统,依赖系统内部机理来构建变量间数学关系的机理建模难以得到准确的变风量模型,因此本文提出基于奇异谱分析和时空卷积网络的方法对已有的变风量系统建立其数据模型,该数据模型为后面的变风量系统数据驱动控制奠定了重要基础。（2）针对PID控制方法难以有效控制变风量系系统稳定运行的问题,本文采用更为先进的无模型自适应控制（Model-free Adaptive Control,MFAC）。MFAC有四个关键参数显著影响着控制性能的好坏,但这四个参数难以整定,因此本文提出一种新的智能优化算法-混合磷虾群（Particle Swarm Optimization–Krill Herd,PSOKH）算法,用于对这四个参数进行自动优化整定。基于混合磷虾算法的MFAC方法（PSOKHMFAC）降低了人为调节设定参数对控制性能所产生的不确定影响,使得控制效果更为稳定和鲁棒。（3）完整变风量系统具有多个回路,直接考虑整个系统的回路并进行控制是不合实际的,因此本文的研究对象为VAV系统中十分重要的两个回路:变频器-风机-管道静压回路和新风阀-二氧化碳浓度回路。为完成这两个耦合回路的有效控制,首先利用基于奇异谱分析和时空卷积网络的方法对VAV系统建立数据模型并用该数据模型产生稳定的数据流,再将经过混合磷虾群算法整定参数的无模型自适应控制方法用于控制其平稳运行。