基于PID神经网络解耦控制的变风量空调系统_付龙海

有关解耦控制的最新技术

收稿日期:2003-06-09

基金项目:陕西省教育厅专项科研计划项目(01JK 170)

作者简介:付龙海(1976-),男,博士研究生.　　文章编号:0258-2724(2005)01-0013-05

基于PID 神经网络解耦控制

的变风量空调系统

付龙海1,李　蒙2

(1.西南交通大学电气工程学院,四川成都610031;2.洛阳工业高等专科学校计算机系,河南洛阳471003)摘　要:为了消除变风量空调系统各回路之间存在的耦合,以便对该系统进行有效控制,建立了变风量空调机组部分变频器-风机-静压回路和新风阀-CO 2气体体积含量回路的动态模型,提出用PI D (比例-积分-微分)神经网络解耦控制方法消除这2个回路之间的耦合.实际运行结果表明,PI D 神经网络解耦控制技术可以有效地对变风量空调系统中2个回路进行解耦控制.

关键词:PI D 神经网络;变风量空调系统;解耦控制技术

中图分类号:T M 925.12;T P183　　文献标识码:A

Variable -Air -Volu me Air -Conditioning System

Based on PID -ANN Decoupling Control Technology

FU Long -hai 1,

LI Meng 2(1.School of Electrical Eng .,Southwest Jiaotong U niversity ,Chengdu 610031,China ;2.Dept .of Computer ,

Luoy ang Technology College ,Luoy ang 471003,China )A bstract :A dynamic model fo r a transducer -electromotor -pressure loop and a fresh air valve -CO 2volume content loop w as established in o rder to eliminate the coupling of each loop in a variable -air -volume (VAV )air -conditioning system and effectively control the sy stem .In addition ,decoupling control technology based on the PID (proportion -integral -differential )ANN (artificial neural netwo rk )w as used to eliminate the coupling betw een the two loops .I ts operation condition shows that the decoupling control technology based on the PID ANN is feasible to the decoupling control of the tw o loops in a VAV air -conditioning system .

Key words :PID ANN ;VAV air -conditioning system ;decoupling control technology

　　随着空调系统的大量使用,其能量消耗问题也日益突出.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,变风量空调系统具有多变量强耦合、非线性和时变的特点,其设计、运行和管理都比定风量(CAV )系统难度大,故保证变风量空调系统的稳定运行是当前研究的主要方向.变风量空调系统是通过改送风量,而不是送风温度来调节和控制某一区域温度的一种空调系统.该系统基本原理就是通过改变送风量以适应室内负荷的变化,维持空调房间的空调参数.在空调系统运行过程中,最大冷负荷出现的时间不到总时间的10%,全年平均负荷率仅为50%[1].变风量空调系统通过减少送风量,从而降低了风机输送功耗,收到了明显的节能效果.

具有2个以上可调区域的变风量空调系统的动态模型是1个高维的输入/输出系统,对这个高维的输入/输出系统进行控制是很困难的[2].因此,合理对变风量空调系统进行分解是很有必要的.在本文中,根

据目前变风量空调系统均采用DDC (direct digital control ,直接数字控制)方式,通过通讯网络,末端控制

第40卷　第1期2005年2月　　　西　南　交　通　大　学　学　报JOURNAL OF SOUTHWEST JIAOTONG UNIVERSITY

　　　　V ol .40　N o .1Feb .2005

有关解耦控制的最新技术

器、空气处理机组控制器可互相通讯的现状,把空调系统分成机组部分和末端部分两部分考虑,并把这两部分通过中间桥梁———风道进行物质和能量的联系,从而简化分析的问题.考虑机组侧两个回路的耦合影响:变频器-风机-静压回路和新风阀-CO 2气体体积含量回路,利用PID 神经网络解耦控制技术对这两个回路进行解耦控制.实际运行显示在未进行解耦控制时,新风阀的开合变化对静压回路耦合强烈,通过PID 神经网络解耦控制后可以有效的消除新风阀的开合对静压的影响,从而使变风量空调系统机组侧变频器-风机-静压回路和新风阀-CO 2气体体积含量回路稳定运行.

1　PID 神经网络结构和计算方法

　　PID 神经网络是一种前向多层神经元网络,它参照PID 规律选取隐含层神经元的输入/输出函数,使它们分别成为具有比例、积分和微分处理功能的比例元、积分元和微分元[3],如图1所示.图中r 1和r 2表示系统设定值,在此为管道静压(P )设定值和CO 2气体体积含量(W )设定值;v 1和v 2表示PID 神经网络的输出值,用来控制变频器和新风阀;y 1和y 2表示系统的输出值,为系统实际的静压和CO 2气体体积含量的值.PID 神经网络解耦控制系统根据设定值和系统的实际输出的差值来调节网络输出

.

图1　二变量P ID 神经元网络解耦控制系统结构

Fig .1　PID neural network decoupling control system with two variables

PID 神经元网络的计算方法与其它前向神经网络类似,包括前向算法和反传算法.

1.1　前向算法

　　在任意采样时刻k ,PID 神经元网络的前向计算公式如下:

(1)输入层神经元的输入输出函数为

x si (k )=u si (k ),

(1)式中:u si 为输入层神经元的输入值;x si 为输入层神经元的输出值;s 为并列子网的序号,s =1,2;i =1,2.

(2)隐含层各单元输入总值的计算公式相同,均为

u ′si (

k )=∑2i =1w sij x si (k );(2)比例元的输入/输出函数为

x ′s 1(k )=u ′s 1(

k );(3)积分元的输入/输出函数为

x ′s 2(k )=x ′s 2(k -1)+u ′s 2(

k );(4)微分元的输入/输出函数为

x ′s 3(k )=u ′s 3(k )-u ′s 3(k -1).

(5)式(1)～(5)中:u ′sj 为隐层神经元的输入值;x ′sj 为隐层神经元的输出值;w sij 为各子网输入层至隐含层的连接权值;j =1,2,3;s =1,2.

(3)输出层神经元的输入为隐含层全部神经元的输出值的加权总和u ″h (k )=∑2s =1∑3j =1w ′sjh x ′sj (k );(6)14西　南　交　通　大　学　学　报第40卷

有关解耦控制的最新技术

输出神经元的输入输出函数为

x ″h (k )=u ″h (k ).(7)

式(6)和(7)中:u ″h 为输出层神经元的输入值;x ″h 为输出层神经元的输出值;w ′sjh 为隐含层至输出层的连接权值;h =1,2,为输出层神经元序号.

1.2　反传算法

　　PID 神经元网络学习的目标是使

J =∑2p =1E p =1m ∑2p =1∑m k =1[r p (k )-y p (k )]2=1m ∑2p =1∑m k =1e 2p (k )(8)

为最小,式中:m 为每批采样点数;n 为被控变量个数;p 为系统输入变量的数量.

按梯度法调节PID 神经元网络权值,经n 0步训练和学习的权值分别由以下各式确定.

(1)隐含层至输出层

隐含层至输出层的权值迭代公式为

w ′sjh (n 0+1)=w ′sjh (n 0)-η′sj h J w ′sjh

,(9) J sjh =-2m ∑n p =1∑m k =1[r p (k )-y p (k )]sg n y p (k +1)-y p (k )v h (k )

-v h (k -1)x ′sj (k )=-1m ∑n p =1∑m k =1[δ′hp (k )x ′sj (k )].(10)

　　(2)输入层至隐含层

输入层至隐含层的权值迭代公式为

w sij (n 0+1)=w sij (n 0)-ηsij J w sij

,(11) J w sij =-1m ∑n p =1∑n h =1∑m k =1δ′hp (k )w ′sjh sgn x ′sj (k …… 此处隐藏：3919字，全部文档内容请下载后查看。喜欢就下载吧 ……