中央空调系统智能控制方案设计

　　0　引　　言

　　中央空调系统温湿度控制过程中存在大惯性、强耦合及非线性等特点,数学模型建立有较大难度,因此用传统的PID控制方法难以达到满意的控制效果。随着智能控制算法的不断发展,出现了模糊控制、预测控制、神经网络控制等先进控制算法,其中一些已经得到了广泛应用,使非线性系统的自适应控制成为可能。本文着重讨论神经网络算法,神经网络算法具有以下4个优点:

　　1)能够充分逼近任意复杂的非线性关系,从而形成非线性动力学系统,以表示某些被控对象的数学模型或者控制模型;

　　2)能够学习和适应不确定系统的动态特性;

　　3)所有定量或定性的信息都分布存储于网络内的各神经元,从而具有很强的容错性和鲁棒性;

　　4)采用信息的分布式进行处理,可以进行快速大量的运算。

　　可以看出神经网络在解决高度非线性和严重不确定性系统的控制方面有巨大潜力。用传统控制理论可以解决的各种实际问题,几乎都可以用神经网络控制技术来解决,而许多传统控制技术不能解决的问题也可以使用神经网络控制技术来解决。由于神经网络很强的学习能力以及能够逼近任意的线性和非线性关系,具有很强的智能型和适应性,所以有利于解决温度和湿度间的耦合问题[1-2]本文使用神经网络预测控制及单神经元PID控制两种控制器,通过MATLAB仿真探讨神经网络控制算法在中央空调温湿度控制系统中的控制效果。

　　1　系统结构

　　如图1所示为中央空调温、湿度控制系统结构图。其中包含空调机组模型、房间模型、表冷器模型、电加热器模型及控制器模型等。该系统中温度设定为26℃,误差范围±1℃;湿度设定为70%,误差范围10%。控制器1和控制器2分别输出湿度及温度的控制信号,当房间温度低于设定温度时,控制器1和控制器2分别控制表冷器冷水阀和电加热器以调整房间的湿度及温度;当房间温度高于设定温度,需通过控制表冷器实现降温及除湿过程,在本系统中,我们采用1个信号取大方法,即采用比较器比较控制器1和控制器2的输出信号,取较大信号为控制信号控制表冷器冷水阀。

　　该系统中室外温度、室外相对湿度、冷冻水进口温度、电动阀门开度和电加热器功率开关可以设定和控制,其中室外新风温度设定为38℃,湿度设定为90%。

　　如图1所示。本系统采用的除湿方法是控制表冷器冷水阀的开度以控制冷凝水的流量,使空气的温度降低到“露点”以下,从而使空气中的水分析出,该过程必然会对温度产生影响。可见如何消除温度与湿度控制之间的耦合,是获得良好的温湿度控制效果的关键问题。同时,为了实现系统的自适应控制,我们需要采用智能阀门定位器,德国西门子的SIPART PS/PS2采用压电阀式工作原理的智能阀门定位器,和以美国FISHER的DVC5000、日本YAMATAKE的SVP3000采用喷嘴挡板工作原理的智能阀门定位器为代表,形成了目前国际上智能阀门定位器的主流[3]。我们可将阀杆位移作为被控量,位移量通过位置传感器反馈到阀门定位器的控制单元[4],在本论文中对执行机构的控制信号即控制器1或控制器2输出的控制信号。