变风量空调系统解耦优化方法研究

发布时间：2017-09-09 03:48

  本文关键词：变风量空调系统解耦优化方法研究

  更多相关文章： 变风量空调系统 小波神经网络 蝙蝠算法 萤火虫算法 α阶时延逆系统 解耦控制

【摘要】：随着智能建筑技术不断发展和人们生活水平的不断提高,空调系统在智能建筑中的使用越来越广,其能耗约占建筑能耗的百分之五十。因此,空调系统的节能控制以及舒适度的研究已经成为控制领域研究的热点问题。当前,大多数空调系统主要是以温度控制为主,然而,随着人们生活水平的不断提高,空调系统已经将舒适度作为重要的性能指标,不仅要求有良好的温度还要求有良好的湿度。变风量空调是多变量、强耦合、非线性系统,特别是温度和湿度的强耦合性是空调系统控制的难点。本文以实际工程项目为背景,根据系统要求,完成了空调系统总体方案设计和子系统设计,研究变风量空调系统的解耦控制思想和控制策略,将智能控制方法与解耦控制有机结合,对室内温度和湿度进行控制,提出了空调系统解耦优化控制方法,改善温湿度控制间的耦合问题,进而达到节能控制的目的。首先,分析变风量空调在国内外的发展情况,研究变风量空调末端控制器的工作原理、控制方式等内容。本文以某办公楼的实际工程为背景,设计变风量空调系统的总体方案,主要包括:网络系统架构、楼宇控制系统架构、空调通风系统,并完成部分系统设备的选型。其次,针对变风量空调系统多变量、强耦合等特点,本文采用了空调解耦控制方法。设计了小波神经网络解耦控制器,将小波变换与神经网络有机结合,提高了系统的解耦控制效果,并利用α阶时延逆系统调节解耦控制器,将对象补偿成为具有线性传递关系的且已解耦的一种规范化系统,然后再用线性系统理论完成伪线性系统的综合,使空调系统达到节能、舒适的目标。最后,本文针对变风量空调温湿度回路进行建模,并进行了蝙蝠解耦优化和萤火虫解耦优化方法研究,仿真实验结果表明:采用萤火虫解耦控制方案具有更好的控制效果。
【关键词】：变风量空调系统 小波神经网络 蝙蝠算法 萤火虫算法 α阶时延逆系统 解耦控制
【学位授予单位】：沈阳建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU83
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 课题研究的背景及意义10-11
• 1.2 智能建筑及空调系统11-15
• 1.2.1 智能建筑11-12
• 1.2.2 空调系统的发展与调节12-13
• 1.2.3 空调系统的分类13-15
• 1.3 变风量空调系统的发展与应用15-17
• 1.4 变风量空调解耦控制的发展及应用17-18
• 1.5 课题主要研究内容与创新点18-20
• 第二章 变风量空调系统设计20-32
• 2.1 变风量空调系统的概述20-22
• 2.1.1 变风量空调系统的组成20-21
• 2.1.2 变风量空调系统的分类21-22
• 2.1.3 变风量空调系统的特点22
• 2.2 变风量空调系统的控制方法分析22-24
• 2.2.1 变风量空调控制特点22-23
• 2.2.2 变风量空调控制方法23-24
• 2.3 智能建筑楼宇控制系统设计24-28
• 2.3.1 工程项目背景24-26
• 2.3.2 楼宇自动控制系统结构及要求26-27
• 2.3.3 基于TCP/IP网络架构27-28
• 2.4 智能建筑中的变风量空调系统设计28-30
• 2.5 本章小结30-32
• 第三章 变风量空调温湿度解耦控制系统设计32-48
• 3.1 解耦控制方法分析32-35
• 3.1.1 对角线解耦法32-33
• 3.1.2 前馈补偿解耦法33-34
• 3.1.3 静态解耦34
• 3.1.4 内模解耦34-35
• 3.2 变风量空调温湿度控制回路及耦合特性分析35-38
• 3.2.1 变风量空调温湿度回路分析35-37
• 3.2.2 变风量空调温湿度耦合特性分析37-38
• 3.3 变风量空调控制系统温湿度回路模型建立38-41
• 3.3.1 变风量空调系统温湿度耦合模型38-39
• 3.3.2 空调区域温度控制回路39
• 3.3.3 空调区域含湿量控制回路39-40
• 3.3.4 工程项目参数与数学模型40-41
• 3.4 基于小波神经网络的温湿度解耦控制系统设计41-47
• 3.4.1 变风量空调解耦控制系统设计41-43
• 3.4.2 小波神经网络 α 阶时延系统解耦器设计43-46
• 3.4.3 小波神经网络 α 阶时延系统解耦仿真46-47
• 3.5 本章小结47-48
• 第四章 变风量空调温湿度回路解耦优化及仿真48-60
• 4.1 基于蝙蝠算法（BA）的温湿度解耦优化方法48-52
• 4.1.1 蝙蝠算法的原理48-49
• 4.1.2 蝙蝠算法优化BP神经网络49-51
• 4.1.3 基于BA-BPNN的温湿度回路解耦仿真51-52
• 4.2 基于萤火虫算法（GSO）的温湿度回路解耦优化方法52-57
• 4.2.1 萤火虫算法的原理52-53
• 4.2.2 萤火虫算法优化BP神经网络53-56
• 4.2.3 基于GSO-BPNN的温湿度回路解耦仿真56-57
• 4.3 变风量空调温湿度回路解耦策略对比分析57-58
• 4.4 本章小结58-60
• 第五章 结论60-62
• 5.1 结论60
• 5.2 展望60-62
• 参考文献62-64
• 作者简介64
• 作者在攻读硕士学位期间发表的学术论文64
• 作者在攻读硕士学位期间参与学科竞赛64-66
• 致谢66-67

【参考文献】

中国期刊全文数据库 前10条

1 顾凯;付东翔;王亚刚;;基于自抗扰控制器的变风量空调解耦控制[J];信息技术;2014年01期

2 陈友明;刘健;程时柏;陈永康;秦建英;周强;;变风量空调系统控制优化方法研究[J];湖南大学学报(自然科学版);2013年06期

3 陈烈;朱学莉;齐维贵;方修睦;;RBF递归神经网络在供热解耦控制中的应用[J];暖通空调;2010年02期

4 马利英;任庆昌;李建维;;温湿度解耦在变露点控制中的应用研究[J];建筑热能通风空调;2008年06期

5 贾琼;孙颖;郭永昊;;模糊预测控制在VAV空调系统中的应用[J];建筑电气;2008年06期

6 朱顺兵;;建筑自动化系统空调节能优化控制策略分析[J];南京工业大学学报(自然科学版);2006年02期

7 姜雪辉;余波;张春辉;雷恒;马廷卫;;基于Matlab的变风量空调系统的仿真[J];机械工程与自动化;2006年01期

8 马平,杨金芳,崔长春,胡胜坤;解耦控制的现状及发展[J];控制工程;2005年02期

9 魏荣,卢俊国,李军,王执铨;α阶时延逆系统的小波神经网络实现[J];南京理工大学学报(自然科学版);2001年04期

10 孙优贤;;多变量解耦控制系统[J];浙江大学学报;1980年03期

，

本文编号：818115