本文關(guān)鍵詞：粒子群算法在變風(fēng)量空調(diào)控制系統(tǒng)中的應(yīng)用研究

  更多相關(guān)文章： 變風(fēng)量空調(diào) 壓力無關(guān)型變風(fēng)量末端 PID控制 粒子群算法

【摘要】：當今社會工業(yè)的迅猛發(fā)展與進步促使人們的生活水平也在跟著持續(xù)地改善,空調(diào)在人們?nèi)粘９ぷ骱蜕钪谐蔀榱吮夭豢缮俚囊粋�部分。因此,中央空調(diào)在每一棟現(xiàn)代化建筑中都是隨處可見的,而且整棟現(xiàn)代化建筑中的絕大部分能耗也都來自于中央空調(diào)。由于我們在設(shè)計和管理中央空調(diào)時存在著許多不完善的地方,因此,中央空調(diào)有著巨大的節(jié)能潛力。目前,由于我們對中央空調(diào)沒有形成系統(tǒng)化的管理,它的自動控制水平也太低,因此,如何站在整個系統(tǒng)的角度上來優(yōu)化中央空調(diào)運行過程中的各個參數(shù)值,讓整個系統(tǒng)處于最優(yōu)狀態(tài),從而達到最大的節(jié)能效果,成為了當今空調(diào)控制領(lǐng)域的研究熱點。本文以變風(fēng)量(VAV,Variable-Air-Volume Air-condition System)空調(diào)系統(tǒng)為例來作為研究。變風(fēng)量空調(diào)系統(tǒng)的出現(xiàn)就是為了減少能耗,與常規(guī)的定風(fēng)量空調(diào)系統(tǒng)相比,它的空調(diào)方式更為先進,它是在使送風(fēng)溫度不改變的情形下來改變房間送風(fēng)量來實現(xiàn)它的工作狀態(tài)的,能達到室內(nèi)溫度為設(shè)定值并保持穩(wěn)定的目的。變風(fēng)量空調(diào)系統(tǒng)能夠有效地減少系統(tǒng)的總送風(fēng)量和裝機容量,這樣不僅能減少能量消耗,還能減少資金的投入。壓力無關(guān)型裝置是變風(fēng)量空調(diào)系統(tǒng)的一個重要組成部分,由于它的高效調(diào)節(jié)手段以及更大的節(jié)能潛力,近年來逐漸成為人們的研究熱點。它的主要控制對象是室內(nèi)溫度,輔助控制對象是風(fēng)量,兩者共同構(gòu)成串級控制回路。由于大滯后性、多變性、時變性是變風(fēng)量空調(diào)系統(tǒng)最典型的特性同時非線性也是該系統(tǒng)的一個典型特性,因此對它建立一個精確的數(shù)學(xué)模型是非常難的。對于一般的PID控制器來說,雖然它的算法簡單、可靠性較高,但它的參數(shù)不好整定,所以常規(guī)PID控制難以滿足本文中所提到的變風(fēng)量空調(diào)系統(tǒng)的各種控制要求[1],因此,除了對本文中的控制系統(tǒng)建立數(shù)學(xué)模型外,還提出了一種粒子群算法來優(yōu)化該控制系統(tǒng)的PID參數(shù),但基本的粒子群算法有著精度低、易發(fā)散、不收斂,缺乏多樣性等缺點,因此在應(yīng)用它的同時需要對它進行必要的改進和完善。本文引進了它的一個改進算法,即混沌粒子群算法,對變風(fēng)量系統(tǒng)末端裝置進行了數(shù)學(xué)建模,并在此基礎(chǔ)上對基本粒子群和混沌粒子群PID進行了仿真實驗,對比了它們的實驗結(jié)果。仿真結(jié)果驗證了該算法的有效性,而且外界對該系統(tǒng)本身風(fēng)量和溫度的干擾在控制器的作用下得到了有效的控制。
【關(guān)鍵詞】：變風(fēng)量空調(diào) 壓力無關(guān)型變風(fēng)量末端 PID控制 粒子群算法
【學(xué)位授予單位】：武漢輕工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TB657.2;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-13
• 1.1 研究背景及研究意義9-11
• 1.1.1 群智能優(yōu)化算法9-10
• 1.1.2 粒子群優(yōu)化算法10
• 1.1.3 變風(fēng)量空調(diào)系統(tǒng)10-11
• 1.2 粒子群優(yōu)化算法研究現(xiàn)狀11-12
• 1.3 論文主要內(nèi)容與章節(jié)安排12-13
• 第2章 變風(fēng)量空調(diào)系統(tǒng)及其建模13-23
• 2.1 變風(fēng)量空調(diào)系統(tǒng)概述13-14
• 2.2 變風(fēng)量空調(diào)系統(tǒng)組成14-15
• 2.3 變風(fēng)量空調(diào)系統(tǒng)特點15
• 2.4 變風(fēng)量系統(tǒng)的分類15-16
• 2.4.1 系統(tǒng)控制形式15
• 2.4.2 系統(tǒng)控制策略15-16
• 2.5 變風(fēng)量系統(tǒng)末端16
• 2.6 變風(fēng)量系統(tǒng)末端控制16-19
• 2.6.1 壓力有關(guān)型末端控制16-17
• 2.6.2 壓力無關(guān)型末端控制17-18
• 2.6.3 壓力有關(guān)型與壓力無關(guān)型末端系統(tǒng)仿真18-19
• 2.7 變風(fēng)量空調(diào)系統(tǒng)過程分析與數(shù)學(xué)建模19-21
• 2.7.1 變風(fēng)量空調(diào)系統(tǒng)運行過程19-20
• 2.7.2 空調(diào)房數(shù)學(xué)模型20-21
• 2.7.3 空調(diào)末端系統(tǒng)建模21
• 2.8 變風(fēng)量空調(diào)末端控制21-22
• 2.9 本章小結(jié)22-23
• 第3章 粒子群優(yōu)化算法及其改進算法23-42
• 3.1 基本粒子群算法23-26
• 3.1.1 引言23-24
• 3.1.2 基本粒子群算法的原理24-26
• 3.2 基本粒子群算法的模型分析26-27
• 3.3 基本粒子群算法的參數(shù)分析27-29
• 3.4 基本粒子群算法的種群拓撲結(jié)構(gòu)29-31
• 3.5 基本粒子群算法的改進研究31-39
• 3.5.1 概述31
• 3.5.2 社會粒子群算法31-34
• 3.5.3 自適應(yīng)粒子群算法34-37
• 3.5.4 混沌粒子群算法37-39
• 3.6 基本粒子群算法與混沌粒子群算法39-41
• 3.7 本章小結(jié)41-42
• 第4章 粒子群優(yōu)化算法在變風(fēng)量空調(diào)控制系統(tǒng)上的運用42-46
• 4.1 PID的基本控制原理42-43
• 4.2 混沌粒子群算法（CPSO）下的PID控制器43-45
• 4.2.1 CPSO-PID控制器43-44
• 4.2.2 CPSO-PID控制器的優(yōu)勢44-45
• 4.3 本章小結(jié)45-46
• 第5章 基于改進粒子群算法在變風(fēng)量空調(diào)控制系統(tǒng)中應(yīng)用的仿真實驗46-54
• 5.1 變風(fēng)量空調(diào)控制系統(tǒng)仿真46-47
• 5.2 系統(tǒng)仿真環(huán)境47
• 5.3 系統(tǒng)仿真47-53
• 5.4 本章總結(jié)53-54
• 第6章 總結(jié)與展望54-56
• 6.1 工作總結(jié)54-55
• 6.2 工作展望55-56
• 參考文獻56-61
• 致謝61-62
• 攻讀學(xué)位期間所發(fā)表的論文62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標粒子群算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應(yīng)用[J];計算機集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：750141