空調(diào)系統(tǒng)迭代學習控制的改進研究.pdf

1、空調(diào)系統(tǒng)的能耗占城市總能耗的比重有日益增大的趨勢,一些城市空調(diào)系統(tǒng)能耗已超過城市總能耗的40％;同時,隨著社會經(jīng)濟生產(chǎn)力和人們生活水平的提高,對空調(diào)系統(tǒng)也提出了更高的要求,因此采用先進的控制方法改善空調(diào)系統(tǒng)的控制水平,對提高空調(diào)性能、降低空調(diào)系統(tǒng)能耗具有重要意義。目前,一些學者將迭代學習控制方法引入到空調(diào)系統(tǒng),并指出這種改進可以使空調(diào)系統(tǒng)達到較高的控制精度,降低系統(tǒng)運行能耗。本文從計算機仿真平臺、控制策略以及控制算法三個方面對空調(diào)系統(tǒng)迭

2、代學習控制進行改進和完善,為迭代學習控制在空調(diào)系統(tǒng)的實際應用提供有益的參考和方法。
　　計算機仿真平臺方面:目前,針對空調(diào)系統(tǒng)迭代學習控制的研究主要是在計算機仿真平臺上展開的。因此,計算機仿真平臺的仿真精度對空調(diào)系統(tǒng)迭代學習控制的研究影響較大。若采用移動邊界模型代替目前通常采用的集總參數(shù)模型建立計算機仿真平臺中的換熱器模塊,可以使計算機仿真平臺的仿真精度得到大幅度的提高。然而,現(xiàn)有的換熱器移動邊界模型在穩(wěn)定性以及運算速度方面都無法

3、滿足空調(diào)系統(tǒng)迭代學習控制中計算機仿真平臺的需要。為此,本文對現(xiàn)有的換熱器移動邊界模型從建立及求解兩方面進行改進。在模型建立方面:依據(jù)手冊中數(shù)據(jù),采用擬合關聯(lián)式法,利用1stopt軟件得到以溫度為主要自變量的制冷劑物性計算關聯(lián)式,并以溫度為主要自變量建立了換熱器移動邊界模型。在模型求解方面:給出了一種換熱器移動邊界模型的自適應變時間步長解法。最后,通過與傳統(tǒng)換熱器移動邊界模型的仿真結果進行對比:發(fā)現(xiàn)改進后的換熱器移動邊界模型穩(wěn)定性更好,運

4、算速度也提高了三至四倍。
　　控制策略方面:現(xiàn)有空調(diào)系統(tǒng)迭代學習控制策略應用到實際空調(diào)系統(tǒng)時,其初始控制輸入量通常采用設置零值或有界隨機值的方法。然而,采用這種方法往往導致空調(diào)系統(tǒng)迭代學習控制的初始控制精度過低。為此,本文給出一種基于模型的空調(diào)系統(tǒng)迭代學習控制策略,并給出相應的控制律的設計方法、參數(shù)的設定方法以及其收斂性的數(shù)學推導證明。在這種控制策略中,應用到實際空調(diào)系統(tǒng)的初始控制輸入量在計算機仿真平臺中經(jīng)過了處理,進而使得空調(diào)系

5、統(tǒng)迭代學習控制的初始控制精度主要與計算機仿真平臺的仿真精度相關,從而可以使初始控制精度得到較大幅度提高。
　　控制算法方面:現(xiàn)有的空調(diào)系統(tǒng)迭代學習控制中的迭代學習控制算法在系統(tǒng)執(zhí)行新的控制任務時,通常無法充分利用先前的控制經(jīng)驗。本文結合空調(diào)系統(tǒng)控制任務往往具有較強相似性的特點,采用遺傳BP神經(jīng)網(wǎng)絡算法對空調(diào)系統(tǒng)迭代學習控制中迭代學習控制算法的初始控制策略進行改進。仿真結果表明,改進后的迭代學習控制算法可以較為充分的利用先前的控制經(jīng)