基于智能算法與模糊控制的室內(nèi)環(huán)境反向設(shè)計(jì)方法研究.pdf

1、室內(nèi)環(huán)境反向設(shè)計(jì)理論是當(dāng)前研究的熱點(diǎn)問題。反向設(shè)計(jì)能夠根據(jù)設(shè)計(jì)目標(biāo)的特定要求得到相應(yīng)的設(shè)計(jì)變量值，為室內(nèi)環(huán)境設(shè)計(jì)過程提供理論指導(dǎo)，具有廣闊的商業(yè)前景。
　　在全面分析國內(nèi)外反向設(shè)計(jì)理論和發(fā)展趨勢的基礎(chǔ)上，本文以計(jì)算流體力學(xué)（CFD）為基礎(chǔ)，將遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、模糊控制等技術(shù)相結(jié)合，提出了一種高效的室內(nèi)環(huán)境反向設(shè)計(jì)方法，應(yīng)用于 Blay模型與客機(jī)座艙模型的反向設(shè)計(jì)問題。對 Blay模型，選取入口速度與溫度為設(shè)計(jì)變量，實(shí)現(xiàn)了監(jiān)測

2、點(diǎn)處的速度與溫度的反向設(shè)計(jì)；對座艙模型，選取入口速度、入口溫度、入口角度、入口及出口位置為設(shè)計(jì)變量，實(shí)現(xiàn)了控制區(qū)域的熱舒適、吹風(fēng)感、空氣齡、局部速度及垂向溫差等的多目標(biāo)優(yōu)化設(shè)計(jì)。主要成果如下：
　　首先，研究了基于遺傳算法的反向設(shè)計(jì)方法。使用單目標(biāo)遺傳算法對 Blay模型進(jìn)行了反向設(shè)計(jì)。使用多目標(biāo)遺傳算法對飛機(jī)座艙環(huán)境進(jìn)行了反向設(shè)計(jì)，利用非支配關(guān)系解決了多目標(biāo)設(shè)計(jì)過程中的個(gè)體排序問題。利用區(qū)間遺傳算法獲得了座艙模型的區(qū)間解，并使用

3、超體積評價(jià)解的區(qū)間特性，得到了8個(gè)區(qū)間解，并確定了最優(yōu)區(qū)間解。研究發(fā)現(xiàn)，僅使用遺傳算法進(jìn)行反向設(shè)計(jì)時(shí)，計(jì)算量很大，難以滿足實(shí)際設(shè)計(jì)要求。
　　將人工神經(jīng)網(wǎng)絡(luò)引入反向設(shè)計(jì)中，利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測新個(gè)體的目標(biāo)值，減少了反向設(shè)計(jì)的計(jì)算量。為保證設(shè)計(jì)精度，同時(shí)使用CFD和神經(jīng)網(wǎng)絡(luò)計(jì)算新個(gè)體的目標(biāo)值。提出了對數(shù)歸一化方法和優(yōu)選初始種群方法提高反向設(shè)計(jì)效率。進(jìn)一步提出了自更新神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了訓(xùn)練樣本量的自適應(yīng)，并使 Blay模型與客機(jī)座艙模型