空调系统温湿度控制方法研究

发布时间：2020-09-27 09:36

　　当前空调系统面临的主要问题是:如何提高室内热湿环境的舒适性以及如何降低空调系统的能耗。提高室内环境舒适度就必须了解热舒适性指标(简称PMV指标)的影响因素,及其中影响因素的控制;而降低空调能耗的关键之一就需要做到更精准更及时地控制室内环境参数。针对上述空调系统存在的问题,本文做了如下工作:首先,对影响舒适度指标各种因素进行分析。在分析的几大影响因素中,对人体热舒适影响最主要的为所在热湿环境的温湿度。通过PSO-RBF神经网络算法,对预测热舒适性指标模型的各项参数进行学习训练,最后得到参数取值较好的网络。其次,将Smith预估反馈控制与传统的PID参数整定控制相结合,设计了一种简易的空调系统温度控制器。然后,介绍了极点配置与RBF神经网络整定PID参数的方法,并受二自由度控制的额启发,引入了前馈控制器,将前馈控制器与Smith预估反馈控制器结合,分别设计了极点配置整定PID参数的空调温度二自由度复合控制器和RBF神经网络整定PID参数的空调温度二自由度复合控制器。最后,针对空调实际运行中的随机干扰,提出了一种基于二维框架理论的PID迭代学习预测控制方法,运用此方法对空调系统湿度进行控制。通过对比不同干扰信号条件下的跟踪响应发现迭代学习预测控制不仅对周期性干扰具有较好的鲁棒性,而且在随机干扰的条件下,仍然能够保持较好的跟踪性能。仿真结果验证了该方法的有效性。本文的研究成果对改变传统空调单纯的PID控制具有一定意义,通过精确的控制空调系统的温湿度,可以大幅提升人体在空调环境的舒适性,也提高了环境质量。
【学位单位】：苏州科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TB657.2;TP273
【部分图文】：

人体,产热,单位面积,身体

的热平衡体的人平衡方程维持正常的体温，人体必须平衡热量的产生与散失。图 2-1 是人是用一个多层圆柱断面来表示人体的核心、皮肤和衣着。因此用下式[20]表示：M W C R E S 0—新陈代谢量，根据活动量大小决定，W/m2；——对外所做的机械功，W/m2；—身体外表面与环境的对流换热量，W/m2；—身体外表面与环境的辐射换热量，W/m2；—人体散湿所带走的热量，W/m2；—人体储热量，W/m2。

神经网络,学习过程,是非,局部逼近

第二章热络的学习过程与 BP 神经网络的学习过程相类似，作用函数不同。RBF 神经网络中的作用函数为高斯限范围内是非零值，因而 RBF 神经网络是一种局部络是 3 层前向网络，其输入层到输出层是非线性映的映射，此外，RBF 神经网络具有局部逼近的特点大地加快学习速率，并且避免了局部极小的问题，网络构成神经网络控制[24]方案，可以有效提高控性。入和单个输出的 RBF 神经网络结构如图 2-2 所示。

网络训练

RBF网络训练结果

【参考文献】