基于穩(wěn)態(tài)ANN模型和模糊PD控制的變速直膨式空調(diào)系統(tǒng)溫濕度同時(shí)控制方法

(上海理工大學(xué)環(huán)境與建筑學(xué)院 上海 200093)

與傳統(tǒng)基于冷凍水系統(tǒng)的大型中央空調(diào)系統(tǒng)相比，直膨式空調(diào)DX A/C(direct expansion air conditioning)系統(tǒng)因其高能效、安裝靈活、低運(yùn)行成本而被廣泛應(yīng)用于中小型辦公、居住建筑。傳統(tǒng)直膨式系統(tǒng)通常配備定速壓縮機(jī)與風(fēng)機(jī)，僅依靠壓縮機(jī)啟/停對(duì)室內(nèi)空氣溫度進(jìn)行控制，造成室內(nèi)濕度失控，導(dǎo)致室內(nèi)熱舒適、空氣品質(zhì)IAQ(indoor air quality)、系統(tǒng)能效下降。而針對(duì)大型中央空調(diào)系統(tǒng)開(kāi)發(fā)的濕度控制策略，如新風(fēng)預(yù)處理技術(shù)等，不完全適用于DX A/C系統(tǒng)。

變頻驅(qū)動(dòng)VFD(variable frequency driven)的引入，實(shí)現(xiàn)了DX A/C系統(tǒng)壓縮機(jī)、風(fēng)機(jī)轉(zhuǎn)速的自由調(diào)控。改變壓縮機(jī)(C)、風(fēng)機(jī)(F)轉(zhuǎn)速對(duì)系統(tǒng)輸出總冷量與顯熱比產(chǎn)生耦合影響，從而改變系統(tǒng)輸出顯冷量(Qs)與潛冷量(Ql)的大小，導(dǎo)致室內(nèi)空氣溫度與濕度的改變。這一耦合影響表征了變速直膨式系統(tǒng)的運(yùn)行特性，為建立使用變速直膨式系統(tǒng)同時(shí)控制室內(nèi)空氣溫濕度提供了理論基礎(chǔ)[1-2]。

新型控制策略，如基于直接數(shù)字控制(DDC)的容量控制器[3-4]和基于DX A/C系統(tǒng)狀態(tài)空間模型的多參量控制器[5-6]，都基于難以準(zhǔn)確建立的復(fù)雜系統(tǒng)數(shù)學(xué)模型。因此，基于系統(tǒng)數(shù)學(xué)模型的控制器建立困難[7-8]，且模型復(fù)雜性導(dǎo)致控制靈敏度和精度較低，而傳統(tǒng)控制方法不能進(jìn)行溫濕度同時(shí)控制。因此開(kāi)發(fā)新型的溫濕度同時(shí)控制方法十分必要。人工神經(jīng)網(wǎng)絡(luò)ANN(artificial neural network)模型在暖通空調(diào)領(lǐng)域被廣泛使用[9]，如負(fù)荷預(yù)測(cè)[10]、特殊系統(tǒng)模型辨識(shí)[11-12]、制冷空調(diào)器仿真[13-14]、系統(tǒng)故障分析診斷[15-18]等。因此，基于ANN模型的控制策略是室內(nèi)溫濕度同時(shí)控制問(wèn)題的潛在解決辦法之一。

1 新型控制方法的建立

1.1 總體控制邏輯

在各種基于經(jīng)驗(yàn)的建模方法中，ANN模型使用廣泛。ANN是作為并行分布式計(jì)算網(wǎng)絡(luò)的模擬大腦學(xué)習(xí)過(guò)程的簡(jiǎn)化數(shù)學(xué)模型。ANN模型僅依靠實(shí)驗(yàn)數(shù)據(jù)識(shí)別系統(tǒng)輸入輸出間的關(guān)系，因此較建立詳細(xì)數(shù)理模型簡(jiǎn)單。ANN模型已廣泛應(yīng)用于暖通空調(diào)領(lǐng)域進(jìn)行穩(wěn)動(dòng)態(tài)建模和熱力系統(tǒng)控制器開(kāi)發(fā)。

除ANN模型外，模糊邏輯指模仿人腦的不確定性概念判斷、推理思維方式，對(duì)于模型未知或不能確定的描述系統(tǒng)，以及強(qiáng)非線性、大滯后的控制對(duì)象，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過(guò)渡性界限或定性知識(shí)經(jīng)驗(yàn)，進(jìn)行模糊綜合判斷，推理解決常規(guī)方法難于解決的規(guī)則型模糊信息問(wèn)題。因此，區(qū)別于機(jī)器邏輯，模糊邏輯可以實(shí)現(xiàn)對(duì)HVAC系統(tǒng)控制的改進(jìn)。

模糊邏輯控制器FLCs(fuzzy logic controllers)主要利用基于人們的常識(shí)和經(jīng)驗(yàn)的一組模糊推理規(guī)則，F(xiàn)LCs的使用提供了獲取現(xiàn)實(shí)世界的近似和不精確性質(zhì)的有效方法。當(dāng)研究對(duì)象過(guò)于復(fù)雜而不易常規(guī)定量分析，或可用的信息不能準(zhǔn)確解釋時(shí)，F(xiàn)LCs方法可以起到有效改善作用。

由于DX A/C系統(tǒng)高度非線性，且溫度和濕度的兩個(gè)控制回路高度耦合，使室內(nèi)空氣溫度和濕度的同時(shí)控制較難實(shí)現(xiàn)。本文的研究目的是開(kāi)發(fā)一個(gè)適用于DX A/C系統(tǒng)的新型FLCs，使用ANN模型作為系統(tǒng)的描述，最終實(shí)現(xiàn)室內(nèi)溫濕度同時(shí)控制。

在已往的研究中，DX A/C系統(tǒng)通過(guò)2個(gè)控制回路同時(shí)控制室內(nèi)空氣溫度和濕度，即通過(guò)同時(shí)改變壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速以改變室內(nèi)空氣溫度和濕度，如圖1(a)所示。然而，這兩個(gè)控制回路強(qiáng)烈耦合，改變C和F中的任何一個(gè)都將影響兩個(gè)控制參數(shù)，導(dǎo)致傳統(tǒng)PID控制器的控制精度降低。為實(shí)現(xiàn)兩個(gè)控制回路的解耦，本文提出了新型控制原理，如圖1(b)所示。由圖1(b)可知，該控制原理引入了系統(tǒng)輸出顯冷量Qs和潛冷量Ql兩個(gè)中間變量。理論上，Qs僅影響室內(nèi)空氣溫度，Ql僅影響室內(nèi)濕度，因此實(shí)現(xiàn)兩個(gè)控制回路的解耦，在兩個(gè)相對(duì)獨(dú)立的控制回路中，控制過(guò)程特性可以通過(guò)FLCs進(jìn)行表達(dá)，不必基于類似PID控制方法詳細(xì)而準(zhǔn)確的控制過(guò)程特性。另一方面，DX A/C系統(tǒng)穩(wěn)態(tài)運(yùn)行特性可以通過(guò)建立ANN模型進(jìn)行描述[19]，系統(tǒng)輸入C和F與輸出Qs和Ql的關(guān)系可以通過(guò)ANN模型獲得。因此，引入這兩個(gè)中間變量，結(jié)合穩(wěn)態(tài)ANN模型和FLCs可以建立使用DX A/C系統(tǒng)實(shí)現(xiàn)溫濕度同時(shí)控制的新型算法。

T室內(nèi)空氣溫度；C壓縮機(jī)轉(zhuǎn)速；Qs顯冷量；W室內(nèi)空氣濕度；F供風(fēng)風(fēng)扇轉(zhuǎn)速；Ql潛冷量。圖1 傳統(tǒng)和新型控制原理的對(duì)比Fig.1 Comparison between traditional and novel control principles

1.2 基于ANN的新型控制算法

圖2所示為新型控制原理的控制算法，整個(gè)控制過(guò)程分為A和B兩個(gè)過(guò)程。過(guò)程A通過(guò)將當(dāng)前干球溫度Tdb(t)和濕球溫度Twb(t)與設(shè)定值進(jìn)行比較獲得的誤差信號(hào)經(jīng)比例(P)和微分(D)處理后送入FLC中，計(jì)算中間控制變量的變化值，表示為dQs(t)和dQl(t)。

過(guò)程B中的重要組成部分是ANN和逆ANN模型，其參與控制過(guò)程的作用在于系統(tǒng)的輸出冷量或根據(jù)所需冷量計(jì)算輸入的轉(zhuǎn)速組合。ANN模型的建立與驗(yàn)證已在前一部分研究中進(jìn)行[19]。在控制過(guò)程B中，首先由系統(tǒng)ANN模型計(jì)算得出對(duì)應(yīng)當(dāng)前輸入C和F的輸出冷量Qs(t)和Ql(t)。當(dāng)前系統(tǒng)Qs(t)、Ql(t)和FLC計(jì)算所得中間控制變量之和為下一時(shí)間步長(zhǎng)系統(tǒng)目標(biāo)輸出，表示為Qs(t+1)和Ql(t+1)。通過(guò)逆ANN模型，計(jì)算出Qs(t+1)和Ql(t+1)對(duì)應(yīng)的系統(tǒng)輸出壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速，作為實(shí)際控制信號(hào)送到受控系統(tǒng)，完成控制循環(huán)。對(duì)C和F連續(xù)調(diào)節(jié)實(shí)現(xiàn)室內(nèi)溫度和濕度的同時(shí)控制。

圖2 基于ANN輔助PD模糊控制原理Fig.2 Principle of the ANN aided fuzzy PD control strategy

通常基于PID方法的模糊邏輯控制器(PFC)由兩部分組成，即PID誤差處理模塊和模糊推理模塊，模糊推理規(guī)則通過(guò)經(jīng)驗(yàn)獲得。根據(jù)PID方法，有三個(gè)輸入信號(hào)，絕對(duì)誤差p(t)，積分誤差i(t)和微分誤差d(t)。在模糊推理模塊中：1)模糊化通過(guò)一組模糊集合和對(duì)應(yīng)的隸屬度函數(shù)實(shí)現(xiàn)；2)模糊推理單元由基于經(jīng)驗(yàn)的模糊規(guī)則組成，進(jìn)行決策，該模糊推理模塊將建立一個(gè)模糊推理矩陣以表示模糊輸入和模糊輸出之間的對(duì)應(yīng)關(guān)系；3)解模糊接口將模糊控制輸出轉(zhuǎn)換為實(shí)際控制信號(hào)。其中，模糊推理矩陣的大小決定于進(jìn)行模糊化時(shí)選擇的模糊集合的數(shù)量。例如，如果用于跟蹤絕對(duì)誤差的模糊集合數(shù)量為k，積分誤差為m，微分誤差為n，則模糊推理矩陣的大小為k×m×n。如果模糊集的數(shù)量稍微增加，雖然可以提高控制系統(tǒng)的精度，但模糊推理矩陣的大小將被放大。因此，在PFC的大小和精度之間存在最優(yōu)化點(diǎn)，可使用PD法則取代PID法以簡(jiǎn)化計(jì)算。

研究所建立的PFC模糊化階段的隸屬函數(shù)的設(shè)置如表1和圖3所示。對(duì)分別作為干球和濕球溫度的比例和微分誤差列出的每個(gè)PFC的輸入信號(hào)，設(shè)置一個(gè)隸屬函數(shù)。4個(gè)隸屬函數(shù)具有相同的形式(圖3)。為了簡(jiǎn)化，使用變量R表征不同的輸入誤差。不同輸入誤差的隸屬度函數(shù)的語(yǔ)言變量設(shè)置如表1所示。

表1 隸屬度函數(shù)語(yǔ)義變量和對(duì)應(yīng)權(quán)重設(shè)置Tab.1 The linguistic variables of the membership function and their corresponding WEIGHTS

注：VH非常熱；H熱；W溫暖；FW相當(dāng)溫暖；SW略溫暖；C舒適；SC略冷；FC相當(dāng)冷；VC非常冷；THMQ變熱最快；THVQ變熱非常快；THQ迅速變熱；THG逐漸變熱；THS輕微變熱；NC無(wú)改變；TCS輕微變冷；TCG逐漸變冷；TCQ迅速變冷；TCVQ快速變冷；TCMQ變冷最快。

圖3 隸屬度函數(shù)Fig.3 The membership function

使用PD法則的模糊推理矩陣的表達(dá)方式仍不夠簡(jiǎn)便，對(duì)于PFC的每個(gè)語(yǔ)言變量將存在一個(gè)對(duì)應(yīng)的模糊控制規(guī)則。根據(jù)圖3，每個(gè)PFC的輸入誤差類別設(shè)置有11個(gè)語(yǔ)言變量，對(duì)于使用比例、微分誤差，將存在121個(gè)模糊控制規(guī)則。然而，這樣的設(shè)計(jì)忽略了比例誤差和微分誤差之間的固有聯(lián)系。前者表示當(dāng)前控制參數(shù)與其設(shè)定值之間的差值，而本研究使用控制參數(shù)的變化率來(lái)定義微分誤差。因此存在輸入不同，輸出控制信號(hào)相同的情況。例如，在一次采樣中，溫度比設(shè)定值高5 ℃，同時(shí)，溫度以0.5 ℃/min降低；而在另一次采樣中，溫度比設(shè)定值低3 ℃，溫度以0.3 ℃/min的速度升高。如果控制目標(biāo)在10 min內(nèi)達(dá)到設(shè)定值，在這兩種情況下，系統(tǒng)的輸出控制信號(hào)應(yīng)保持不變，不需要為模糊推理單元建立全部121個(gè)模糊規(guī)則。

引入具有權(quán)重概念的模糊推理模塊，為每一輸入誤差的隸屬度函數(shù)中模糊子集的語(yǔ)言變量分配權(quán)重，如表1所示。模糊推理模塊輸出的模糊值FV(fuzzy value)按下式計(jì)算：

FV=Σ[f(n)tW]

(1)

式中：FV為PFC的輸出模糊值；f(n)t為通過(guò)隸屬度函數(shù)計(jì)算得到的比例和微分誤差輸入信號(hào)的隸屬度；W為表1中列出的每個(gè)模糊子集語(yǔ)言變量的相應(yīng)權(quán)重。以一個(gè)具體的計(jì)算為例，如果干球溫度比例誤差位于VH的模糊子集，對(duì)應(yīng)權(quán)重為5，而微分誤差位于TCMQ，對(duì)應(yīng)權(quán)重為-5，隸屬度均為1，由式(1)可得，F(xiàn)V=1×5+1×(-5)=0。表明在這種情況下，不需要改變當(dāng)前輸出顯冷量。

對(duì)于去模糊化階段，模糊值通過(guò)以下4個(gè)方程轉(zhuǎn)換為有具體物理意義的中間變量。

(2)

(3)

(4)

(5)

引入新的權(quán)重概念后，復(fù)雜的模糊推理矩陣被更簡(jiǎn)單的權(quán)重表代替，以及簡(jiǎn)單算法取代解模糊機(jī)制，并使用控制參數(shù)變化率重新定義微分誤差，考慮了絕對(duì)誤差和微分誤差之間的內(nèi)在聯(lián)系，使PFC在結(jié)構(gòu)和算法上都被簡(jiǎn)化。

2 控制性能實(shí)驗(yàn)

2.1 實(shí)驗(yàn)設(shè)置

為了驗(yàn)證建立的新控制方法的實(shí)際控制性能，在已建立的實(shí)驗(yàn)DX A/C系統(tǒng)進(jìn)行了新型控制方法的控制性能實(shí)驗(yàn)。

A新風(fēng)；B回風(fēng)；C控制單元；D冷凝器； E直膨式蒸發(fā)器；F送風(fēng)機(jī)；G空調(diào)房間； H1濕球溫度；T1干球溫度；LGU室內(nèi)負(fù)荷發(fā)生器；VSD變頻驅(qū)動(dòng)。圖4 變速直膨式空調(diào)系統(tǒng)Fig.4 System of the VS DX A/C

變速直膨式空調(diào)系統(tǒng)如圖4所示。該變速直膨式系統(tǒng)主要由兩部分組成：直膨式制冷系統(tǒng)和空氣輸送系統(tǒng)。圖5所示制冷系統(tǒng)包括一個(gè)變頻渦輪式壓縮機(jī)，電子膨脹閥(EEV)，直膨管翅式蒸發(fā)器和一個(gè)風(fēng)冷冷凝器。變頻壓縮機(jī)的名義制冷量為9.9 kW，工質(zhì)R22質(zhì)量為5.3 kg。空調(diào)空間尺寸為7.6 m×3.8 m×2.8 m，內(nèi)置負(fù)荷發(fā)生器LGUs(load generation units)模擬不同的室內(nèi)熱濕負(fù)荷。實(shí)驗(yàn)系統(tǒng)配備高精度測(cè)量?jī)x器與傳感器以測(cè)量各運(yùn)行參數(shù)，包括溫度、空氣側(cè)與制冷劑側(cè)流量、制冷系統(tǒng)的壓力等。為了方便測(cè)量，空氣濕度由測(cè)得的空氣干球溫度Tdb和濕球溫度Twb計(jì)算得到。空氣與制冷劑溫度都由精度為±0.1 ℃的鉑金電阻溫度傳感器測(cè)得。數(shù)據(jù)采集系統(tǒng)提供48個(gè)通道以記錄該實(shí)驗(yàn)變速直膨式系統(tǒng)的各類運(yùn)行參數(shù)，數(shù)據(jù)采集計(jì)算機(jī)化，并與控制系統(tǒng)集成，利于開(kāi)發(fā)與應(yīng)用新型控制算法[18]。

A冷凝風(fēng)道；B冷凝器；C電加熱器；D油分離器；E制冷劑溫度壓力傳感器；F變頻壓縮機(jī)；G直膨式蒸發(fā)器H接收器；K EEV；M制冷劑流量計(jì)。圖5 變速直膨式制冷系統(tǒng)Fig.5 System of the VS refrigeration plant

實(shí)驗(yàn)中不引入室外新風(fēng)，圍護(hù)結(jié)構(gòu)隔熱良好(可認(rèn)為絕熱)，空調(diào)負(fù)荷只考慮室內(nèi)熱濕負(fù)荷，使用LGUs進(jìn)行模擬。冷凝器風(fēng)量在35 ℃的固定入口溫度下保持恒定在3 100 m3/h。過(guò)熱度由PID控制器調(diào)節(jié)EEV的開(kāi)度維持在6 ℃，實(shí)驗(yàn)中控制信號(hào)更新時(shí)間間隔為30 s，數(shù)據(jù)采樣時(shí)間為2 s。

控制性能實(shí)驗(yàn)主要有兩種：命令跟隨實(shí)驗(yàn)和負(fù)荷干擾實(shí)驗(yàn)。

1)命令跟隨實(shí)驗(yàn)：在室內(nèi)干球溫度和濕球溫度的設(shè)定值改變后，監(jiān)控控制器是否能夠迅速做出反應(yīng)，并且提供正確的控制信號(hào)以調(diào)節(jié)壓縮機(jī)風(fēng)機(jī)的轉(zhuǎn)速組合，使DX A/C系統(tǒng)將室內(nèi)空氣狀態(tài)控制到新的設(shè)定值并保持穩(wěn)定。

2)負(fù)荷干擾實(shí)驗(yàn)：當(dāng)改變室內(nèi)熱濕負(fù)荷時(shí)，室內(nèi)空氣狀態(tài)發(fā)生改變，監(jiān)控控制器對(duì)室內(nèi)干、濕球溫度的偏移是否能夠迅速做出反應(yīng)，將室內(nèi)空氣干、濕球溫度維持在設(shè)定值。

2.2 命令跟隨實(shí)驗(yàn)

實(shí)驗(yàn)中室內(nèi)空氣干、濕球溫度分別預(yù)先設(shè)置為24 ℃和17.1 ℃，在運(yùn)行穩(wěn)定后將設(shè)定值改為25 ℃和18 ℃，以測(cè)試控制器的命令跟隨能力。

實(shí)驗(yàn)結(jié)果如圖6所示。圖6(a)為室內(nèi)干球溫度和濕球溫度的變化，初始室內(nèi)空氣狀態(tài)設(shè)定值分別為干球溫度24 ℃和濕球溫度17.1 ℃，穩(wěn)定運(yùn)行600 s后設(shè)定值分別變?yōu)?5 ℃和18 ℃。圖6(b)所示為對(duì)應(yīng)壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速的變化，可知控制器對(duì)設(shè)定值的改變做出了迅速反應(yīng)。隨著實(shí)驗(yàn)的進(jìn)行，控制器對(duì)壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速進(jìn)行同時(shí)調(diào)節(jié)，具有良好的動(dòng)態(tài)性能。而干、濕球溫度約在1 314 s達(dá)到穩(wěn)定狀態(tài)，并在之后2 500 s內(nèi)保持穩(wěn)定，波動(dòng)不超過(guò)±0.2 ℃。結(jié)果表明，控制器在設(shè)定值改變時(shí)，可以迅速反應(yīng)，將室內(nèi)空氣干、濕球溫度控制在改變的設(shè)定值并維持穩(wěn)定。

圖6 命令跟隨實(shí)驗(yàn)的測(cè)試結(jié)果Fig.6 Results of the command following test

2.3 負(fù)荷干擾實(shí)驗(yàn)

在負(fù)荷干擾實(shí)驗(yàn)中，空氣干、濕球溫度分別設(shè)置為24 ℃和17.1 ℃。通過(guò)將穩(wěn)定運(yùn)行下的系統(tǒng)LGUs輸出顯、潛負(fù)荷從4.33 kW和1.89 kW分別降低到3.65 kW和1.66 kW，實(shí)現(xiàn)對(duì)室內(nèi)空氣狀態(tài)的干擾，以測(cè)試空調(diào)空間負(fù)荷受到干擾變化時(shí)，控制器將干、濕球溫度維持在設(shè)定值的能力。

當(dāng)統(tǒng)處于穩(wěn)定運(yùn)行狀態(tài)660 s后，通過(guò)引入擾動(dòng)改變室內(nèi)的顯、潛冷負(fù)荷，改變室內(nèi)空氣狀態(tài)，破壞系統(tǒng)的平衡。當(dāng)室內(nèi)干球溫度和濕球溫度兩者都改變0.5 ℃時(shí)，控制器動(dòng)作，監(jiān)測(cè)控制器將室內(nèi)空氣干、濕球溫度控制到設(shè)定值的情況。

圖7 負(fù)荷干擾測(cè)試的實(shí)驗(yàn)結(jié)果Fig.7 Experimental results of load disturbance test

圖7所示為負(fù)荷干擾實(shí)驗(yàn)結(jié)果。圖7(a)給出了室內(nèi)干、濕球溫度的變化，圖7(b)顯示了對(duì)應(yīng)壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速的變化。穩(wěn)定運(yùn)行660 s后，LGU輸出顯、潛熱量從4.33 kW和1.89 kW分別降低到3.65 kW和1.66 kW，室內(nèi)空氣干、濕球溫度開(kāi)始降低，降低到23.5 ℃和16.6 ℃需要約650 s，在1 310 s時(shí)，控制器立即響應(yīng)，開(kāi)始同時(shí)調(diào)節(jié)壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速(圖7(b))。在1 900 s時(shí)，室內(nèi)干、濕球溫度上升到設(shè)定值，并在之后的實(shí)驗(yàn)過(guò)程中保持穩(wěn)定，波動(dòng)不超過(guò)±0.2 ℃，表明控制器在室內(nèi)負(fù)荷受到干擾，造成室內(nèi)空氣狀態(tài)改變時(shí)，可以有效、動(dòng)態(tài)地將空氣干、濕球溫度維持在設(shè)定值，具有較好的抗干擾調(diào)節(jié)能力。另外，實(shí)驗(yàn)中為了探究新型控制器的靈敏度，控制器的動(dòng)作溫差設(shè)置為0.5 ℃，結(jié)果表明：該新型控制器可以對(duì)0.5 ℃的溫差做出靈敏反應(yīng)，進(jìn)行負(fù)荷干擾控制。在將來(lái)的實(shí)際應(yīng)用中，室內(nèi)空調(diào)的溫度傳感器精度通常為1 ℃，控制器的實(shí)際使用效果將會(huì)體現(xiàn)為使用稍長(zhǎng)的調(diào)控時(shí)間使溫濕度恢復(fù)到設(shè)定值。由圖7(b)可知，當(dāng)干濕球溫度低于設(shè)定值0.5 ℃，控制器作出響應(yīng)時(shí)，系統(tǒng)的輸出并未降至最低，所以即使響應(yīng)溫差變?yōu)? ℃，控制器響應(yīng)時(shí)會(huì)根據(jù)溫差更大地改變輸出冷量，控制器將干濕球溫度控制回到原設(shè)定值的時(shí)間也只會(huì)增加，不會(huì)過(guò)多影響控制器的靈敏度。另一方面，本文的目的是使用DX A/C系統(tǒng)實(shí)現(xiàn)溫濕度的同時(shí)精確控制，因此，想要最大限度發(fā)揮新型控制算法的優(yōu)勢(shì)，需要盡量提高室內(nèi)空氣溫度傳感器的測(cè)量精度，使控制過(guò)程中的計(jì)算值更加準(zhǔn)確。

由于建立系統(tǒng)動(dòng)態(tài)ANN模型需要更大量的訓(xùn)練數(shù)據(jù)，所以采用動(dòng)態(tài)ANN模型會(huì)增加控制器開(kāi)發(fā)成本，并且過(guò)于復(fù)雜的系統(tǒng)模型也會(huì)降低控制器的靈敏度。綜合考慮控制器建立難度及控制性能，使用穩(wěn)態(tài)ANN模型結(jié)合模糊PD控制來(lái)建立室內(nèi)空氣溫濕度同時(shí)控制方法。對(duì)比上述兩組控制性能實(shí)驗(yàn)，得出基于DX A/C系統(tǒng)穩(wěn)態(tài)ANN模型的新型溫濕度同時(shí)控制方法具有良好的動(dòng)態(tài)性能。

3 結(jié)論

本文建立了基于ANN輔助和PD控制的模糊邏輯控制器。此新型控制器由PFC，ANN模型和逆ANN模型3個(gè)部分組成。在PFC的建立中，使用PD取代PID控制，并對(duì)模糊子集的語(yǔ)義變量賦予權(quán)重，從概念和結(jié)構(gòu)兩方面簡(jiǎn)化了控制算法。

為了檢驗(yàn)新型控制器的控制性能，在干球溫度為24 ℃，濕球溫度為17.1 ℃(相對(duì)濕度50%)的初始穩(wěn)態(tài)工況條件下分別進(jìn)行了命令跟隨實(shí)驗(yàn)和負(fù)荷干擾實(shí)驗(yàn)兩種控制性能實(shí)驗(yàn)。結(jié)果表明：在命令跟蹤測(cè)試中，控制器對(duì)于設(shè)定值的變化能夠迅速響應(yīng)，通過(guò)同時(shí)調(diào)節(jié)壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速，在720 s內(nèi)分別跟蹤室內(nèi)干球溫度和濕球溫度的變化，并將它們控制在新的設(shè)定值。在負(fù)荷干擾測(cè)試中，引入室內(nèi)冷負(fù)荷干擾后，當(dāng)溫度變化量達(dá)到0.5 ℃時(shí)，控制器迅速響應(yīng)，通過(guò)改變壓縮機(jī)和風(fēng)機(jī)轉(zhuǎn)速，在700 s內(nèi)將溫度控制到設(shè)定值。因此，此新型控制器可以實(shí)現(xiàn)使用DX A/C系統(tǒng)對(duì)室內(nèi)空氣溫濕度進(jìn)行同時(shí)控制。

[1] LI Zheng, DENG Shiming. An experimental study on the inherent operational characteristics of a direct expansion (DX) air conditioning (A/C) unit[J]. Building and Environment, 2007, 42(1): 1-10.

[2] XU Xiangguo, XIA Liang, CHAN Mingyin, et al. Inherent correlate on between the total output cooling capacity and equipment sensible heat ratio of a direct expansion air conditioning system under variable-speed operation[J]. Applied Thermal Engineering, 2010, 30(13): 1601-1607.

[3] LI Zheng, DENG Shiming. A DDC-based capacity controller of a direct expansion (DX) air conditioning (A/C) unit for simultaneously indoor temperature and humidity control-part I: control algorithms and preliminary controllability tests[J]. International Journal of Refrigeration,2007,30(1):113-123.

[4] LI Zheng, DENG Shiming. A DDC-based capacity controller of a direct expansion (DX) air conditioning (A/C) unit for simultaneously indoor temperature and humidity control- part II: further development of the controller to improve control sensitivity[J]. International Journal of Refrigeration, 2007, 30(1):124-133.

[5] QI Qi, DENG Shiming. Multivariable control-oriented modeling of a direct expansion (DX) air conditioning (A/C) system[J]. International Journal of Refrigeration, 2008, 31(5): 841-849.

[6] QI Qi, DENG Shiming. Multivariable control of indoor air temperature and humidity in a direct expansion (DX) air conditioning (A/C) system[J]. Building of Environment, 2009,44(8): 1659-1667.

[7] 王曉非. 面向室內(nèi)溫濕度同時(shí)控制的直膨式空調(diào)系統(tǒng)混合建模[D].浙江：浙江大學(xué)，2017.(WANG Xiaofei. A hybrid model of a direct expansion air conditioning system for the simultaneous control of indoor air temperature and humidity[D]. Zhejiang：Zhejiang University，2017.)

[8] 黃小清，徐象國(guó)，晉欣橋，等. 直膨式空調(diào)系統(tǒng)的混合建模研究[J].制冷技術(shù), 2017, 37(1): 33-37. (HUANG Xiaoqing, XU Xiangguo, JIN Xinqiao, et al[J]. Chinese Journal of Refrigeration Technology, 2017, 37(1): 33-37.)

[9] 李玉云,王永驥.人工神經(jīng)網(wǎng)絡(luò)在暖通空調(diào)領(lǐng)域的應(yīng)用研究發(fā)展[J].暖通空調(diào),2001, 31(1): 38-41.(LI Yuyun,WANG Yongji. Application and development of artificial neural network in HVAC field[J].Journal of HV & AC,2001, 31(1): 38-41.)

[10] 朱能，史學(xué)宇，劉俊杰，等. 人工神經(jīng)網(wǎng)絡(luò)對(duì)空調(diào)負(fù)荷預(yù)測(cè)過(guò)程的優(yōu)化研究[J]. 制冷學(xué)報(bào)，2002, 23(2): 35-38. (ZHU Neng, SHI Xueyu, LIU Junjie, et al. The optimum study of neural network control in air conditioning system load prediction[J]. Journal of Refrigeration, 2002, 23(2): 35-38.)

[11] 吳杰, 陳光明, 張紹志. 用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)冰蓄冷系統(tǒng)蓄冰時(shí)間[J]. 制冷學(xué)報(bào), 2001, 22(4): 25-28. (WU Jie, CHEN Guangming, ZHANG Shaozhi. Predicting ice store time using artificial neural network[J]. Journal of Refrigeration, 2001, 22(4): 25-28.)

[12] 周天泰, 林章, 宋春玲, 等. 運(yùn)用神經(jīng)網(wǎng)絡(luò)辨識(shí)直燃式溴化鋰系統(tǒng)模型[J]. 制冷學(xué)報(bào), 2001, 22(1): 35-42. (ZHOU Tiantai, LIN Zhang, SONG Chunling, et al. Artificial neural network used in the direct-fired absorption chiller system identification[J]. Journal of Refrigeration, 2001, 22(1): 35-42.)

[13] 丁國(guó)良, 張春路, 李灝. 神經(jīng)網(wǎng)絡(luò)在空調(diào)器仿真中的應(yīng)用研究[J]. 制冷學(xué)報(bào), 1999, 20(2): 31-37. (DING Guoliang, ZHANG Chunlu, LI Hao. Application of artificial neural networks in simulation of air conditioners[J]. Journal of Refrigeration, 1999, 20(2): 31-37.)

[14] 丁國(guó)良, 張春路, 李灝, 等. 制冷空調(diào)裝置智能仿真方法研究初探[J]. 制冷學(xué)報(bào), 1998, 19(2): 10-14. (DING Guoliang, ZHANG Chunlu, LI Hao, et al. Intelligent simulation methodologies of refrigeration and air-conditioning appliances[J]. Journal of Refrigeration, 1998, 19(2): 10-14.)

[15] 鮑士雄, 陳麗萍.制冷系統(tǒng)故障診斷若干方法研究[J].制冷學(xué)報(bào), 1997, 18(4): 28-32. (BAO Shixiong, CHEN Liping. The study of several methods in refrigeration system troubleshooting[J]. Journal of Refrigeration, 1997, 18(4): 28-32.)

[16] 姜益強(qiáng), 姚楊, 馬最良.空氣源熱泵冷熱水機(jī)組的故障診斷[J]. 制冷學(xué)報(bào), 2002, 23(3): 57. (JIANG Yiqiang, YAO Yang, MA Zuiliang. Fault diagnosis for air source heat pump water heater/chillers[J]. Journal of Refrigeration, 2002, 23(3): 57.)

[17] 石書(shū)彪, 陳煥新, 李冠男, 等. 基于改進(jìn)BP網(wǎng)絡(luò)的冷水機(jī)組故障診斷[J]. 制冷學(xué)報(bào), 2015, 36(6): 34-39. (SHI Shubiao, CHEN Huanxin, LI Guannan, et al. Research on fault diagnosis of chillers based on improved BP network[J]. Journal of Refrigeration, 2015, 36(6): 34-39.)

[18] 李中領(lǐng), 金寧, 朱巖. 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于空調(diào)系統(tǒng)故障診斷的研究[J]. 制冷與空調(diào)(北京), 2005, 5(1): 50-53. (LI Zhongling, JIN Ning, ZHU Yan. The study on application of ANN in fault diagnosis of air conditioning system[J]. Refrigeration and Air-conditioning, 2005, 5(1): 50-53.)

[19] 李釗,鄧仕明.變速直膨式空調(diào)系統(tǒng)運(yùn)行特性的穩(wěn)態(tài)ANN模型[J].制冷學(xué)報(bào), 2017, 38(1): 54-60.(LI Zhao, DENG Shiming. A steady state ANN model for the operational characteristics of a variable speed (VS) direct expansion (DX) air conditioning (A/C) system[J].Journal of Refrigeration,2017,38(1):54-60.)