[发明专利]一种变风量布风器风阀的控制系统及其控制方法

权利要求书

1.一种变风量布风器风阀的控制系统，其特征在于，包括变风量布风器风量调节阀门、阀门执行器、基于BP神经网络的主控制器、数据采集器、用户操作面板，所述用户操作面板设定温度的信号与主控制器的输入端连接，所述数据采集器采集室温和布风器入口处静压，采集到的数据通过不同的传感器与主控制器的输入端连接，所述主控制器的输出端与阀门执行器的输入端连接；所述基于BP神经网络的主控制器包括BP神经网络预测控制模块和比例调节控制模块；所述主控制器将经过BP神经网络模型模块优化后的控制参数输出到所述比例调节控制模块，进而控制阀门执行器动作，实现自动变风量；

所述数据采集器包括温度传感器和压力传感器；

所述BP神经网络预测控制模块为双输入单输出模块；设定风阀开度动作的神经网络模型两个输入分别是风管内静压u和需求风量v，一个输出为阀门开度y，建立的风阀开度动作的数学模型如下：

y＝f(f([u,v][w₁(i),w₂(j),w₃(k)])) (1)

式(1)中，m为输入层的神经元数量，k为输出层的神经元数量，

上述模型输出值时采用负梯度下降方式不断修正输出值，误差函数计算公式为：

式(2)中，r_k(n)为期望输出值，y_k(n)为实际输出值。

2.一种变风量布风器风阀的控制系统的控制方法，其特征在于，具体步骤如下：

步骤一、数据采集器实时采集室温、用户操作面板设定温度以及布风器入口处静压，输入到主控制器；

步骤二、输入的温度信号在主控制器内转换为风量信号；

步骤三、数据传递给主控制器，首先在存储单元内匹配工况，匹配成功则进行步骤五，否则进行步骤四在线建模学习；

步骤四、BP神经网络预测模型模块根据输入数据对风阀开度动作的神经网络模型进行建模训练，并建立相应的输入-输出映射；

步骤五、主控制器将经过BP神经网络模型模块优化后的控制参数输出到比例调节控制模块，进而控制阀门执行器动作，实现自动变风量；

所述步骤四包括以下流程：

A1、BP神经网络预测模型模块计算是依据数据采集器获得的数据进行建立数学模型，学习是依据用户操作面板设定温度对建模进行有效性验证；

A2、BP神经网络预测模型模块依据验证结果对模块建立的非线性模型进行修正优化；

A3、BP神经网络预测模型模块将优化结果存储到主控制器的存储单元。

3.根据权利要求2所述的变风量布风器风阀的控制系统的控制方法，其特征在于，所述步骤二中的温度信号包括采集到的室温和用户操作面板设定温度。

4.根据权利要求2所述的变风量布风器风阀的控制系统的控制方法，其特征在于，所述步骤三中的控制方法具有在线建模学习和离线匹配工况两种功能，其中匹配工况为出厂试验的样本数据所构建的预测模型，经训练学习后存储在主控制器内。

5.根据权利要求2所述的变风量布风器风阀的控制系统的控制方法，其特征在于，所述步骤四中风阀开度动作包括风阀正向动作和风阀反向动作。