测试室空调系统自适应控制的研究

论文摘要

目前能源问题已经成为我们国家和政府密切关注的热点问题,建筑能耗在我国国家总能耗中所占的比例已超过25%,而在建筑物的使用能耗中,供热、通风和空调的能耗约占建筑物使用能耗的50%以上。提高暖通空调系统的运行及控制水平能够显著降低建筑能耗,从而缓解当今能源紧张的问题。本文针对空调系统由于存在纯迟延、时变和非线性等特性,使得传统的PI/PID控制方法往往无法获得满意的控制效果,经常出现过冷或者过热的现象,从而导致无谓的能源消耗,因此提出一些适用于空调系统的自适应控制策略以及相关的系统辨识方法。空气焓差法试验台测试室的空调系统是本文所要研究的具体空调对象,它可以代表多数情况下的空调系统的对象特性。本文将自适应控制策略以及相关的系统辨识方法应用在测试室的空调系统中,并开发了一种采用自适应控制算法的基于Internet的制冷空调试验平台空调系统的远程控制系统。本文所做的研究内容主要包括如下:1 .首先通过机理法建立了空气焓差法试验台测试室空调系统的数学模型,通过MATLAB/Simulink工具搭建了测试室空调系统理论模型的仿真环境,并采用测试法中获取对象阶跃响应的方法对空调系统的理论模型进行了实验验证。2.空调系统自校正控制必须首先实现对空调对象的在线辨识,针对常规空调对象可以看作是一阶惯性加延迟的环节,而递推最小二乘方法无法实现对离散化后空调对象时延参数的在线辨识的缺陷,设计了两种在线辨识算法:基于零频率的模型匹配和带遗忘因子的递推最小二乘的联合辨识算法及基于最速下降法的在线辨识算法,实现了对空调对象包括时延参数在内的时变模型参数的在线辨识,这两种辨识算法具有简单、明了和快速的特点,适于实时控制,并对该两种辨识算法在测试室空调系统中的应用进行了仿真研究。3.针对空调系统时变的特性,提出了一种鲁棒自校正PI控制算法,该自校正控制算法采用基于零频率模型匹配和递推最小二乘的联合辨识算法对空调系统的模型参数进行闭环在线辨识,另外针对空调对象通常时间常数较大从而会降低控制回路性能的特点,设计了一种具有鲁棒性能的PI控制器的整定规则,其开环传递函数的增益裕量Am=2.98、相位裕量φm=59.8o,该PI整定规则被应用在自校正PI控制策略中。并将该鲁棒自校正PI控制算法和基于H∞的自校正PI控制算法以及采用Z-N整定规则的自校正PI控制算法在测试室空调系统中的控制性能进行了比较。4.针对空调对象由于纯迟延的存在导致控制性能下降的缺点,提出了一种自校正Smith预估控制器,该自校正控制算法仍然采用上述的联合辨识算法对空调系统的包括纯延迟在内的模型参数进行在线闭环辨识,在此基础上采用Smith预估控制器对空调系统纯延迟进行精确补偿,达到提高控制性能的目的。并将该自校正Smith预估控制器和经过整定的PID控制器在测试室空调系统的控制性能进行了比较,结果表明该自校正控制算法具有优良的控制性能。5.针对空调对象数学模型是近似的,它通常包含未建模的动态,因此采用自校正控制的控制性能受在线辨识精度的影响较大,提出了两种不需要在线辨识环节的智能自适应控制方法:模糊自适应PI控制算法和经过改进的神经元自适应PI控制算法,模糊自适应PI控制算法将模糊控制和空调系统中最常用的PI控制有效结合起来,根据实际控制经验通过模糊控制规则对空调系统控制回路中PI控制器的参数进行实时的整定;神经元自适应PI控制算法则利用神经元良好的自学习和自适应能力,通过神经元权值系数的自学习功能实现PI控制器参数的实时整定,该神经元自适应PI控制算法采用了改进后的二次性能指标,而且其神经元比例系数在实际运行过程中能够实时进行自我修正。这两种自适应控制算法被应用在测试室空调系统中,并和经过整定过的常规PI控制器的控制性能进行了比较,结果表明这两种控制算法具有更优异的控制性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 背景资料
• 1.2 自适应控制发展的综述
• 1.3 自适应控制系统
• 1.3.1 自适应控制系统的分类
• 1.3.2 自适应控制理论
• 1.4 自适应控制在暖通空调领域的应用与发展
• 1.5 论文的主要工作
• 第二章 空气焓差法试验台测试室空调系统的数学建模
• 2.1 空气焓差法试验平台空调系统
• 2.2 测试室房间墙体围护结构的数学建模
• 2.2.1 墙体围护结构镀锌钢板的动态热过程建模
• 2.2.2 墙体围护结构的聚氨酯材料的动态热过程建模
• 2.2.3 墙体围护结构动态热传递过程的仿真
• 2.3 测试室空调系统的数学建模
• 2.3.1 电加热器的数学模型
• 2.3.2 风机的数学模型
• 2.3.3 PID控制器和固态继电器
• 2.3.4 空调系统室温的数学模型
• 2.4 测试室空调系统的MATLAB/Simulink仿真建模
• 2.5 测试室空调系统数学模型的简化
• 2.6 测试室空调系统模型的实验验证
• 2.7 本章小结
• 第三章 空调系统在线辨识算法的研究
• 3.1 系统辨识的表达方式和原理
• 3.1.1 系统辨识的表达形式
• 3.1.2 系统辨识的原理
• 3.1.3 误差准则
• 3.2 空调系统的离散化模型
• 3.3 基于零频率模型匹配和递推最小二乘辨识算法的空调系统在线辨识
• 3.3.1 零频率模型匹配法
• 3.3.2 带遗忘因子的递推最小二乘算法
• 3.3.3 空调系统的辨识过程
• 3.3.4 空调对象的参数辨识
• 3.4 基于最速下降法的空调系统在线辨识算法
• 3.4.1 基于最速下降法的空调系统特性参数的在线辨识
• 3.4.2 增益矩阵的选择
• 3.4.3 过程滞后时间的取整
• 3.4.4 空调系统的辨识过程
• 3.4.5 空调对象的参数辨识
• 3.5 本章小结
• 第四章 空调系统自校正控制的研究
• 4.1 空气焓差法试验台测试室空调控制系统
• 4.2 空调系统的闭环在线辨识
• 4.3 鲁棒自校正PI控制在空调系统中的研究
• 4.3.1 PI控制器整定规则的设计
• 4.3.2 PI控制器作用于空调系统时的频率特性分析
• 4.3.3 基于鲁棒性能指标的PI控制器的设计
• 4.3.4 鲁棒自校正PI控制的架构
• 4.3.5 自校正PI控制在空调系统中的仿真研究
• 4.4 自校正Smith预估控制在空调系统中的研究
• 4.4.1 传统的Smith预估控制
• 4.4.2 自校正Smith预估控制算法
• 4.4.3 自校正Smith预估控制的仿真结果
• 4.5 本章小结
• 第五章 模糊自适应PI控制在空调系统中的研究
• 5.1 PI/PID控制原理
• 5.2 模糊控制原理
• 5.3 模糊控制与PI/PID控制的关系
• 5.4 模糊自适应PI控制
• 5.4.1 模糊自适应PI控制的原理
• 5.4.2 模糊自适应PI控制器的结构
• 5.5 测试室空调系统中模糊自适应PI控制器的设计
• 5.5.1 模糊控制器输入变量、输出变量论域和模糊集的确定
• 5.5.2 模糊控制器的隶属度函数的确定
• 5.5.3 模糊控制规则库的设计
• 5.5.4 模糊量的清晰化
• 5.6 模糊自适应PI控制在空调系统中的仿真研究
• 5.6.1 空调对象设定值变化时的控制性能比较
• 5.6.2 空调对象参数时变情况下的控制性能比较
• 5.6.3 空调对象在阶跃负荷干扰时的控制性能比较
• 5.7 本章小结
• 第六章 神经元自适应PI控制在空调系统中的研究
• 6.1 神经元的数学模型
• 6.2 神经元自适应PI/PID控制原理及其学习算法
• 6.2.1 无监督的Hebb学习规则
• 6.2.2 有监督的δ学习规则或者widow-Hoff学习规则
• 6.2.3 有监督的Hebb学习规则
• 6.3 基于改进的二次性能指标的神经元自适应PID控制算法
• 6.4 神经元自适应PI控制在空调系统中的仿真研究
• 6.4.1 空调对象设定值发生变化时的控制性能比较
• 6.4.2 空调对象参数时变时的控制性能比较
• 6.4.3 阶跃负荷干扰时的控制性能比较
• 6.5 本章小结
• 第七章 基于Internet的制冷空调试验平台的远程控制系统
• 7.1 基于 Internet的制冷空调试验平台的远程监控
• 7.1.1 系统结构
• 7.1.2 功能设计
• 7.1.3 系统的实现
• 7.2 模糊自适应PI控制在制冷空调试验平台监控系统中的应用与实现
• 7.2.1 实现原理
• 7.2.2 模糊自适应PID控制算法的软件设计
• 7.2.3 网络延迟对控制性能的影响
• 7.2.4 现场监控服务器和数字控制器之间数据通信
• 7.2.5 模糊自适应PI控制与传统PI控制性能实验比较
• 7.3 本章小结
• 第八章 总结与展望
• 致谢
• 参考文献
• 学习期间已发表和待发表文章
• 参加的科研项目