面向室内热湿环境热舒适度预测与控制模型优化研究

发布时间：2017-05-21 12:09

  本文关键词：面向室内热湿环境热舒适度预测与控制模型优化研究，由笔耕文化传播整理发布。

【摘要】：如今人们对室内环境质量的要求要越来越高,人们最能直接感受到的是室内热湿环境,现今调节室内热湿环境的主要手段是空调控制系统。传统的空调控制系统主要通过单一的温度指标来控制室内的热湿环境,不是真正基于人的热舒适度,并且其能耗也非常巨大。所以建立起室内热湿环境热舒适度控制系统是现在迫在眉睫的问题。然而,选取一个室内热湿环境热舒适度的评价标准是室内热舒适度控制实现的必要前提条件,利用这一评价标准,综合考虑室内的环境因素,使得室内环境朝着人们希望的状态进行调整和改变。综上,本文的研究成果如下:(1)本文选取PMV热舒适模型作为评价室内热湿环境热舒适度的评价标准。因为PMV值的计算过程非常复杂,时滞性非常明显。为了解决这些问题,选用BP神经网络对PMV热舒适度进行预测建模。最后通过实验仿真,验证了面型室内热湿环境热舒适度PMV预测模型的可行性,也能将此模型应用在空调的实时控制之中。(2)由于BP神经网络算法具有预测精度低、收敛速度慢、易于陷入局部最优的缺陷。针对这些缺陷,本文决定选用PSO算法对神经网络算法进行优化。并且在PSO算法的速度更新、惯性权值、加速系数三个方面做出改进,提出了改进的PSO算法—IPSO算法。并且利用IPSO算法对神经网络进行优化,建立起IPSO优化的BP神经网络PMV实时预测模型。通过模型实验仿真,并对比BP预测模型与PSO优化的BP预测模型,得出本文建立的预测模型收敛更快,预测更加准确。(3)由于传统的空调控制系统本身就是非线性、大滞后的复杂系统,所以本文将利用模糊控制算法建立起室内热湿环境热舒适度PMV模糊控制模型。通过实验仿真,得出该系统对舒适度的控制达到预期效果,并对比传统PID控制系统,实验验证出本文的热舒适度控制系统的控制效果更好。
【关键词】：热舒适度 BP神经网络 PSO算法 PMV指标 模糊控制
【学位授予单位】：沈阳大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB657.2;TP273
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-19
• 1.1 课题研究背景及意义11-12
• 1.2 国内外研究现状12-15
• 1.3 论文主要工作及结构安排15-19
• 第2章 室内热湿环境热舒适度评价及预测19-39
• 2.1 室内热湿环境影响因素19-21
• 2.2 室内热湿环境评价21-24
• 2.2.1 室内热湿环境的评价方法21-22
• 2.2.2 PMV热舒适模型22-24
• 2.3 室内热湿环境热舒适度PMV预测模型24-37
• 2.3.1 PMV预测模型介绍24
• 2.3.2 常见几种预测模型的分析比较24-26
• 2.3.3 基于BP神经网络的热舒适度预测模型建立26-37
• 2.4 本章小结37-39
• 第3章 基于改进PSO优化的BP神经网络PMV实时预测模型39-57
• 3.1 粒子群优化算法39-44
• 3.1.1 粒子群算法简介39-40
• 3.1.2 基本PSO算法基本原理与相关控制参数40-44
• 3.2 IPSO算法44-47
• 3.2.1 PSO算法的缺点与相关改进分析44
• 3.2.2 本文对PSO算法的改进44-46
• 3.2.3 IPSO的算法实现46-47
• 3.3 IPSO优化BP神经网络的实现47-50
• 3.3.1 可行性分析47-48
• 3.3.2 IPSO优化的BP神经网络PMV实时预测算法48-50
• 3.4 IPSO优化的BP神经网络PMV实时预测建模50-55
• 3.4.1 模型仿真50-51
• 3.4.2 仿真结果分析51-55
• 3.5 本章小结55-57
• 第4章 室内热湿环境热舒适度控制实现与分析57-71
• 4.1 室内热湿环境热舒适度控制策略分析57-60
• 4.1.1 传统控制策略57-58
• 4.1.2 PMV指标控制58-59
• 4.1.3 控制策略的比较与确定59-60
• 4.2 室内热湿环境热舒适度控制变量分析60-64
• 4.2.1 环境变量对PMV指标影响60-62
• 4.2.2 控制变量的确定62-64
• 4.3 室内热湿环境热舒适度控制方式选择64-66
• 4.3.1 控制方式分析64-66
• 4.3.2 控制方式的确定66
• 4.4 室内热湿环境热舒适度控制算法选择66-70
• 4.4.1 控制算法分析66-69
• 4.4.2 控制算法的确定69-70
• 4.5 本章小结70-71
• 第5章 室内热湿环境PMV模糊控制系统的设计与仿真71-83
• 5.1 模糊控制器的设计71-73
• 5.1.1 模糊控制器的设计步骤71-72
• 5.1.2 模糊控制器的设计要点72-73
• 5.2 模糊控制器的仿真实现73-75
• 5.3 室内热湿环境热舒适度模糊控制系统75-81
• 5.3.1 被控对象传递函数的确定75-77
• 5.3.2 模糊控制系统的建立77
• 5.3.3 系统仿真与结果分析77-81
• 5.4 本章小结81-83
• 第6章 总结与展望83-85
• 6.1 论文总结83
• 6.2 展望83-85
• 参考文献85-89
• 在学期间研究成果89-91
• 致谢91-92

【相似文献】

中国期刊全文数据库 前10条

1 王清;唐莉萍;欧阳文斌;;基于热舒适度的节能型空调控制算法[J];东华大学学报(自然科学版);2010年01期

2 饶永;;自然条件下合肥地区住宅室内热舒适研究[J];合肥工业大学学报(自然科学版);2010年12期

3 李慧;张庆范;段培永;;基于用户学习的智能动态热舒适控制系统[J];四川大学学报(工程科学版);2011年02期

4 王善聪;狄育慧;;动态条件下室内热舒适问题研究[J];西安工程大学学报;2012年02期

5 杨薇;张国强;;湖南某大学校园建筑环境热舒适调查研究[J];暖通空调;2006年09期

6 张帆;许楗;;从控制热舒适入手,发掘既有建筑节能潜力——以西安某高校教学建筑为例[J];华中建筑;2012年08期

7 黄焕春;运迎霞;于伟巍;袁欣;赵瑞;李洪远;李兰兰;;城市夏季热舒适度受影响空间划分及优化调控对策研究——以天津市地表热岛影响为例[J];上海城市规划;2013年05期

8 段培永;郭东东;李慧;段晨旭;;一种基于数据的夏季居住环境热舒适度控制方法[J];山东建筑大学学报;2011年01期

9 宋芳宁;;建筑室内热舒适的评价指标及标准[J];科技信息;2009年26期

10 衡涛;陈刚强;詹昌润;王涛;吴振华;;湿热地区教室内的热舒适测试与分析[J];湖南工程学院学报(自然科学版);2013年04期

中国重要会议论文全文数据库 前5条

1 吴云涛;杨林;;可改善建筑热舒适度的阳光房技术初探[A];第十届沈阳科学学术年会论文集（信息科学与工程技术分册）[C];2013年

2 贺建鑫;卢耀麟;马兴文;;深圳新世纪酒店室内热舒适分析[A];全国暖通空调制冷2000年学术年会资料集[C];2000年

3 杨亚龙;方潜生;汪小龙;张振亚;喻琴燕;;基于RBF神经网络的夏热冬冷地区人体热舒适度模型研究[A];安徽首届科普产业博士科技论坛——暨社区科技传播体系与平台建构学术交流会论文集[C];2012年

4 段晨旭;罗婷;吕红丽;丁旭东;段培永;;基于PMV指标的节能原理研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

5 张甫仁;;一种新的建筑能耗组合预测方法研究[A];2007年西南地区暖通空调及热能动力学术年会论文集[C];2007年

中国博士学位论文全文数据库 前1条

1 王雁;基于热舒适的空调节能设计理论与方法研究[D];合肥工业大学;2015年

中国硕士学位论文全文数据库 前10条

1 温会茹;温和地区老年人热舒适建筑空间设计研究[D];昆明理工大学;2015年

2 幸运;成都住宅建筑被动式技术研究及其节能性能分析[D];西安建筑科技大学;2015年

3 刘永颉;典型温带地区夏季住宅舒适控制研究[D];西安建筑科技大学;2015年

4 饶峻荃;广州地区街区尺度热环境与热舒适度评价[D];哈尔滨工业大学;2015年

5 吴豪;基于Smith预估和前馈解耦的室内热舒适控制系统研究[D];安徽建筑大学;2015年

6 薛俊杰;徽州传统聚落夏季户外热舒适度的实测分析[D];安徽建筑大学;2015年

7 周培文;氨基酸输注：一种新的治疗伴有低温的术后寒战的方法[D];复旦大学;2013年

8 曹勇;面向室内热湿环境热舒适度预测与控制模型优化研究[D];沈阳大学;2016年

9 李彦春;北方既有建筑采暖期热舒适度改善措施研究[D];北京建筑工程学院;2012年

10 郭东东;一种室内动态热舒适控制方法研究[D];山东建筑大学;2011年

  本文关键词：面向室内热湿环境热舒适度预测与控制模型优化研究，，由笔耕文化传播整理发布。

本文编号：383590