[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

说明书

本发明公开了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，包括以下步骤：(1)设定房间温度值；(2)通过温度传感器获取房间实际温度值；(3)初始化RBF神经网络和PID控制器的各项参数；(4)将房间实际温度值与房间温度设定值进行比较作差；(5)改进RBF‑PID算法调整自身的权重系数；(6)优化PID的k_p、k_i和k_d参数；(7)风阀控制器控制末端风阀达到合适开度；(8)重复步骤(1)至步骤(7)，以采样时间为周期进行采样。本发明通过RBF神经网络对传统PID控制器的参数进行实时调整，对末端的有效控制来提高多区域变风量空调控制系统对于室内温度的控制精度和抗干扰性能。

技术领域

本发明属于多区域变风量空调系统末端控制技术领域，具体涉及一种基于径向基神经网络RBF-PID(Radial basis function neural network,RBF)的多区域变风量空调系统末端控制方法。

技术背景

随着人口数量的增加以及人们对生活水平要求的提高，建筑能耗特别是空调能耗不断升高，因此，具有良好调节效果和节能效果的变风量空调系统受到了人们的关注，开始广泛的应用于各种大型建筑和公共场所。但是多区域变风量空调系统是一种滞后的、非线性的、强耦合系统，传统变风量空调末端以温度为被控变量，采用比例积分(PI)算法来进行末端调节，因为其参数是确定的，所以不能很好地处理一些随机扰动的动态变化，例如：人的进出、门窗的开关的等，并且在随机扰动的影响下，会造成系统温度控制出现较大的波动，降低了人们的舒适感，且造成了不必要的能源浪费。

发明内容

本发明旨在提供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，以解决多区域变风量空调系统末端控制装置中传统PID控制的室内温度大滞后和抗干扰性能差的问题，以便于多区域变风量空调控制系统对室内温度作出更好的控制，从而提升室内的舒适度。

为了解决上述技术问题，本发明采用以下技术方案：

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，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；

步骤八：重复步骤一至步骤七，以采样时间为周期进行采样。

进一步地，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。

进一步地，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。