基于神經網絡控制的空調系統

高恩陽 張一猛 劉劍

摘 要：該文針對空調系統的控制問題分析了傳統PID控制的不足，論述了神經網絡的控制原理，探討了神經網絡控制的優點，仿真實驗表明該系統在中央空調中具有應用的可行性。

關鍵詞：空調系統 溫度控制 神經網絡

中圖分類號：TB663 文獻標識碼：A 文章編號：1674-098X（2012）12（b）-00-01

隨著科學技術的不斷發展，空調作為人們生活提高的標志得到了越來越廣泛的使用，它可以給人們的生活帶來一個溫度適宜、濕度恰當、空氣清潔的舒適環境。帶有電加熱的空調系統其控制規律通常采用PID規律，但由于空調系統固有的大慣性、大時滯、強耦合的非線性特性，很難建立精確的數學模型，PID控制無論在參數整定還是控制精度及控制過程中尚存不足。神經網絡具有強非線性映射能力以及對復雜問題具有自學習和自適應能力，具有很強的綜合信息能力，不依賴精確的數學模型。該文提出了一種可替換一般PID控制、利用神經網絡PID構成的控制器，在空調系統控制特性方面有明顯的改善，可實現最優化

控制。

1 電加熱的單神經元自適應PID控制

該文提出的電加熱單神經元自適應PID控制，是在空調系統電加熱中應用神經網絡作為控制器。單神經元實現自適應PID控制結構如圖1所示。

圖中，設Yr（k）為設定值，Y（k）為輸出，經轉換器轉換成為神經元的輸入量X1，X2，X3，分別為

單神經元自適應PID控制算法為

k＞0，

w1，w2，w3分別為對應于x1，x2，x3輸入的加權系數。

神經元初始權系數的選擇對控制性能的好壞、訓練過程時間影響很大， 在設計過程中，需要經過幾個不同的學習速率的訓練，觀察每一次訓練后的誤差平方和的下降速率來判斷所選學習速率是否合適。

2 仿真分析

根據電加熱過程，可寫出其差分方程模型。設初始條件為零，則有：

Y（k+2）+0.75Y（k+1）+0.125Y（k）=

0.125u（k）

仿真過程如下：

系統起動時，先進行開環控制，u = 0.2，待輸出達到期望值的0.95時，神經元控制器投入運行，考慮到本系統溫度實時變化、上升時間長、大慣性、無振蕩的特點，k，ηp，ηI，ηd的選取原則如下：

K值的變化，相當于P，I，D三項同時變化，因此在參數選擇時，應根據系統穩態指標要求首先預選K；

對階躍輸入，當有較大超調，并且出現多次衰減振蕩時，應維持ηI ，ηd不變，而減少K值；

若輸出只有明顯多次等幅振蕩，應減小ηp，其它參數不變；

若輸出上升時間長，無超調，應增大K，其余參數不變；

5）若輸出調節時間長，增大ηi 必然會導致超調過大，可適當增大ηp，其余參數不變；

本課題分別在不同情況下進行了仿真試驗，圖2示出了學習速率選取相同和不同時仿真輸出曲線，曲線1為ηp=ηi=ηd=η=100，k=0.02情況下，曲線2為k=0.02，ηp=5000，ηi=30的情況。由仿真曲線可見，采用不同的學習速率有較好的快速性，較小的超調量和較強的魯棒性。

圖2 神經元仿真輸出控制曲線

3 結語

具有的自適應、自學習能力是單神經元自適應PID控制的主要特征，神經元自適應的實質就在于一些過程與結構參數變化時，P、I、D可以依據期望情況任意調節，這種方法克服了常規PID參數不易在線調整又相互制約的缺點，可獲得較傳統PID控制更好的控制效果。

參考文獻

[1] Chen F.C. Khalil H.K.Adaptive Controlling of a class of Nonlinear Discrete-time System Using Neural Networks.IEEE Trans.ON AC，1995，40（5）：791-801.

[2] 胡上序，程翼宇.人工神經元仿真導論[M].北京：科學出版社，1994.

[3] 易繼鍇，侯媛彬.智能控制技術[M].北京：北京工業大學出版社，1999.