基于神经网络的中央空调节能研究

论文摘要

随着智能建筑的快速发展,楼宇自动化控制系统也逐渐在控制算法以及控制精度上不断提高,另外80年代后人工神经网络的兴起,其应用领域不断扩大,作为基于人脑结构和功能而建立起来的新学科,它可用于人工智能、模式识别、生物仿真、先进控制等各种领域。人工神经网络在暖通空调领域的应用也逐渐受到重视,而作为应用广泛的PID控制器,其具有结构简单、参数物理意义明确,动态静态特性优良等许多优点,因此常规PID控制在建筑智能领域同样不能忽视,将应用广泛的PID控制器和具有学习功能的神经网络相结合,是智能控制的一种新的途径。接着,本文介绍了变风量空调系统通过改变送风量以适应空调负荷的变化,风机功率也随之变化,其节电至多可以达到50%以上。但是,送风管道静压和送风状态控制的问题常常被忽视,有鉴于此.本文提出一种基于模糊神经网络控制自学习的静压恒定法风量控制。与传统PID控制和普通模糊控制方法相比较,该控制方法具有许多优势。接着,本文提出另一种基于模糊神经网络控制器的中央空调房间温度控制器的设计方案。与普通模糊控制方法相比较,MATLAB仿真试验说明系统设计的有效性。然后介绍基于CAN总线的中央空调温控系统设计与实现。阐述中央空调控制系统的整体构成,论述温控系统中上位机与下位机节点间的CAN通信问题,并论述温度控制系统的硬件与软件设计方法与实现。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 市场背景和应用价值
• 1.2 现状和研究方向
• 1.2.1 人工神经网络技术的国内外研究现状
• 1.2.2 中央空调系统的自动控制发展
• 1.3 空调系统的组成与分类
• 1.4 空调系统的节能研究
• 1.4.1 空调系统的一般的节能方法
• 1.4.2 本论文研究的方法和内容
• 1.4.3 章节安排
• 1.5 本章小结
• 第二章 人工神经网络概述
• 2.1 人工神经网络理论的发展概况
• 2.2 人工神经网络的主要特征
• 2.3 人工神经网络的理论基础
• 2.3.1 人脑神经元模型
• 2.3.2 人工神经元模型
• 2.3.3 人工神经网络的典型模型
• 2.4 人工神经网络的学习
• 2.4.1 人工神经网络的学习方式
• 2.4.2 人工神经的学习规则
• 2.5 本章小结
• 第三章 空调系统的节能控制
• 3.1 空气调节原理
• 3.2 空调系统的构成
• 3.3 空调系统的温湿度控制
• 3.3.1 变风量控制温度
• 3.4 输送系统的节能控制
• 3.5 变风量空调系统
• 3.6 本章小结
• 第四章 基于模糊神经网络在送风量控制上的节能研究
• 4.1 变风量空调系统的送风量控制
• 4.2 模糊神经网络自学习在风量上的控制
• 4.3 仿真结果
• 4.4 本章小结
• 第五章 基于模糊神经网络控制器在房间温度控制上的节能研究
• 5.1 房间温度控制
• 5.2 房间温度控制方案
• 5.3 仿真结果
• 5.4 系统的鲁棒性研究
• 5.5 本章小结
• 第六章 基于 CAN总线的中央空调系统的实现
• 6.1 CAN总线概述
• 6.1.1 CAN链路层寻址
• 6.1.2 CAN帧类型和帧结构
• 6.1.3 CAN媒体访问控制
• 6.1.4 CAN的出错管理
• 6.2 基于 CAN总线的中央空调系统网络框架
• 6.2.1 中央空调温度控制系统整体构成
• 6.3 房间控制器 CAN节点
• 6.4 控制系统软件框架
• 6.5 房间控制器设计
• 6.6 房间控制器软件
• 6.7 本章小结
• 第七章 总结与展望
• 7.1 本文结论
• 7.2 研究展望
• 致谢
• 参考文献
• 附录一 PCB图
• 附录二: 器件图
• 附录三: 部分代码
• 攻读学位期间已经发表的论文