一、概述 

　　1984年，美国康涅狄格（Connecticut）州哈特福特市（Hargford），将一座旧金融大厦进行改造，定名为“城市宫”（City Palace Building），这就是世界公认的第一座智能大厦。国内于九十年代初开始兴建了一些智能型的大厦，如北京的中国国际贸易中心和京广中心、上海的新锦江饭店和上海市面市政大厦等。智能大厦就是一个建筑物，它创造了一个环境使建筑物占有者的工作效率达到最大，同时以最小的人时消耗保证有效的资源管理。智能大厦是智力劳动场所，所以其环境设计的原则就是“以人为本”，一切围绕着为用户创造舒适环境、提高用户的工作效率进行。其中，暖通空调行业扮演了一个举足轻重的角色。

　　智能大厦房间多、内区负荷变化大；同时，由于空调耗能一般占整个大厦的40%以上，节能问题日益突出。在各种空调方式中，VAV空调系统有其自身的优点：

1.由于空调系统大部分时间在部分负荷下运行，所以风量的减少带来了风机能耗的降低和末端设备里的再加热器能耗的降低；

2.能实现局部区域的灵活控制；

3.利用系统多样性，可使中央系统的初始成本低；

4.同样，由于可利用系统的多样性，今后扩展的成本大降低；

5.系统是自平衡的（Self--balancing），等等。因此，国外智能大厦的空调系统多采用VAV空调系统，或与CAV空调系统、FCU空调系统相结合的方式。

　　虽然VAV空调系统具有上述优点，但是它的控制却最复杂。目前，VAV空调系统的控制方式基本上采用多个回路的PID控制。在系统模型参数变化不大的情况下，PID控制效果良好。但是，VAV空调系统是一个干扰大的、高度非线性的、不确定性系统，这是由于：

1.外界气候和空调区域里的人员活动的变化很大，对系统形成得过且过大的干扰；

2.空气调节过程是高度非线性的；各执行器的运行特性也是非线性的；

3.各个控制回路之间耦合强烈，完全解耦是不可能的；

4.随着时间的推移，设备会老化和更换，从而造成系统参数的变化；

5.在许多系统里，系统的数字模型很难建立。

　　所以，PID控制的效果很糟糕。在HVAC控制领域，许多新的控制方法不断出现，如MacArthur和Grald采用自适应控制方法，Dexter和Haves运用自调节预测控制器。但是，在将现代化控制理论和大系统理论，运用到VAV空调系统中时，由于它们的分析、综合和设计都是建立在严格和精确的数字模型之上的，所以同样遇到这样的问题。而智能控制理论正是针对被控对象及其环境和任务的不确定性提出来的，在VAV空调系统的控制领域应当具有广阔的前景。目前，智能控制理论主要有三大方向，即，神经网络控制，模糊控制和专家系统。它们在VAV空调系统中主要用于诊断异常、预测能耗。对于VAV空调系统控制，神经网络控制和模糊控制的研究都已开始，而专家系统由于其知识库庞大，设计十分困难，目前尚难以应用过来，下面，针对模糊控制、神经网络控制在VAV空调系统中的应用作一点探讨。

二、模糊控制

　　模糊控制是基于规则的智能控制，以模糊数学为基础。系统的基本结构如图1所示。控制器四个基本部件组成，既模糊化接口、知识库、决策逻辑单元、去模糊接口。

　　在过去几年里，有一些应用于暖通空调系统的模糊逻辑控制，S.Huang和R.M.Nelson将PFC（PID和模糊控制相结合）介绍进HVAC控制领域并针对单元的二阶传函进行了仿真。这两位作者又介绍了一种模糊控制规则的调整方法，应用于HVAC系统的控制，用来控制一个热交换器的气动阀，将回风温度作为输入，实验结果显示该控制方案大大优于PID控制。这些控制思想同样可用于VAV空调系统的控制。Robert N.Lea和Edgar Dohmann应用模糊控制器控制压缩机、风机，输入是温度相对湿度和设定点，对6个区域进行调节。So et al.推出一了一种基于模糊逻辑的控制的控制器，四个单元状态参数（供风风门后的压力，室内温度，室内相对湿度和供风温度）靠调节五个执行命令（供风风机速度，供风风门角度，制冷水流速，再加热器的功率和加湿器的温度比）来控制。

　　模糊控制器的控制思路是将VAV空调系统的的状态参数作为输入，输出是VAV空调系统的执行命令。一个简单的VAV空调系统的FLCD的方框图如图2所示状态参数需要根据不同的控制方案来选取。

　　常规的模糊控制器，有许多不足之处，比如系统的上升特性不理想，超调大，调节时间长，甚至产行振荡，抗干扰能力差，稳态误差大，产生这些缺点的主要原因是常规的模糊控制器在结构上过于简单，在设计过程中也有许多主观因素，而且一旦模糊规则确定就不再变化等，我们希望模糊控制器能够动态地调整自身，具有自学习能力，以达到预定的控制品质，现在模糊控制的一个重要研究方向是自适应模糊控制，主要有两种，模型参考自适应模糊控制（图3a）和自校正模糊控制（图3b）。模糊控制器可调整部分主要有：控制

[1] [2] 下一页

相关文章：