發(fā)布時間：2021-12-09所屬分類：工程師職稱論文瀏覽：1次
摘 要： 摘要: 介紹分析了自動控制技術(shù)在暖通空調(diào)工程中的應(yīng)用與發(fā)展趨勢重點介紹和總結(jié)了 PID 控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、遺傳算法等現(xiàn)代控制算法在空調(diào)領(lǐng)域的應(yīng)用情況比較了這些自動控制技術(shù)的優(yōu)缺點提出空調(diào)自動化控制對于節(jié)能的研究方向 關(guān)鍵詞: 自動控制 暖通空調(diào) 應(yīng)
摘要: 介紹分析了自動控制技術(shù)在暖通空調(diào)工程中的應(yīng)用與發(fā)展趨勢ꎬ重點介紹和總結(jié)了 PID 控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、遺傳算法等現(xiàn)代控制算法在空調(diào)領(lǐng)域的應(yīng)用情況ꎬ比較了這些自動控制技術(shù)的優(yōu)缺點ꎬ提出空調(diào)自動化控制對于節(jié)能的研究方向ꎮ
關(guān)鍵詞: 自動控制ꎻ 暖通空調(diào)ꎻ 應(yīng)用與發(fā)展ꎻ 展望
0 引言
暖通空調(diào)系統(tǒng)在為居民提供良好舒適的環(huán)境的同時ꎬ也耗費了巨大的能源ꎮ 以中央空調(diào)為例ꎬ一般認為其能耗占到了建筑總能耗的 40% ~60% [1] ꎬ而整個建筑的能耗則占到了全社會總能耗的 27 5%ꎮ 中國的能源利用率較低ꎬ加強節(jié)能工作和可持續(xù)發(fā)展已成為我國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型的主要目標之一ꎬ在暖通空調(diào)行業(yè)開展節(jié)能降耗已成為我國節(jié)能減排的重要組成部分ꎮ
優(yōu)化設(shè)計和自動控制是提高暖通空調(diào)節(jié)能的重要手段ꎮ 例如ꎬ國內(nèi)早期大部分通過優(yōu)化空調(diào)主機的運行工況來達到節(jié)約能源的目的ꎬ 其節(jié)能限度在10%~30%ꎮ 由文獻[2] 可知水泵轉(zhuǎn)速在電機轉(zhuǎn)差率大致不變的情況下與電機的運行頻率成正比ꎬ通過改變變頻器的輸出頻率可以改變水泵的轉(zhuǎn)速ꎬ這樣可以較大限度地減少能源的浪費ꎬ從而通過優(yōu)化自控系統(tǒng)達到節(jié)能的目的ꎮ 本文總結(jié)了智能控制理論在暖通空調(diào)領(lǐng)域的應(yīng)用與發(fā)展ꎬ提出了暖通空調(diào)自控系統(tǒng)在節(jié)能方面的研究方向ꎮ
1 自動控制理論在暖通空調(diào)的發(fā)展及特征
隨著自動化控制理論的發(fā)展ꎬ空調(diào)自動化控制也得到了革命性的發(fā)展ꎮ 該發(fā)展進程可分為 3 個階段:
(1)20 世紀 80 年代ꎬ中央空調(diào)設(shè)備幾乎都是簡單的 ON / OFF 控制模式ꎬ換句話說就是用壓力繼電器或熱繼電器等元件監(jiān)測并控制室溫ꎮ
(2)工業(yè)過程控制中最普遍使用的 PID 控制器與其改進型控制器ꎬ 其中使用純 PID 調(diào)節(jié)器達到了84%ꎬ把改進型也包括的話則超過 90% [3] ꎮ PID 控制器在日本的使用竟然曾經(jīng)達到了近 84 5% [4] ꎮ 過去結(jié)構(gòu)簡單、魯棒性強的 PID 控制器取得了良好的控制效果ꎮ
(3)目前新發(fā)展的智能控制理論開始應(yīng)用于暖通空調(diào)領(lǐng)域ꎮ 包括模糊控制、神經(jīng)網(wǎng)絡(luò)控制、遺傳算法ꎮ目前開發(fā)出來的應(yīng)用于 HVAC 系統(tǒng)的自動控制優(yōu)缺點如表 1 所示ꎮ
2 自動控制理論在 HVAC 的應(yīng)用
2 1 基于模糊控制的暖通空調(diào)自控系統(tǒng)的應(yīng)用
(1)文獻[5] ~[9]通過對空調(diào)房的溫度變化規(guī)律進行了仿真對比ꎬ設(shè)計出了基于模糊邏輯的控制系統(tǒng)ꎬ研究表明該控制器效果顯著ꎬ而且魯棒性、系統(tǒng)的動態(tài)穩(wěn)態(tài)性都相比傳統(tǒng) PID 控制好ꎮ
(2)文獻[10]以漢口火車站中央空調(diào)系統(tǒng)為例ꎬ計算了 3 種在不同控制模式下的暖通空調(diào)系統(tǒng)的全年能耗ꎬ通過在 5 個站口模糊控制運行 15 年的凈收益比傳統(tǒng) PID 控制 15 年凈收益多出 6% ~50%ꎮ 得出模糊控制比傳統(tǒng) PID 節(jié)能效果好ꎮ
(3)文獻[11] 二次回風空調(diào)系統(tǒng)也應(yīng)用了模糊控制技術(shù)ꎮ 新風閥、冷水閥和二次回風閥等都使用模糊控制器ꎮ 無論在室溫、空氣質(zhì)量還是人體舒適性等方面都取得了不錯的效果ꎮ
模糊控制應(yīng)用于暖通空調(diào)無論是節(jié)能性還是舒適性能均優(yōu)于傳統(tǒng) PID 控制ꎮ 但是ꎬ常規(guī)模糊變頻空調(diào)由于事先已經(jīng)確定了控制規(guī)則ꎬ當環(huán)境溫度變化幅度較大時ꎬ就會出現(xiàn)控制突變的情況(忽上忽下)ꎬ不僅浪費了能量ꎬ還會使人感到不舒適ꎮ
2 2 基于神經(jīng)網(wǎng)絡(luò)控制的暖通空調(diào)自控系統(tǒng)的應(yīng)用
神經(jīng)網(wǎng)絡(luò)控制已應(yīng)用于 HVAC 領(lǐng)域[12 - 13] ꎮ
(1)風機盤管熱水系統(tǒng)的電熱鍋爐分為 4 個功率級別ꎬ并具有超滯后、大慣性的特點ꎮ 文獻[14]把神經(jīng)網(wǎng)絡(luò)預測控制器應(yīng)用到該系統(tǒng)時發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)預測控制器能夠把熱水溫度精確地控制在 ± 0 056 ℃ꎬ但經(jīng)典PID 控制器只可控制在 ± 1 1 ℃ꎮ 由此表明神經(jīng)網(wǎng)絡(luò)預測控制器能降低對象系統(tǒng)的超調(diào)量ꎬ減少能量波動ꎬ達到空調(diào)的節(jié)能ꎮ
(2)文獻[15] 進行神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器性能測試時發(fā)現(xiàn)其性能比常規(guī)的 PID 控制器強ꎮ
(3)文獻[16]、[17]采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)預測控制技術(shù)ꎬ把環(huán)境和系統(tǒng)擾動量的變化反饋給神經(jīng)網(wǎng)絡(luò)控制器ꎬ實時改變控制器的控制策略ꎬ控制器再通過預測溫度變化調(diào)整風機轉(zhuǎn)速ꎬ使空調(diào)輸出的能量即為系統(tǒng)需要的能量ꎬ所供即所需ꎬ節(jié)能效果顯著ꎮ
綜上所述ꎬ神經(jīng)網(wǎng)絡(luò)在控制精度上優(yōu)于傳統(tǒng)的PID 控制ꎬ能夠跟模糊控制一樣明顯降低系統(tǒng)的超調(diào)量ꎬ達到節(jié)能與舒適的目的ꎮ 但是人工神經(jīng)網(wǎng)絡(luò)控制在暖通領(lǐng)域應(yīng)用于實際工程的例子很少ꎬ還有待于進一步的研究ꎮ2
3 基于遺傳算法的暖空調(diào)自控系統(tǒng)的應(yīng)用
遺傳算法(GAs)出現(xiàn)于 20 世紀 60 年代ꎬ由美國密歇根大學的 Holland 教授提出ꎮ Holland 教授深受達爾文進化論的影響ꎬ他一直致力于探索一種不依賴問題的數(shù)學模型并且具有強大的空間動態(tài)搜索能力的隨機化搜索方法ꎮ
文獻[18] 在 對 變 風 量 空 調(diào) 系 統(tǒng) 進 行 設(shè) 計 和MATLAB 仿真的 PID 控制系統(tǒng)中引進了遺傳算法ꎮ結(jié)果發(fā)現(xiàn)遺傳算法的 PID 控制效果非常好ꎬ它比常規(guī)的 PID 控制的輸出反應(yīng)更快ꎬ過渡時間更短更平穩(wěn)且無超調(diào)量ꎮ
文獻[19]、[20]空調(diào)系統(tǒng)在遺傳算法與模糊控制相結(jié)合的情況下可以進行自動尋優(yōu)控制從而實現(xiàn)變頻空調(diào)自適應(yīng)智能控制ꎮ 文獻[21] ~ [23] 在空調(diào)模糊控制系統(tǒng)中引用遺傳算法進行優(yōu)化ꎬ自動尋優(yōu)設(shè)計隸屬函數(shù)和控制規(guī)則ꎬ并與普通的模糊控制進行仿真對比ꎮ 結(jié)果表面ꎬ當遺傳算法應(yīng)用于模糊控制系統(tǒng)中時ꎬ整個系統(tǒng)相比于單純的模糊控制系統(tǒng)反應(yīng)速度要快ꎬ超調(diào)量要低ꎮ
相關(guān)知識推薦：暖通專業(yè)職稱評審論文好發(fā)表嗎
文獻[24]在 BP 神經(jīng)網(wǎng)絡(luò)的框架下ꎬ首先用灰色神經(jīng)網(wǎng)絡(luò)模型對訓練數(shù)據(jù)進行弱化ꎬ然后通過遺傳算法的強大全局搜索能力對灰色神經(jīng)網(wǎng)絡(luò)的參數(shù)進行優(yōu)化ꎬ這樣遺傳算法的預測效果明顯要優(yōu)于未優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)ꎮ 新型、實用、精度高的 GA - GNN 算法適于空調(diào)訂單預測ꎮ
遺傳算法作用于智能控制算法當中ꎬ能夠明顯提高控制速度與效率ꎮ 這塊應(yīng)當作為重點研究方向ꎮ
2 4 常見控制方法在暖通空調(diào)自控系統(tǒng)的結(jié)合應(yīng)用
由于暖通空調(diào)系統(tǒng)的高度非線性與控制參數(shù)多耦合關(guān)系ꎬ于是對控制方法提出了更高的要求[25] ꎮ人們通過對現(xiàn)有的幾種控制方法進行結(jié)合ꎬ取長補短ꎬ形成了以下幾種控制方法ꎮ
(1 ) 模 糊 控 制 與 普 通 PID 控 制 相 結(jié) 合ꎮ 文獻[26] ~[28]在模糊控制與普通 PID 控制相結(jié)合的暖通空調(diào)控制系統(tǒng)中ꎬ其控制的精確性、超調(diào)量、魯棒性都明顯優(yōu)于常規(guī)的 PID 控制ꎬ滿足了人們對空調(diào)舒適性的要求ꎬ同時還能提高使用效率達到節(jié)能的效果ꎮ 文獻[29] 藥廠凈化空調(diào)監(jiān)控系統(tǒng)中應(yīng)用模糊PID 控制時發(fā)現(xiàn)控制效果非常好ꎬ該系統(tǒng)相對于普通PID 控 制 超 調(diào) 量 降 低 了 9 1%ꎬ 調(diào) 節(jié) 時 間 減 少 了13 2%ꎮ 文獻[30] 大型購物娛樂中心的中央空調(diào)系統(tǒng)使用改進了的模糊 PID 控制ꎬ跟普通的 PID 控制相比ꎬ其能耗降低了 10%以上ꎮ
(2)普通 PID 控制與神經(jīng)網(wǎng)絡(luò)控制相結(jié)合ꎮ 文獻[31]電視臺大型演播室溫度控制與電子計算機仿真相結(jié)合ꎬ 實驗發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò) PID 控制在大型空間的恒溫空調(diào)系統(tǒng)中比一般的神經(jīng)網(wǎng)絡(luò)控制不僅反應(yīng)快而且超調(diào)量低ꎮ 文獻[32] 在 BP 神經(jīng)網(wǎng)絡(luò)的 PID控制器的基礎(chǔ)上ꎬ提出了常規(guī) PID 控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合的設(shè)計方法ꎬ該設(shè)計方法在應(yīng)用到地源熱泵空調(diào)系統(tǒng)時發(fā)現(xiàn)ꎬ系統(tǒng)的動態(tài)性有了顯著增強并且控制的精確度得到明顯提高ꎬ與此同時 PID 控制參數(shù)能在線動態(tài)調(diào)整ꎬ這些都足以證明神經(jīng)網(wǎng)絡(luò) PID 控制效果顯著ꎮ 文獻[33]神經(jīng)網(wǎng)絡(luò) PID 控制器應(yīng)用到中央空調(diào)系統(tǒng)中控制溫度ꎬ發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò) PID 控制器一旦經(jīng)過優(yōu)化升級后其魯棒性就更強ꎮ
(3)模糊控制與神經(jīng)網(wǎng)絡(luò)控制相結(jié)合ꎮ 文獻[34] 在對PID 控制、模糊控制以及神經(jīng)網(wǎng)絡(luò)理論進行研究時ꎬ發(fā)現(xiàn)模糊控制與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合可以創(chuàng)建變頻空調(diào)智能控制系統(tǒng)ꎬ設(shè)計出了模糊神經(jīng)網(wǎng)絡(luò)控制的變頻空調(diào)智能系統(tǒng)ꎮ 大量的實驗表明了該智能變頻空調(diào)控制系統(tǒng)可以在線動態(tài)調(diào)整壓縮機的轉(zhuǎn)動速度使室溫平穩(wěn)舒適ꎮ
以上可以看出ꎬ將控制方法相互結(jié)合ꎬ取長補短ꎬ能達到暖通空調(diào)自動控制的理想效果ꎬ是目前其發(fā)展的趨勢所在ꎮ
3 結(jié)語與展望
本文重點介紹了傳統(tǒng) PID 控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制與遺傳算法等自動控制技術(shù)在暖通空調(diào)領(lǐng)域的應(yīng)用及特點ꎬ從而我們可以得出以下結(jié)論ꎮ
(1)由于現(xiàn)在暖通空調(diào)控制系統(tǒng)越來越復雜ꎬ模型的建立越來越困難ꎬ常規(guī)基于模型建立的 PID 控制技術(shù)很難完成控制目標ꎬ而不基于具體控制模型的模糊控制與神經(jīng)網(wǎng)絡(luò)具有很大的優(yōu)勢ꎮ
(2)中央空調(diào)系統(tǒng)是多變量、超滯后性、時變的系統(tǒng)ꎬ模糊控制與神經(jīng)網(wǎng)絡(luò)在控制超調(diào)量方面明顯優(yōu)于傳統(tǒng)的 PID 控制技術(shù)ꎮ
(3)但是模糊控制規(guī)則其技術(shù)參數(shù)的確定通常是根據(jù)專家經(jīng)驗事先設(shè)定好的ꎮ 由于其參數(shù)值是按標準環(huán)境設(shè)定的ꎬ不能很好地考慮空調(diào)所在室內(nèi)環(huán)境的差異、季節(jié)的變化以及個體舒適度等因素ꎮ 但是對于神經(jīng)網(wǎng)絡(luò)控制ꎬ上面因素并不能影響這系列控制器的控制效果ꎮ 它也具有一些固有的缺陷ꎬ比如收斂速度慢容易陷入局部極小點ꎮ
常規(guī)模糊變頻空調(diào)、神經(jīng)網(wǎng)絡(luò)控制與傳統(tǒng)的空調(diào)相比ꎬ技術(shù)上有了很大的進步ꎮ 智能控制與傳統(tǒng) PID控制方法之間相互結(jié)合的優(yōu)勢是有目共睹的ꎬ應(yīng)該成為現(xiàn)代控制理論發(fā)展的總趨勢ꎬ 不同的控制策略之間相互取長補短ꎬ 以便更好地服務(wù)于暖通空調(diào)節(jié)能控制的要求ꎮ——論文作者：劉秋瓊ꎬ 李志生
參考文獻:
[1]薛志峰ꎬ江億. 北京市大型公共建筑用能現(xiàn)狀與節(jié)能潛力分析[ J]. 暖通空調(diào)ꎬ2004ꎬ(9):8 - 10.
[2]徐杰. 地鐵車站中央空調(diào)系統(tǒng)節(jié)能控制[D]. 合肥:合肥工業(yè)大學ꎬ2013.
[3]Johansson K HꎬJames J BꎬBryant G Fꎬet al. Multivariable controllertuning[ C] / / The 17th American Control Conferenceꎬ Philadelphiaꎬ PAꎬ1997.
[4]倪忠遠ꎬ趙耿. PID - ATC 的現(xiàn)狀[ J]. 工業(yè)儀表與自動化裝置ꎬ1996ꎬ(6):13 - 19.
[5]李峰ꎬ李萍ꎬ趙虎ꎬ等. 變風量空調(diào)系統(tǒng)的模糊控制[ J]. 儀器儀表學報ꎬ2004ꎬ(S2):261 - 263.
[6]王成立ꎬ盧建剛. 變風量空調(diào)系統(tǒng)末端變論域模糊控制[ J]. 計算機應(yīng)用ꎬ2011ꎬ(2):470 - 472.
