[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

说明书

本发明公开了一种变风量布风器风阀的控制系统及其控制方法，主要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。其控制方法主要根据采集的室温和布风器入口处静压，应用BP神经网络预测模型建立温度和静压与阀门开度的非线性模型，进行训练优化，对输出的阀门开度寻优，得到该工况下最优值，并标定为控制器的设定值，控制阀门执行器动作，实现自动变风量。本发明可以提高变风量布风器的变风量控制系统的自动化程度，对降低能耗、提高舱室居住舒适度有着重要意义。

技术领域

本发明涉及工业控制技术领域，具体地说，是一种变风量布风器风阀的控制系统及其控制方法。

背景技术

近年来，国内外船舶行业正积极向低噪音、节能、环保、智能等方面进行技术改造。布风器作为常用的船用空调末端，在空调送风系统中起着终端散流作用，是一种节流型变风量末端装置。所谓变风量，就是具有自动调节风量功能，根据室内负荷变化自动匹配舱室内温度需求的送风量。随着变风量空调系统技术的发展以及全球节能意识的不断提高，变风量布风器作为新一代船舶配套产品的需求量激增。

变风量布风器的变风量控制系统是保证自动变风量送风的关键环节。对于变风量控制系统的研究，上海江森自控有限公司采用比例带自适应和模式识别自适应的控制算法，西门子和约克公司则直接采用PID控制，而霍尼韦尔采用PID控制和自适应控制方式。上海交通大学陈炯德等人提出一种用于变风量(VAV)系统的非线性模型预测控制，该控制方式采用具有外部输入的非线性自回归网络(NARX)和粒子群优化算法(PSO),NARX旨在预测VAV系统的受控参数(室温)，PSO作为优化器，以获得VAV系统最优控制变量。

BP神经网络作为一种具有较强的非线性映射能力和柔性的网络结构，主要应用于函数逼近,模式识别,分类应用,数据压缩等方面。北京科技大学贾超基于神经网络对多模式自适应控制方法进行研究，并提出一种基于OEM-ELM神经网络自适应控制器，对被控对象参数突变具有较好的适应性，系统的瞬态误差得到较好的控制。所以可以看出BP神经网络预测模型在实际生产过程中具有较高的实际应用价值。

因此，对变风量布风器风阀的控制系统改进和优化，是为了能够保证变风量送风更加平稳，提高设备自动化程度、降低设备损耗、降低能耗。对推动国产布风器产品发展具有重要意义。

发明内容

针对现有技术中变风量布风器变风量控制系统中存在的问题，本发明提供一种基于BP神经网络的风阀控制系统及其控制方法。

本发明所采用的具体技术方案如下：

一种变风量布风器风阀的控制系统，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，用户操作面板设定温度的信号与主控制器的输入端连接，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，主控制器的输出端与阀门执行器的输入端连接。

在上述技术方案中，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；数据采集器包括温度传感器和压力传感器。

在上述技术方案中，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，

上述模型输出值是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：