本文關鍵詞：變風量空調系統(tǒng)解耦優(yōu)化方法研究

  更多相關文章： 變風量空調系統(tǒng) 小波神經網絡 蝙蝠算法 螢火蟲算法 α階時延逆系統(tǒng) 解耦控制

【摘要】：隨著智能建筑技術不斷發(fā)展和人們生活水平的不斷提高,空調系統(tǒng)在智能建筑中的使用越來越廣,其能耗約占建筑能耗的百分之五十。因此,空調系統(tǒng)的節(jié)能控制以及舒適度的研究已經成為控制領域研究的熱點問題。當前,大多數(shù)空調系統(tǒng)主要是以溫度控制為主,然而,隨著人們生活水平的不斷提高,空調系統(tǒng)已經將舒適度作為重要的性能指標,不僅要求有良好的溫度還要求有良好的濕度。變風量空調是多變量、強耦合、非線性系統(tǒng),特別是溫度和濕度的強耦合性是空調系統(tǒng)控制的難點。本文以實際工程項目為背景,根據系統(tǒng)要求,完成了空調系統(tǒng)總體方案設計和子系統(tǒng)設計,研究變風量空調系統(tǒng)的解耦控制思想和控制策略,將智能控制方法與解耦控制有機結合,對室內溫度和濕度進行控制,提出了空調系統(tǒng)解耦優(yōu)化控制方法,改善溫濕度控制間的耦合問題,進而達到節(jié)能控制的目的。首先,分析變風量空調在國內外的發(fā)展情況,研究變風量空調末端控制器的工作原理、控制方式等內容。本文以某辦公樓的實際工程為背景,設計變風量空調系統(tǒng)的總體方案,主要包括:網絡系統(tǒng)架構、樓宇控制系統(tǒng)架構、空調通風系統(tǒng),并完成部分系統(tǒng)設備的選型。其次,針對變風量空調系統(tǒng)多變量、強耦合等特點,本文采用了空調解耦控制方法。設計了小波神經網絡解耦控制器,將小波變換與神經網絡有機結合,提高了系統(tǒng)的解耦控制效果,并利用α階時延逆系統(tǒng)調節(jié)解耦控制器,將對象補償成為具有線性傳遞關系的且已解耦的一種規(guī)范化系統(tǒng),然后再用線性系統(tǒng)理論完成偽線性系統(tǒng)的綜合,使空調系統(tǒng)達到節(jié)能、舒適的目標。最后,本文針對變風量空調溫濕度回路進行建模,并進行了蝙蝠解耦優(yōu)化和螢火蟲解耦優(yōu)化方法研究,仿真實驗結果表明:采用螢火蟲解耦控制方案具有更好的控制效果。
【關鍵詞】：變風量空調系統(tǒng) 小波神經網絡 蝙蝠算法 螢火蟲算法 α階時延逆系統(tǒng) 解耦控制
【學位授予單位】：沈陽建筑大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU83
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-20
• 1.1 課題研究的背景及意義10-11
• 1.2 智能建筑及空調系統(tǒng)11-15
• 1.2.1 智能建筑11-12
• 1.2.2 空調系統(tǒng)的發(fā)展與調節(jié)12-13
• 1.2.3 空調系統(tǒng)的分類13-15
• 1.3 變風量空調系統(tǒng)的發(fā)展與應用15-17
• 1.4 變風量空調解耦控制的發(fā)展及應用17-18
• 1.5 課題主要研究內容與創(chuàng)新點18-20
• 第二章 變風量空調系統(tǒng)設計20-32
• 2.1 變風量空調系統(tǒng)的概述20-22
• 2.1.1 變風量空調系統(tǒng)的組成20-21
• 2.1.2 變風量空調系統(tǒng)的分類21-22
• 2.1.3 變風量空調系統(tǒng)的特點22
• 2.2 變風量空調系統(tǒng)的控制方法分析22-24
• 2.2.1 變風量空調控制特點22-23
• 2.2.2 變風量空調控制方法23-24
• 2.3 智能建筑樓宇控制系統(tǒng)設計24-28
• 2.3.1 工程項目背景24-26
• 2.3.2 樓宇自動控制系統(tǒng)結構及要求26-27
• 2.3.3 基于TCP/IP網絡架構27-28
• 2.4 智能建筑中的變風量空調系統(tǒng)設計28-30
• 2.5 本章小結30-32
• 第三章 變風量空調溫濕度解耦控制系統(tǒng)設計32-48
• 3.1 解耦控制方法分析32-35
• 3.1.1 對角線解耦法32-33
• 3.1.2 前饋補償解耦法33-34
• 3.1.3 靜態(tài)解耦34
• 3.1.4 內模解耦34-35
• 3.2 變風量空調溫濕度控制回路及耦合特性分析35-38
• 3.2.1 變風量空調溫濕度回路分析35-37
• 3.2.2 變風量空調溫濕度耦合特性分析37-38
• 3.3 變風量空調控制系統(tǒng)溫濕度回路模型建立38-41
• 3.3.1 變風量空調系統(tǒng)溫濕度耦合模型38-39
• 3.3.2 空調區(qū)域溫度控制回路39
• 3.3.3 空調區(qū)域含濕量控制回路39-40
• 3.3.4 工程項目參數(shù)與數(shù)學模型40-41
• 3.4 基于小波神經網絡的溫濕度解耦控制系統(tǒng)設計41-47
• 3.4.1 變風量空調解耦控制系統(tǒng)設計41-43
• 3.4.2 小波神經網絡 α 階時延系統(tǒng)解耦器設計43-46
• 3.4.3 小波神經網絡 α 階時延系統(tǒng)解耦仿真46-47
• 3.5 本章小結47-48
• 第四章 變風量空調溫濕度回路解耦優(yōu)化及仿真48-60
• 4.1 基于蝙蝠算法（BA）的溫濕度解耦優(yōu)化方法48-52
• 4.1.1 蝙蝠算法的原理48-49
• 4.1.2 蝙蝠算法優(yōu)化BP神經網絡49-51
• 4.1.3 基于BA-BPNN的溫濕度回路解耦仿真51-52
• 4.2 基于螢火蟲算法（GSO）的溫濕度回路解耦優(yōu)化方法52-57
• 4.2.1 螢火蟲算法的原理52-53
• 4.2.2 螢火蟲算法優(yōu)化BP神經網絡53-56
• 4.2.3 基于GSO-BPNN的溫濕度回路解耦仿真56-57
• 4.3 變風量空調溫濕度回路解耦策略對比分析57-58
• 4.4 本章小結58-60
• 第五章 結論60-62
• 5.1 結論60
• 5.2 展望60-62
• 參考文獻62-64
• 作者簡介64
• 作者在攻讀碩士學位期間發(fā)表的學術論文64
• 作者在攻讀碩士學位期間參與學科競賽64-66
• 致謝66-67

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 顧凱;付東翔;王亞剛;;基于自抗擾控制器的變風量空調解耦控制[J];信息技術;2014年01期

2 陳友明;劉健;程時柏;陳永康;秦建英;周強;;變風量空調系統(tǒng)控制優(yōu)化方法研究[J];湖南大學學報(自然科學版);2013年06期

3 陳烈;朱學莉;齊維貴;方修睦;;RBF遞歸神經網絡在供熱解耦控制中的應用[J];暖通空調;2010年02期

4 馬利英;任慶昌;李建維;;溫濕度解耦在變露點控制中的應用研究[J];建筑熱能通風空調;2008年06期

5 賈瓊;孫穎;郭永昊;;模糊預測控制在VAV空調系統(tǒng)中的應用[J];建筑電氣;2008年06期

6 朱順兵;;建筑自動化系統(tǒng)空調節(jié)能優(yōu)化控制策略分析[J];南京工業(yè)大學學報(自然科學版);2006年02期

7 姜雪輝;余波;張春輝;雷恒;馬廷衛(wèi);;基于Matlab的變風量空調系統(tǒng)的仿真[J];機械工程與自動化;2006年01期

8 馬平,楊金芳,崔長春,胡勝坤;解耦控制的現(xiàn)狀及發(fā)展[J];控制工程;2005年02期

9 魏榮,盧俊國,李軍,王執(zhí)銓;α階時延逆系統(tǒng)的小波神經網絡實現(xiàn)[J];南京理工大學學報(自然科學版);2001年04期

10 孫優(yōu)賢;;多變量解耦控制系統(tǒng)[J];浙江大學學報;1980年03期

，

本文編號：818115