基于模糊pid与神经内模的冷冻水回路控制方法
【技术领域】
[0001] 本发明涉及一种基于模糊PID与神经内模的冷冻水回路控制方法，属于变风量空 调技术领域。
【背景技术】
[0002] 自20世纪60年代以来，变风量空调系统诞生于美国，由于其节能、舒适等特点被 广泛应用于各种工作生活场所，但由于能源危机的加剧，使得人们越来越意识到节能的必 要性。作为在建筑能耗中占据主要地位的变风量空调系统自然由于吸引了众多学者的注 意，变风量空调系统的最终目的是使得房间内的温湿度达到人们的要求，因此如何在满足 人们舒适度要求的前提下实现空调系统的节能控制成为当前空调领域的热门话题。
[0003] 众所周知，变风量空调系统中可以分为风循环和水循环两个部分，而冷冻水回路 正是水循环中的重要组成部分，冷冻水在经过蒸发器后进入表冷器与即将送入房间的空气 进行热交换，通过控制送风温度调节室内的空气温度，最终达到满足人们舒适度的要求。因 此冷冻水在经过蒸发器后的出水温度在变风量空调系统中显得尤为重要，但由于冷冻水回 路具有非线性、时变等特点，常规的控制方式并不能起到良好的控制效果。
【发明内容】
[0004] 本次发明提出了一种基于模糊PID与神经内模的冷冻水回路控制方法，将模糊 PID与神经内模控制相结合，能够克服冷冻水回路中的非线性、时变等特点，实现准确、快速 的控制目的。
[0005] 本发明的技术方案如下：
[0006] 一种基于模糊PID与神经内模的冷冻水回路控制方法，其特征在于空调采集到冷 冻水出水温度后，通过方法对压缩机进行实时控制，压缩机为冷冻水回路中的被控对象，所 述方法包括如下步骤：
[0007] (1)、设定被控对象的目标值yset;
[0008] (2)、模糊PID控制器与神经网络估计器共同构成内模控制；
[0009] (3)、被控对象经过神经网络估计器的训练使其成为理想状态下的被控对象模 型；
[0010] (4)、当被控对象出现失配或收到外界扰动d时，冷冻水出水温度的实测值y和冷 冻水出水温度的设定值ym之间会产生偏差，即△y，将此偏差导入冷冻水控制回路的输入 端，再通过模糊PID控制器针对偏差e，进行调整，最终实现变风量空调系统冷冻水回路的 自适应控制，实现被控对象稳定输出。
[0011] 上述步骤（3)中神经网络估计器使用BP神经网络，采用三层网络，即输入层、隐含 层、输出层；计算步骤为：
[0012] (21)、初始化：将所有的连接权值系数赋值为最小的随机数；
[0013](22)、利用冷冻水回路的理想模型的输入值进行训练；
[0014] (23)、计算神经网络的实际输出；
[0015](24)、计算理想模型的期望值与神经网络的实际输出的偏差Ay;
[0016] (25)、调整输出层的加权系数wki;
[0017](26)、调整隐含层的加权系数wiJ;
[0018] (27)、返回第23步，直到误差满足要求为止。
[0019] 本发明所达到的有益效果：
[0020] 本发明将模糊PID控制器与内模控制相结合，应用在变风量空调系统的冷冻水控 制回路中，充分利用了两者的优点，能够克服空调系统中非线性、时变等特点，快速准确的 控制压缩机功率，维持送风温度在设定值，最终使得空调房间能够满足人们的舒适性要求。
[0021] 相比于传统冷冻水出水温度回路的控制方式具有以下优点：
[0022] 1.能够克服空调系统的非线性、时变特性；
[0023] 2.模糊PID控制器和神经网络估计器都具有一定的自适应能力，能够在外界出现 随机扰动时维持控制系统的稳定；
[0024] 3.避免了传统PID控制的参数整定问题；
[0025]4.由于最终的被控对象是压缩机，所以采用本发明中的控制算法将产生较大的节 能效果。
【附图说明】
[0026] 图1是变风量空调系统冷冻水回路；
[0027] 图2是冷冻水回路控制方法的示意图；
[0028] 图3是本发明方法的工作流程图；
[0029] 图4是BP神经网络的结构图。
【具体实施方式】
[0030] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明 的技术方案，而不能以此来限制本发明的保护范围。
[0031] 如图1所示，变风量空调系统中的冷冻水回路包括蒸发器、冷冻水泵、表冷器等多 个环节，主要的工作原理是当设定好冷冻水出水温度以后，能够调节压缩机的功率，维持冷 冻水出水温度恒定，进而使送风温度能够维持在设定值，保证空调系统能够稳定、连续的运 行。此外由于压缩机的功率得到了调节，也进一步起到了节能的效果。冷冻水回路控制算 法需要采集到的冷冻水出水温度，并对压缩机进行实时控制，可见冷冻水回路中真正的被 控对象为压缩机。根据工程经验，空调系统中的冷冻水出水温度控制回路通常使用带有延 迟环节的一阶惯性环节作为传递函数。
[0032] 在工程实际中，变风量空调系统的负荷变化可以体现送风量和送风温度的变化 上，而冷冻水与送入房间的空气直接接触，因此冷冻水出水温度变化值的大小也同样可以 表示负荷变化的大小，对系统中冷冻水出水温度的控制是通过压缩机的频率变化来实现 的。
[0033] 如图2、图3所示，一种基于模糊PID与神经内模的冷冻水回路控制方法，包括如下 步骤：
[0034](1)、设定被控对象的目标值yset;
[0035](2)、模糊PID控制器与神经网络估计器共同构成内模控制；
[0036] (3)、被控对象经过神经网络估计器的训练使其成为理想状态下的被控对象模 型；
[0037](4)、当被控对象出现失配或收到外界扰动d时，冷冻水出水温度的实测值y和冷 冻水出水温度的设定值ym之间会产生偏差，即△y，将此偏差导入冷冻水控制回路的输入 端，再通过模糊PID控制器针对偏差e，进行调整，最终实现变风量空调系统冷冻水回路的 自适应控制，实现被控对象稳定输出。
[0038] 上述步骤⑶中神经网络估计器的训练如下：
[0039] 本次发明中采用的神经网络估计器使用比较常见的BP神经网络，采用三层网络， 即输入层、隐含层、输出层，由于BP神经网络是一种利用误差反向传播的训练算法，不断地 调整各层的连接权值，最终克服非线性等特点准确的描述理想被控对象的特性。
[0040] BP神经网络学习算法的基本原理是梯度最速下降法，使用梯度搜索技术，使网络 的实际输出值与期望输出值的误差均方差为最小，运行过程中误差反向传递的同时修整连 接权值。
[0041]BP神经网络的结构如图4所示。图4中可以看到有M个输入节点，L个输出节点， 网络的隐含层共有q个神经元，其中Xpx2、…、Xni分别为BP神经网络的输入，y^y2、…、 ym为BP神经网络的输出，y为神经网络的目标输出，ek为神经网络的输出误差。
[0042] 在训练网络的学习阶段，被控对象使用冷冻水回路的理想模型：
[0043]
【主权项】
1. 一种基于模糊PID与神经内模的冷冻水回路控制方法，其特征在于空调采集到冷冻 水出水温度后，通过方法对压缩机进行实时控制，压缩机为冷冻水回路中的被控对象，所述 方法包括如下步骤： (1) 、设定被控对象的目标值ysrt; (2) 、模糊PID控制器与神经网络估计器共同构成内模控制； (3) 、被控对象经过神经网络估计器的训练使其成为理想状态下的被控对象模型； (4) 、当被控对象出现失配或收到外界扰动d时，冷冻水出水温度的实测值y和冷冻水 出水温度的设定值ym2间会产生偏差，即△ y，将此偏差导入冷冻水控制回路的输入端，再 通过模糊PID控制器针对偏差e，进行调整，最终实现变风量空调系统冷冻水回路的自适应 控制，实现被控对象稳定输出。
2. 根据权利要求1所述的基于模糊PID与神经内模的冷冻水回路控制方法，其特征在 于所述步骤（3)中神经网络估计器使用BP神经网络，采用三层网络，即输入层、隐含层、输 出层；计算步骤为： (21) 、初始化：将所有的连接权值系数赋值为最小的随机数； (22) 、利用冷冻水回路的理想模型的输入值进行训练； (23) 、计算神经网络的实际输出； (24) 、计算理想模型的期望值与神经网络的实际输出的偏差Ay ; (25) 、调整输出层的加权系数wki; (26) 、调整隐含层的加权系数wiJ; (27) 、返回第23步，直到误差满足要求为止。
【专利摘要】本发明公开了一种基于模糊PID与神经内模的冷冻水回路控制方法，空调采集到冷冻水出水温度后，通过方法对压缩机进行实时控制，压缩机为冷冻水回路中的被控对象，方法包括如下步骤：（1）、设定被控对象的目标值；（2）、模糊PID控制器与神经网络估计器共同构成内模控制；（3）、被控对象经过神经网络估计器的训练使其成为理想状态下的被控对象模型；（4）、通过模糊PID控制器针对偏差进行调整，最终实现变风量空调系统冷冻水回路的自适应控制，实现被控对象稳定输出。本发明将模糊PID与神经内模控制相结合，能够克服冷冻水回路中的非线性、时变等特点，实现准确、快速的控制目的。
【IPC分类】F25B41-00, F24F11-02, F25B49-02
【公开号】CN104833154
【申请号】CN201510283600
【发明人】白建波, 李洋, 罗朋, 彭俊, 王孟
【申请人】河海大学常州校区
【公开日】2015年8月12日
【申请日】2015年5月28日