基于PID神经网络解耦控制的变风量空调系统_付龙海(2)

有关解耦控制的最新技术

器、空气处理机组控制器可互相通讯的现状,把空调系统分成机组部分和末端部分两部分考虑,并把这两部分通过中间桥梁———风道进行物质和能量的联系,从而简化分析的问题.考虑机组侧两个回路的耦合影响:变频器-风机-静压回路和新风阀-CO 2气体体积含量回路,利用PID 神经网络解耦控制技术对这两个回路进行解耦控制.实际运行显示在未进行解耦控制时,新风阀的开合变化对静压回路耦合强烈,通过PID 神经网络解耦控制后可以有效的消除新风阀的开合对静压的影响,从而使变风量空调系统机组侧变频器-风机-静压回路和新风阀-CO 2气体体积含量回路稳定运行.

1　PID 神经网络结构和计算方法

　　PID 神经网络是一种前向多层神经元网络,它参照PID 规律选取隐含层神经元的输入/输出函数,使它们分别成为具有比例、积分和微分处理功能的比例元、积分元和微分元[3],如图1所示.图中r 1和r 2表示系统设定值,在此为管道静压(P )设定值和CO 2气体体积含量(W )设定值;v 1和v 2表示PID 神经网络的输出值,用来控制变频器和新风阀;y 1和y 2表示系统的输出值,为系统实际的静压和CO 2气体体积含量的值.PID 神经网络解耦控制系统根据设定值和系统的实际输出的差值来调节网络输出

.

图1　二变量P ID 神经元网络解耦控制系统结构

Fig .1　PID neural network decoupling control system with two variables

PID 神经元网络的计算方法与其它前向神经网络类似,包括前向算法和反传算法.

1.1　前向算法

　　在任意采样时刻k ,PID 神经元网络的前向计算公式如下:

(1)输入层神经元的输入输出函数为

x si (k )=u si (k ),

(1)式中:u si 为输入层神经元的输入值;x si 为输入层神经元的输出值;s 为并列子网的序号,s =1,2;i =1,2.

(2)隐含层各单元输入总值的计算公式相同,均为

u ′si (

k )=∑2i =1w sij x si (k );(2)比例元的输入/输出函数为

x ′s 1(k )=u ′s 1(

k );(3)积分元的输入/输出函数为

x ′s 2(k )=x ′s 2(k -1)+u ′s 2(

k );(4)微分元的输入/输出函数为

x ′s 3(k )=u ′s 3(k )-u ′s 3(k -1).

(5)式(1)～(5)中:u ′sj 为隐层神经元的输入值;x ′sj 为隐层神经元的输出值;w sij 为各子网输入层至隐含层的连接权值;j =1,2,3;s =1,2.

(3)输出层神经元的输入为隐含层全部神经元的输出值的加权总和u ″h (k )=∑2s =1∑3j =1w ′sjh x ′sj (k );(6)14西　南　交　通　大　学　学　报第40卷

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于PID神经网络解耦控制的变风量空调系统_付龙海(2)在线全文阅读。