基于人工神经网络控制节能空调器MATLAB仿真

变风量空调系统的神经网络控制——首先阐述了变风量空调系统及其人工神经网络控制的策略，并从建立模型、样本训练和控制实现方面阐述了bp神经网络在变风量空调系统中的应用，对其不足和改进也做了简单说明

用可逼近任意非线性函数的神经网络构造了辨识器和控制器，通过ｂｐ算法对神经网络进行学习训练，修正其权系数及阈值，使学习训练误差趋于零．将该方案应用于纺织厂羊绒生产车间的空调系统，并给出了仿真实验结果．

制冷空调装置特性不仅受热力学基本定律的支配，而且与装置结构、生产工艺等实际因素密切相关，因此仿真精度在目前的通用仿真软件中难以保证。本文提出用基于模型的神经网络方法来解决这一问题。以房间空调器为例，在传统数学模型的基础上，通过定量参数的神经网络辨识，显著地改善了空调器稳态特性和开机动态特性的仿真效果。神经网络的自学习功能保证了该方法在实际应用中具有很强的通用性。本文研究表明智能仿真方法用于制冷系统仿真可以取得优于传统数值仿真方法的效果。

制冷空调装置特性不仅受热力学基本定律的支配,……本文提出用基于模型的神网络方法来解决这一问题……

一、空调的最佳温度天气炎热,冷气自然十分舒适。但是从健康的角度来说,冷气的温度不是越低越好。科研人员通过实践发现,在炎热的夏季,人们如果于15分钟之内10次出入温差7-8℃的室内外,就会引起腹泻、头痛及感冒等疾病。如果温差10℃以上,只要四五次出入室内外,就会引发同样的疾病。

节能空调器的设计——科研人员通过实践发现，在炎热的夏季，人们如果于l5分钟之内l0次出人温差7—8℃的室内外，就会引起腹泻、头痛及感冒等疾病如果温差10℃以上，只要四五次出入室内外，就会引发同样的疾病.

介绍了制冷能力２．５ｋｗ、采暖效率（ｃｏｐ即能力／输入功率）为４．２的节能新型空调器；压缩机内改变直流电动机磁铁配置、室内机采用多段弯曲换热器和不规则斜横流风扇，并通过ｇａ控制，实现了非稳态与稳态的兼容运行。

目的介绍一种新的复合神经网络控制器的结构。方法结合传统控制、神经网络监督控制、神经网络逆控制的优点提出复合控制器方案,建立用它控制水箱系统的水位和温度的仿真模型,并进行计算机仿真。结果仿真实验表明,复合神经网络控制器中的pd控制器、神经网络监督控制器、神经网络逆控制器,可以协同工作,也可以在某种程度上单独工作。结论复合神经网络控制系统的鲁棒性和抗干扰性得到提高。

中央空调作为广泛使用的高能耗系统,其节能问题受普遍关注。针对传统的定流量方法存在的问题,本文提出采用改进的负荷随动跟踪方法,实时监测中央空调的负荷,并由计算机控制水泵电机,降低主机能耗。利用模糊神经网络理论,建立符合随动跟踪的模型,并利用实际数据进行系统仿真。仿真结果表明,此方法提高中央空调的工作效率,实现良好的节能效果。

为在继电器的设计和生产阶段通过多个评价指标评价其整体品质,研究了多层次综合评判模型的可计算性。该模型依据电器产品设计方案关于技术性能和成本的综合评价指标体系,并通过对神经网络原理的评判方法的研究而建立。实例证明,人工神经网络的出现为处理各种模糊的、数据不完全的、模拟的、不精确的模式识别问题提供了一个全新的途径。

简要介绍了人工神经网络的结构及特点,并且详细论述了神经网络在中央空调水系统、风系统、制冷系统、负荷预测、系统的仿真设计和建筑运行能耗评价等方面的应用概况,指出了神经网络在空调领域今后的发展方向.

综述了人工神经网络在暖通空调领域的研究和开发现状,阐述了负荷预测、能量管理、故障诊断、系统辨识与控制等应用方面,展望了进一步的研究方向

用vb编制了人工神经网络的通用bp算法程序。根据西安参考年气象参数,采用动态模拟程序计算了某办公楼4月至9月逐时冷负荷,结果显示利用神经网络的预测值与计算值吻合。

针对当前乘员舱温度(特别是前后排)难以准确测量的现状,提出一种基于人工神经网络算法的乘员舱温度模型。该模型集成于空调控制器内,作为空调系统的输入值及温度反馈值,能够更加及时、准确地调节乘员舱温度。

空调负荷是近年来增长较快的一类负荷,其特性对电网的电压稳定性影响很大。夏季影响空调负荷的因素主要是温度和湿度的变化。为了更好的预测空调降温负荷,研究了温度和湿度对空调负荷的影响。利用bp人工神经网络对电网空调负荷进行了预测,经过分析把日平均湿度量化成4段,和日平均湿度实际数值的模型进行计算比较,结果显示考虑日最高温度和日平均湿度量化为4段能更好的模拟温度、湿度和空调负荷之间的非线性关系,能更好的对电网空调负荷进行预测。

文章以中央空调系统为对象,采用神经网络预测控制算法来实现温度控制,在单片机控制器上实现编程,并通过实时仿真验证控制算法的实用性,得到接近实际情况的仿真结果。

基于人工神经网络的自学习功能和能够表达复杂关系的特点,针对桑塔纳2000空调、冷却系统的控制关系建立了相关神经网络仿真模型并进行了仿真和故障诊断的研究。事实证明,神经网络技术是复杂车辆控制系统的控制关系分析和故障诊断的一种便捷、有效的方法。

根据我国当前智能建筑中央空调控制系统传统pid控制存在的问题,依据控制对象为一大滞后大惯性环节的特点,对一种模糊神经网络的控制器进行了仿真研究,以期改善空调控制系统的动静态特性,并能达到节能的效果。

变风量空调系统末端的模糊神经网络控制研究——针对目前传统pid控制对模型依赖性强，难以在线调整，有非线性和不确定性的变风量(vav)空调系统的控制动态性能差的特点，提出将模糊神经网络应用于该系统．建立了模糊神经网络控制器．基于变风量空调系统末端装置的...

提出一种基于小波神经网络的控制方法,并将其运用到变风量空调的控制中去,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明小波神经网络控制方法明显优于普通神经网络控制,并且具有逼近精度高、控制效果好、抗干扰能力强等优点。

针对目前对高压电缆的温度测量方法大都是只能测量当前的温度,滞后控制,不能进行提前辨识的问题,对传统电缆测温方法进行研究,提出用神经网络控制器对高压电缆温度进行测量的方法.在3种常规控制器的基础上设计了3种基于神经网络的控制器:神经自校正控制器、神经pid(proportionintegrationdifferentiation)控制器和神经自适应控制器,不仅对它们进行神经网络训练,而且用matlab软件进行仿真.通过仿真结果最终选用神经pid控制器,并将其应用于实际高压电缆测温系统当中,经在新疆供电系统检验,效果良好.

为了克服单独应用粒子群算法(pso)或bp算法训练模糊神经网络控制器参数时存在的缺陷,提出了一种训练模糊神经网络参数的pso+bp算法。该算法将二者相结合,即在pso算法中加入一个bp算子,以充分利用pso算法的全局寻优能力和bp算法的局部搜索能力,从而更有效地提高其收敛速度、训练效率和提高该模糊神经网络控制器的控制效果。最后的仿真实验结果验证了该基于pso+bp复合算法的模糊神经网络控制器的有效性和可行性。