变风量空调系统的模型预测控制及仿真研究

采用基于模型预测控制策略的多输入多输出(MIMO)控制器对单通道变风量空调系统的控制问题进行了研究.在分析系统工作机理和系统动力学行为的基础上,建立了内部模型的结构,采用实验确定了模型的参数.通过设定参考轨迹、输入输出约束、控制步长、预测步长及加权矩阵,解决了系统的凸二次型优化问题.通过仿真研究和对实际系统的控制,验证了系统的控制效果.     

变风量空调系统新风量的实时预测

在多区域变风量（Variable Air Volume，VAV）空调系统的新风控制中，现行的控制方案不可避免地遇到困难，使用预测的方法来实施前馈控制，对可能出现的扰动提前作出补偿将有可能改善目前多区域VAV空调系统的新风控制问题，ARIMA模型可以较准确地预测非稳态随机过程的时间序列，以季节性ARIMA模型为预测模型，在利用CO2浓度检测室内人数的基础上，对一大楼中各区域的新风要求进行了预测，结果表明，季节性的ARIMA模型可以很好地满足空调系统新风预测的要求。     

浅谈VAV系统的控制

该文主要从VAV(变风量)系统的特点、控制方式、控制内容几个方便进行介绍和分析,说明VAV系统对进一步降低企业在能源方面的成本和完成节能减排任务具有重大的现实意义.     

神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统，采用神经网络作为优化反馈控制器求解优化反馈解，并利用预测控制滚动优化能够克服干扰和不确定性影响的优势，采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络，同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测，以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真，优化指标取舒适性指标和耗能量之和。仿真结果表明，采用此方法，在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。     

多区域变风量空调系统送风温度的优化节能控制

在分析变风量空调系统局部控制的基础上,提出了两种实时的优化控制方案。其一是利用变风量末端风门开度的信号,将它们作为各区域相对负荷的指示信号,对送风温度进行实时优化;其二是针对周边区域采用定风量末端控制太阳辐射热负 空调系统,根据周边区域相对负荷大小,实时优化定风量末端的开／停控制。     

过渡季节VAV空调系统送风温度的优化控制策略

变风量空调系统中,如何在良好室内空气品质与节能之间进行权衡一直是研究的难点．通过对多区域变风量空调及其控制系统进行分析研究,按照ASHRAE通风标准对新风量的要求,针对混和送风系统提出并在Tmsys仿真平台上分析了送风温度优化控制方案在不同负荷条件下的控制效果．研究结果表明,室外新风温度低于室内温度设定值时,送风温度的设定值受到设计风量和运行时刻各个空调区域风阀开度大小的限制．当过渡季节早晚的新风温度低于室内设定温度的工况时,若将送风温度由13℃升高到16℃,不但可以减少2．8％的空调系统能耗,而且有助于改善空气品质．     

模糊-自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术 ,对耦合强烈的具有变风量空调系统传递函数矩阵形式的 4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究 ,为变风量空调系统的解耦控制提供了有效的方法     

基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

基于神经网络的变风量空调控制回路设计

针对变风量空调系统的结构原理和功能特性,以房间温度控制回路为例,利用PID控制方法,研究设计变风量空调系统的控制回路。通过对实际系统的控制结果表明,实现对系统的神经网络控制,可取得更好的控制效果。     

多区域变风量空调系统神经网络预测控制研究

总风量控制法自提出后,由于末端动作频繁、通信量大、控制复杂而一直处于研究完善阶段.在分别对表冷器的PID控制系统和空调室的神经网络预测控制系统得出满意的动、静态性能的基础上,应用总风量控制法,对多区域变风量空调系统联动控制.在MATLAB环境下仿真表明系统达到了良好的控制效果.