基于人工神經(jīng)網(wǎng)絡(luò)控制節(jié)能空調(diào)器MATLAB仿真

變風(fēng)量空調(diào)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制——首先闡述了變風(fēng)量空調(diào)系統(tǒng)及其人工神經(jīng)網(wǎng)絡(luò)控制的策略，并從建立模型、樣本訓(xùn)練和控制實(shí)現(xiàn)方面闡述了bp神經(jīng)網(wǎng)絡(luò)在變風(fēng)量空調(diào)系統(tǒng)中的應(yīng)用，對其不足和改進(jìn)也做了簡單說明

用可逼近任意非線性函數(shù)的神經(jīng)網(wǎng)絡(luò)構(gòu)造了辨識器和控制器，通過ｂｐ算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，修正其權(quán)系數(shù)及閾值，使學(xué)習(xí)訓(xùn)練誤差趨于零．將該方案應(yīng)用于紡織廠羊絨生產(chǎn)車間的空調(diào)系統(tǒng)，并給出了仿真實(shí)驗(yàn)結(jié)果．

制冷空調(diào)裝置特性不僅受熱力學(xué)基本定律的支配，而且與裝置結(jié)構(gòu)、生產(chǎn)工藝等實(shí)際因素密切相關(guān)，因此仿真精度在目前的通用仿真軟件中難以保證。本文提出用基于模型的神經(jīng)網(wǎng)絡(luò)方法來解決這一問題。以房間空調(diào)器為例，在傳統(tǒng)數(shù)學(xué)模型的基礎(chǔ)上，通過定量參數(shù)的神經(jīng)網(wǎng)絡(luò)辨識，顯著地改善了空調(diào)器穩(wěn)態(tài)特性和開機(jī)動態(tài)特性的仿真效果。神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能保證了該方法在實(shí)際應(yīng)用中具有很強(qiáng)的通用性。本文研究表明智能仿真方法用于制冷系統(tǒng)仿真可以取得優(yōu)于傳統(tǒng)數(shù)值仿真方法的效果。

制冷空調(diào)裝置特性不僅受熱力學(xué)基本定律的支配,……本文提出用基于模型的神網(wǎng)絡(luò)方法來解決這一問題……

一、空調(diào)的最佳溫度天氣炎熱,冷氣自然十分舒適。但是從健康的角度來說,冷氣的溫度不是越低越好。科研人員通過實(shí)踐發(fā)現(xiàn),在炎熱的夏季,人們?nèi)绻?5分鐘之內(nèi)10次出入溫差7-8℃的室內(nèi)外,就會引起腹瀉、頭痛及感冒等疾病。如果溫差10℃以上,只要四五次出入室內(nèi)外,就會引發(fā)同樣的疾病。

節(jié)能空調(diào)器的設(shè)計(jì)——科研人員通過實(shí)踐發(fā)現(xiàn)，在炎熱的夏季，人們?nèi)绻趌5分鐘之內(nèi)l0次出人溫差7—8℃的室內(nèi)外，就會引起腹瀉、頭痛及感冒等疾病如果溫差10℃以上，只要四五次出入室內(nèi)外，就會引發(fā)同樣的疾病.

介紹了制冷能力２．５ｋｗ、采暖效率（ｃｏｐ即能力／輸入功率）為４．２的節(jié)能新型空調(diào)器；壓縮機(jī)內(nèi)改變直流電動機(jī)磁鐵配置、室內(nèi)機(jī)采用多段彎曲換熱器和不規(guī)則斜橫流風(fēng)扇，并通過ｇａ控制，實(shí)現(xiàn)了非穩(wěn)態(tài)與穩(wěn)態(tài)的兼容運(yùn)行。

目的介紹一種新的復(fù)合神經(jīng)網(wǎng)絡(luò)控制器的結(jié)構(gòu)。方法結(jié)合傳統(tǒng)控制、神經(jīng)網(wǎng)絡(luò)監(jiān)督控制、神經(jīng)網(wǎng)絡(luò)逆控制的優(yōu)點(diǎn)提出復(fù)合控制器方案,建立用它控制水箱系統(tǒng)的水位和溫度的仿真模型,并進(jìn)行計(jì)算機(jī)仿真。結(jié)果仿真實(shí)驗(yàn)表明,復(fù)合神經(jīng)網(wǎng)絡(luò)控制器中的pd控制器、神經(jīng)網(wǎng)絡(luò)監(jiān)督控制器、神經(jīng)網(wǎng)絡(luò)逆控制器,可以協(xié)同工作,也可以在某種程度上單獨(dú)工作。結(jié)論復(fù)合神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的魯棒性和抗干擾性得到提高。

中央空調(diào)作為廣泛使用的高能耗系統(tǒng),其節(jié)能問題受普遍關(guān)注。針對傳統(tǒng)的定流量方法存在的問題,本文提出采用改進(jìn)的負(fù)荷隨動跟蹤方法,實(shí)時(shí)監(jiān)測中央空調(diào)的負(fù)荷,并由計(jì)算機(jī)控制水泵電機(jī),降低主機(jī)能耗。利用模糊神經(jīng)網(wǎng)絡(luò)理論,建立符合隨動跟蹤的模型,并利用實(shí)際數(shù)據(jù)進(jìn)行系統(tǒng)仿真。仿真結(jié)果表明,此方法提高中央空調(diào)的工作效率,實(shí)現(xiàn)良好的節(jié)能效果。

為在繼電器的設(shè)計(jì)和生產(chǎn)階段通過多個(gè)評價(jià)指標(biāo)評價(jià)其整體品質(zhì),研究了多層次綜合評判模型的可計(jì)算性。該模型依據(jù)電器產(chǎn)品設(shè)計(jì)方案關(guān)于技術(shù)性能和成本的綜合評價(jià)指標(biāo)體系,并通過對神經(jīng)網(wǎng)絡(luò)原理的評判方法的研究而建立。實(shí)例證明,人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理各種模糊的、數(shù)據(jù)不完全的、模擬的、不精確的模式識別問題提供了一個(gè)全新的途徑。

簡要介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及特點(diǎn),并且詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)在中央空調(diào)水系統(tǒng)、風(fēng)系統(tǒng)、制冷系統(tǒng)、負(fù)荷預(yù)測、系統(tǒng)的仿真設(shè)計(jì)和建筑運(yùn)行能耗評價(jià)等方面的應(yīng)用概況,指出了神經(jīng)網(wǎng)絡(luò)在空調(diào)領(lǐng)域今后的發(fā)展方向.

綜述了人工神經(jīng)網(wǎng)絡(luò)在暖通空調(diào)領(lǐng)域的研究和開發(fā)現(xiàn)狀,闡述了負(fù)荷預(yù)測、能量管理、故障診斷、系統(tǒng)辨識與控制等應(yīng)用方面,展望了進(jìn)一步的研究方向

用vb編制了人工神經(jīng)網(wǎng)絡(luò)的通用bp算法程序。根據(jù)西安參考年氣象參數(shù),采用動態(tài)模擬程序計(jì)算了某辦公樓4月至9月逐時(shí)冷負(fù)荷,結(jié)果顯示利用神經(jīng)網(wǎng)絡(luò)的預(yù)測值與計(jì)算值吻合。

針對當(dāng)前乘員艙溫度(特別是前后排)難以準(zhǔn)確測量的現(xiàn)狀,提出一種基于人工神經(jīng)網(wǎng)絡(luò)算法的乘員艙溫度模型。該模型集成于空調(diào)控制器內(nèi),作為空調(diào)系統(tǒng)的輸入值及溫度反饋值,能夠更加及時(shí)、準(zhǔn)確地調(diào)節(jié)乘員艙溫度。

空調(diào)負(fù)荷是近年來增長較快的一類負(fù)荷,其特性對電網(wǎng)的電壓穩(wěn)定性影響很大。夏季影響空調(diào)負(fù)荷的因素主要是溫度和濕度的變化。為了更好的預(yù)測空調(diào)降溫負(fù)荷,研究了溫度和濕度對空調(diào)負(fù)荷的影響。利用bp人工神經(jīng)網(wǎng)絡(luò)對電網(wǎng)空調(diào)負(fù)荷進(jìn)行了預(yù)測,經(jīng)過分析把日平均濕度量化成4段,和日平均濕度實(shí)際數(shù)值的模型進(jìn)行計(jì)算比較,結(jié)果顯示考慮日最高溫度和日平均濕度量化為4段能更好的模擬溫度、濕度和空調(diào)負(fù)荷之間的非線性關(guān)系,能更好的對電網(wǎng)空調(diào)負(fù)荷進(jìn)行預(yù)測。

文章以中央空調(diào)系統(tǒng)為對象,采用神經(jīng)網(wǎng)絡(luò)預(yù)測控制算法來實(shí)現(xiàn)溫度控制,在單片機(jī)控制器上實(shí)現(xiàn)編程,并通過實(shí)時(shí)仿真驗(yàn)證控制算法的實(shí)用性,得到接近實(shí)際情況的仿真結(jié)果。

基于人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能和能夠表達(dá)復(fù)雜關(guān)系的特點(diǎn),針對桑塔納2000空調(diào)、冷卻系統(tǒng)的控制關(guān)系建立了相關(guān)神經(jīng)網(wǎng)絡(luò)仿真模型并進(jìn)行了仿真和故障診斷的研究。事實(shí)證明,神經(jīng)網(wǎng)絡(luò)技術(shù)是復(fù)雜車輛控制系統(tǒng)的控制關(guān)系分析和故障診斷的一種便捷、有效的方法。

根據(jù)我國當(dāng)前智能建筑中央空調(diào)控制系統(tǒng)傳統(tǒng)pid控制存在的問題,依據(jù)控制對象為一大滯后大慣性環(huán)節(jié)的特點(diǎn),對一種模糊神經(jīng)網(wǎng)絡(luò)的控制器進(jìn)行了仿真研究,以期改善空調(diào)控制系統(tǒng)的動靜態(tài)特性,并能達(dá)到節(jié)能的效果。

變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究——針對目前傳統(tǒng)pid控制對模型依賴性強(qiáng)，難以在線調(diào)整，有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點(diǎn)，提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng)．建立了模糊神經(jīng)網(wǎng)絡(luò)控制器．基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的...

提出一種基于小波神經(jīng)網(wǎng)絡(luò)的控制方法,并將其運(yùn)用到變風(fēng)量空調(diào)的控制中去,小波神經(jīng)網(wǎng)絡(luò)控制器能產(chǎn)生復(fù)雜的最佳控制規(guī)律。仿真結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)控制方法明顯優(yōu)于普通神經(jīng)網(wǎng)絡(luò)控制,并且具有逼近精度高、控制效果好、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。

為了克服單獨(dú)應(yīng)用粒子群算法(pso)或bp算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)控制器參數(shù)時(shí)存在的缺陷,提出了一種訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的pso+bp算法。該算法將二者相結(jié)合,即在pso算法中加入一個(gè)bp算子,以充分利用pso算法的全局尋優(yōu)能力和bp算法的局部搜索能力,從而更有效地提高其收斂速度、訓(xùn)練效率和提高該模糊神經(jīng)網(wǎng)絡(luò)控制器的控制效果。最后的仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該基于pso+bp復(fù)合算法的模糊神經(jīng)網(wǎng)絡(luò)控制器的有效性和可行性。

基于人工神經(jīng)網(wǎng)絡(luò)的軟件質(zhì)量評價(jià)