随着我国公路建设的发展,公路隧道的安全节能运行受到人们越来越多的关注。由于车流量、污染物(主要指CO和烟尘)浓度的不确定性,隧道通风系统从控制角度看具有较大的时变性、非线性和时滞性,并且多参数之间有很强的耦合关系,因此对象的精确数学模型难以获得,这使得应用传统方法及时控制污染物浓度,同时尽少量开启风机变得很困难。目前,不少国内隧道仍采用阈值或简单闭环方式进行通风控制,整体自动化水平较低,运营电能消耗巨大。因此,研究公路隧道通风的智能控制方法在当前能源紧缺的形势下是十分必要的,本文据此建立了一个前馈式模糊控制的隧道通风系统。论文首先对通风系统相关四环节(空气动力学模型、污染物模型、交通流模型和控制模型)及其相互关系进行了深入研究。在空气动力学模型中,考虑了交通流通风力、机械升压力和自然通风力等因素对风速的影响,介绍了风速变化的数学模型。在污染物模型中,考虑了污染物对流和紊流扩散,介绍了污染物变化的数学模型。在交通流模型中,介绍了车流与车速的抛物线关系。为克服传统控制缺少预测能力,常滞后于当前实际的问题,采用神经网络进行短时交通量预测,以过去半小时内的交通量数据,预测10分钟后的交通量,并进行了仿真测试。结果表明,预测误差在容许的范围之内(低于10%),基本能预测出交通量的变化趋势。在控制系统设计中,根据隧道设计参数将神经网络预测到的交通流增量转化为污染物的增量,叠加到模糊控制规则中偏差量的计算上,即根据污染物增量、实时污染物浓度和污染物浓度设定目标的差值,实时风速,经过模糊推理,输出所需启动风机的台数。论文对CO和VI(Visibility)能见度分别进行设计模糊控制器,取两输出中较大一个为系统输出,确保空气质量。其次,介绍了隧道通风用无线CO电化学传感器的应用设计。最后,搭建简易试验平台,对模糊神经网络通风控制系统进行了编程与测试。平台硬件由简易隧道、CO传感器、风机、工控机及PLC组成,工控机上运行的组态软件是实现前馈式模糊控制的核心,PLC实现环境信息采集,执行工控机指令,控制风机启停。实验表明,模糊控制能够避开隧道通风系统缺乏完善的控制模型的弊端,神经网络具有较强的学习和自适应能力,两者结合能达到既满足通风需要又节能的目的,是解决系统非线性和时滞性的有效方法,具有一定的工程应用价值。