[发明专利]一种基于径向基神经网络的多区域变风量空调系统末端控制方法

权利要求书

1.一种基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，包括以下步骤：

步骤一：设定房间温度值；

步骤二：通过温度传感器获取房间实际温度值；

步骤三：初始化RBF神经网络和PID控制器的各项参数；

步骤四：将温度传感器获取到的房间实际温度值与房间温度设定值进行比较作差，如差值不等于0，则将差值作为控制误差e(k)输入到RBF-PID系统；

步骤五：RBF神经网络接收到控制误差后，通过RBF神经网络性能指标函数计算神经网络性能指标，采用梯度下降法，改进RBF-PID算法调整自身的权重系数，提供合理的PID参数；

步骤六：PID控制器接收到控制误差、优化PID的k_p、k_i和k_d参数，通过PID计算出下一时刻的送风量，得到下一时刻的末端风阀开度；

步骤七：将PID得到的风阀开度数据输入到风阀控制器中，风阀控制器控制末端风阀达到合适开度；

风阀控制器与风阀之间的传递函数为：

其中T为采样周期，t为延时时间，s为拉斯变换得到的传递函数的变量；

步骤八：重复步骤一至步骤七，以采样时间为周期进行采样。

2.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤三中参数设定为k_p＝0.3，k_i＝0.4，k_d＝0.1，η_pid＝0.2，其中，k_p为比例系数，k_i为积分系数，k_d为微分系数，η_pid为三个系数的学习速率。

3.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤四中控制误差为e(k)＝r(k)-y(k)，其中r(k)为温度设定值，y(k)为温度传感器的输出值。

4.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤五中RBF神经网络性能指标函数E(k)为：E(k)＝0.5e(k)²，其中e(k)为系统控制误差。

5.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤五中梯度下降法为：

其中，Δk_p、Δk_i、Δk_d为k_p、k_i、k_d的变化值，η_p、η_i、η_d分别为k_d、k_i、k_d的神经网络学习速率，

6.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤五中采用改进RBF-PID算法得到PID参数向量为：

其中，k_p(k)、k_i(k)、k_d(k)分别是校正后即k时刻输入到PID控制器的参数，k_p(k-1)、k_i(k-1)、k_d(k-1)为校正前即k-1时刻的PID参数。

7.根据权利要求1所述的基于径向基神经网络的多区域变风量空调系统末端控制方法，其特征在于，步骤六中对于优化PID的过程，控制器的输出u(k)为：

其中e(k-1)为k-1时刻的系统控制误差。