一、变风量空调系统的模糊控制（论文文献综述）
王宁[1]（2021）在《建筑多区域变风量空调系统温湿度的预测控制研究》文中进行了进一步梳理随着我国大型公共建筑数量的迅速增加,建筑能耗也在持续增加,据统计建筑能耗占据总能耗的39%,这对我国的可持续发展战略产生许多不利的影响。其中建筑能耗主要是暖通空调系统消耗的能源,因此亟需建立准确的建筑房间数学模型,并优化暖通空调系统的控制系统,实现减少暖通空调系统的能源消耗。变风量空调系统凭借其显着的节能以及令环境舒适的优势已用于各个大型公共建筑。但大型公共建筑的多区域变风量空调系统是一个多变量、强耦合的复杂系统,亟需精准的建筑房间数学模型和先进的控制方法对多区域建筑房间室内温度进行控制。本文首先基于热容热阻的方法,根据能量平衡理论建立单房间温湿度耦合数学模型。该模型建立在复杂的建筑围护结构上,通过数学方法解除室内温湿度的耦合关系,将湿度作为一个单独的变量,并给出单房间温湿度耦合模型的精确解。通过MATLAB仿真软件,在给定建筑围护结构各参数和室内外环境参数的情况下,模拟墙体各节点以及室内温度的动态变化。然后将单房间温湿度耦合数学模型扩展到多区域建筑中,建立多区域房间温湿度耦合数学模型,通过数学方法求出多区域各房间的室内温度值,进而得到每个区域房间的室内温度动态变化。本文其次应用图论理论以及流体输配管网理论,通过对变风量空调系统进行抽象简化,对变风量空调系统主要部件的阻力特性进行建模,采用基本回路分析法（MKP）对变风量空调系统管网数学模型进行求解,从而求得到流经每个房间的空气流量。然后利用深度置信神经网络建立变风量空调系统的逐时送风量预测模型,并在相同的数据影响参数和训练数据情况下,将该计算结果与BP、Elman和模糊等传统神经网络预测变风量空调系统的逐时送风量进行比较。结果表明,深度置信神经网络的预测精度最高,平均绝对相对误差、均方根相对误差和决定系数分别为1.555%、0.789%和0.9975,由此说明本文建立的模型能够精确有效地预测变风量空调的送风量。最后,本文将模糊聚类算法与模型预测控制相结合,提出基于模糊聚类算法的多区域变风量空调系统的室内温度预测控制模型,在多区域VAV空调实验台上验证该模型的控制效果和多区域建筑模型在风量变化较大时的准确性。
李善伟[2]（2020）在《变风量空调系统房间温度控制研究》文中进行了进一步梳理目前,中央空调在现代化建筑中得到广泛应用。传统空调大多以房间最大负荷确定送风量,能耗高,且只能对指定区域进行温度控制,局部区域容易出现过冷或过热的现象。相比而言,变风量（Variable Air Volume,VAV）空调系统在性能设备安装、灵活性等方面具备很大优势,使其在中央空调系统中脱颖而出,占据了很大市场份额。但变风量空调系统较为复杂加之本身大滞后、时变性、不确定性等特点,使得变风量空调的房间温度控制很难达到理想的效果,在某种程度上对变风量空调的应用与普及起到了阻碍作用。因此,研究合适的变风量空调系统温度控制方式,对优化空调系统性能和稳定运行具有重要意义。在对变风量空调系统动静态特性及控制难点进行分析的基础上,设计变论域模糊算法引入到空调房间温度串级PID控制中。变论域模糊控制（Variable Universe Fuzzy Control）是一种不依赖被控对象的精确模型的智能控制算法,用语言式的模糊变量代替数值来描述系统,能够有效克服对被控对象精确模型的依赖性,从而简化系统设计的复杂性,具备响应速度快、结构简单、鲁棒性好等优势。在引入一组非线性伸缩因子后,模糊论域能够随误差变化而发生改变。模糊控制器作为上层监督机构对控制情况进行监督,实时调整PID参数,提高了控制系统的自适应能力和控制精度。本研究通过分析变风量空调系统房间温度控制的内部机制及运行原理,运用Matlab和Lab VIEW软件通过系统辨识建立所涉及回路的被控对象数学模型。分析变论域模糊控制误差变化过程中,伸缩因子对论域伸缩的控制作用,设计出一种指数函数型伸缩因子,并给出稳定性分析。将变论域模糊PID控制器用于串级控制中的温度环中,实现对变风量空调系统房间温度的精准控制。最后对该控制方法进行仿真与实验。通过仿真和实验结果得出以下结论:本研究所采用的控制方案结合变论域模糊PID控制和串级控制的优点,在响应时间、控制精度、鲁棒性等方面都有一定提升,具有较好的实际应用效果,为变风空调系统的稳定运行提供了一种具有可行性的控制方法。
李琦[3]（2020）在《基于模糊控制和通风网络的变风量空调系统控制策略研究》文中指出变风量空调系统自20世纪60年代中期问世以来,以其节能、舒适、灵活等特点在美国、欧洲、日本等发达国家和地区进行了应用尝试和推广普及,其在美国高层建筑中的使用率可达90%以上。但变风量空调系统及其控制技术在我国的应用效果并不理想。由于变风量空调结构及控制方法较为复杂,其运行中故障隐蔽,而目前国内对于既有系统的故障诊断主要集中于硬件故障诊断,对控制逻辑设计问题及人员操作不当引发的故障研究较少。同时,变风量空调系统各参数之间存在不同程度的耦合关系,易造成系统水力失调从而达不到预期控制效果。本文首先介绍变风量空调系统的硬件组成、系统结构及控制方法,从系统结构及工作原理的角度出发总结归纳变风量空调系统运行可能产生的各类硬件软件故障;阐述系统各监控参数状态与故障类型的联系,说明各类故障下的参数表现;形成“硬件故障诊断—控制逻辑诊断—人为操作诊断”的变风量空调系统故障诊断方法。随后,探究影响变风量空调系统控制效果的因素。从系统水力特性、控制参数、控制方法三个方面出发,利用Trnsys、Matlab、Flowmaster仿真软件建立变风量空调系统模型,量化分析各因素对流量分配和温度控制的影响。探究发现,各末端所受影响主要来自所处之路其他末端阀门调节,影响程度约达18.75%,来自其他支路末端的影响仅约0.82%。控制参数方面,PID参数选择对系统稳定性和快速性有明显影响,控制周期增长可使系统稳定性增强,但快速性减弱。控制方法方面,受自身设计制约,定静压法和总风量法对负荷波动较大的工况控制失效。变静压法可较好适应各工况变化,但其根据末端阀位变频的控制方法使系统波动较大。定静压、变静压、总风量三种方法对与设计负荷不符的工况温度可控时长占比分别为35.51%、75.45%、43.21%。基于对变风量空调系统控制效果影响因素的研究,提出一种基于模糊控制和通风网络的新型控制方法。对变风量空调系统的控制结构进行调整,在此基础上采用通风网络计算系统管网流量分配,引入模糊控制计算末端需求风量。利用变风量空调系统仿真实验平台仿真软件对比定静压控制法、变静压控制法、总风量法与通风网络法对于变风量空调系统的控制效果。评价指标包括温度可控时长占比及系统能耗。实验表明,设计负荷工况下,本文所提新型控制方法温度可控时长占比为100%,较定静压法、总风量法分别节能18.23%、11.42%。在负荷波动工况下温度可控时长占比93.33%,优于变静压法的75.45%,且二者能耗水平相似。
余紫瑞[4]（2020）在《基于群智能的变风量空调送风系统控制与优化研究》文中研究指明在公共建筑能耗中空调系统的能耗损失占据较大部分,根据统计发现,因空调系统控制策略以及控制特性引起的能耗损失是整个空调系统能耗的30%。在变风量空调系统控制中,变静压控制相较于定静压与总风量法,虽然能够高效节能的实现风机控制达到室温要求,但因其控制复杂性,送风静压的变化会随着风机转速和风阀开度的变化而变化。与此同时室内温度也会发生改变,并且静压变化属于快速响应而室温变化为一个慢响应过程。因此会造成风阀以及送风静压频繁调节,增加了系统控制的不稳定性。文中基于群智能系统,以变风量空调节能为目标,对变风量空调送风系统控制方法进行研究。从控制角度研究变风量空调系统的控制特性,分析VAV系统变静压控制策略。具体研究内容如下:首先,根据群智能特点及送风系统特性,利用Matlab/Simulink软件,建立变风量空调送风系统群智能拓扑结构以及变风量空调送风系统各模块的数学模型,包括空调房间、送风机、末端风阀、及送风管网等模型,为之后研究变风量空调系统有关研究提供了平台。其次,为解决传统的变静压模糊控制方法依赖人为经验获取模糊规则的问题,提出了一种自适应神经模糊推理系统（SC-ANFIS）的变静压模糊控制方法,该方法利用减聚类算法的对输入样本进行聚类分析,优化输入样本数据和生成模糊规则,用神经模糊推理的方法训练模糊规则,从而实现VAV变静压模糊控制。通过对比实验,该方法对比定静压法减小了67%送风机电耗;对比经验变静压模糊控制方法,其调节时间更短、控制过程更加稳定、抗干扰性更强同时减小了7%送风机电耗,具有一定的节能效果。再次,在群智能系统下,以某办公楼中办公区域为研究对象,采用灰箱建模的方法,利用群智能特点,建立了室内温度预测模型。在该模型中考虑了相邻温度对于当前房间温度的影响,探讨了室内温度参数和控制量之间的关系。利用系统辨识确定相关参数,并验证了模型的正确性。根据建立的预测模型对研究对象进行室温预测控制,并与传统控制方式进行对比,发现预测控制下的控制效果更加稳定。最后,为解决变风量送风系统中因室温变化过程较慢而引起的送风静压与末端阀位调节频繁而造成的系统控制不稳定。在群智能室温预测的基础上提出了一种基于末端阀位预测的变静压模糊控制方法,结果表明,通过合理选择的室温预测控制回路控制周期以及改进了的变静压模糊控制相结合的方法,能够使变风量空调送风系统控制更加稳定性,更加节能。本文针对变风量空调送风系统的控制特性,基于群智能建立了送风系统仿真模型以及室温预测模型,在模型建立的基础上,研究了变风量空调送风系统控制与优化,提出了基于末端阀位预测的变静压模糊控制方法,并对变静压模糊控制方法进行了优化。结果表明,本研究提高了变静压空调送风系统的稳定性,实现了变风量空调送风系统的高效、节能运行,对变风量空调系统的节能优化有一定借鉴作用。
吴英夫[5]（2020）在《基于设备环网的建筑电气设备控制平台研究》文中指出当前建筑设备控制系统集中式架构中存在末端设备组网缺乏灵活性、设备间通信协调低效、信息无法就地共享、无法联动控制等问题。本文分析了以太环网结构的主要特性,基于罗克韦尔的设备级环网（Device Level Ring,DLR）技术,设计了一种面向空间分布、可即插即用、扁平化的建筑电气设备控制平台;实现了照明系统的节能控制、变风量空调系统末端装置的优化控制、建筑用电能耗的采集与预测;设计了建筑各子系统间的联动方案,通过计算机、手机移动端对建筑设备信息进行监控,本文主要研究内容展开如下:（1）分析了当前建筑设备控制系统的弊端问题和工业以太网的应用现状,结合设备级环网的优势,提出了一种可即插即用的建筑电气设备控制系统方案。利用CompactLogix L36ERM控制器实现了对照明LED的模糊控制,取得30.8%的节能效果。（2）分析了变风量空调末端装置的运行机制及其在设备环网中应用的可行性,设计了以变频风机替代传统风阀作为变风量空调末端装置的改进方案;利用CompactLogixL35E控制器、PowerFlex40变频器和MATLAB/SIMULINK构建了半实物仿真平台;通过对变频器的模糊PID控制实现了设备环网中变风量空调系统的温度控制仿真。（3）基于支持设备环网的电能测量设备进行建筑用电的监控管理,实现了建筑用电能耗监测与建筑电气设备控制系统的结合;完成了建筑用电能耗的实时分区计量,并利用粒子群BP神经网络对用电数据进行分析,实现了建筑用电负荷预测,预测误差小于6%。（4）根据建筑各子系统电气设备联动工作特点,设计了建筑各子系统间的联动方案,在CompactLogix L36ERM控制器中实现了就地联动控制;利用FactoryTalk View进行建筑设备信息的监控设计,通过Web浏览器发布,实现了对建筑设备运行状态的远程监控。本文给出了面向空间分布、可即插即用、扁平化的建筑电气设备控制系统方案,通过照明控制、变风量空调末端的变频控制,以及建筑用电的监控与预测,验证了设备环网在建筑设备控制系统中应用的可行性,为建筑电气设备控制系统的优化提升提供参考。
陈宗帅[6]（2020）在《基于改进单神经元PID算法的变风量空调系统三参数前馈解耦自适应PID控制策略的研究》文中研究表明变风量空调系统（Variable Air Volume Air Conditioning System,VAVACS）是保持送风温度恒定,通过改变送入室内的冷、热送风量,进而满足对室内温度控制的要求。相比于传统的定风量空调系统（Constant Air Volume Air Conditioning System,CAVACS）,因其可以明显地降低风机能耗和实现分区域温度控制的优势,VAVACS被广泛的应用于现代公共建筑当中。然而,由于VAVACS的多参数、非线性且其主要控制回路之间存在强耦合的特性,当其在运行时往往会出现不同控制回路之间相互干扰的问题,造成系统的不稳定运行和降低控制系统的控制品质。鉴于此,结合多变量解耦控制理论、模糊控制算法和单神经元自适应PID控制技术,通过对VAVACS耦合严重的三个控制回路进行分析,本文提出了VAVACS三参数前馈解耦自适应PID控制策略和一种改进的单神经元PID算法（Modified Single Neuron PID Algorithm,MSNPIDA）对自适应PID控制器参数进行整定的研究思路。同时,借助于MATLAB软件,分别对MSNPIDA和VAVACS的三参数前馈解耦自适应PID控制系统进行了编程和组态,且仿真运行。本文研究内容主要包括:1.通过对VAVACS的3个主要参数控制回路的机理分析,分别建立了冷（热）水流量QCW/HW-送风温度TSA、送风机转速n1-送风静压PSA和室内送风量QSA-空调房间温度或室温Tn的数学模型。并基于矩阵分析法,构建了这3个控制回路的耦合传递函数矩阵表达式。2.基于前馈补偿方法,构建了解耦补偿器的传递函数矩阵,以消除这3个控制回路之间的耦合效应。借助于MATLAB软件中的多变量频域设计工具箱（Multivariable Frequency Design Toolbox,MFDT）,对VAVACS三参数前馈解耦控制系统进行了单位阶跃响应分析的仿真。结果表明,本文所设计的前馈解耦补偿器能够实现消除这3个控制回路之间的耦合效应。3.该MSNPIDA是基于送风温度TSA、送风静压PSA和室温Tn的误差及误差变化率和模糊运算规则,通过调节单神经元的神经网络权值ωi（i=1,2,3）和增益系数λ的大小,对相应的3个自适应PID控制器的参数KP*、KI*和KD*进行自适应整定,并获取相应的最佳值。同时,借助于MATLAB软件,对该MSNPIDA进行了编程和功能模块封装。通过对经典函数的验算和水箱液位实验的验证,表明该MSNPIDA是合理且可行的。4.借助MATLAB/Simulink工具,对基于MSNPIDA的VAVACS三参数前馈解耦自适应PID控制系统进行了组态,且数值仿真了空调冬、夏季工况的运行状况。结果表明,相应的送风温度TSA、送风静压PSA和室温Tn的控制指标能够满足空调工艺的相关要求,且跟踪性能和抗干扰能力良好。5.类似的,分别对基于MSNPIDA的VAVACS三参数非解耦自适应PID控制系统和VAVACS三参数解耦传统PID控制系统进行了组态和数值模拟了它们在空调夏季工况下的运行情况。基于结果分析,可看出本文提出的基于MSNPIDA的VAVACS三参数前馈解耦自适应PID控制方式相比于其它两种控制方式,其控制性能是明显占优的。
张俊雄[7]（2018）在《基于预估模糊PID的空调系统控制研究》文中提出变风量空调系统因其能引入新风改善空气品质而受到了广泛使用。变风量空调系统通过实时改变送入房间的风量以适应室内负荷,随时根据室内控制品质调整新风量大小来保证舒适性,同时降低能耗。但变风量空调系统存在新风分配不均和控制效果不好等问题。因此,需要对新风分配和控制策略两方面进行深入研究。本文基于灰色关联度法研究机房内空气污染物聚类,并对机房新风控制策略和控制方案进行研究。针对变风量空调在数据中心机房温度控制问题,提出一种预估模糊PID控制策略,并进行了仿真研究。搭建了变风量空调试验平台并完成相关试验研究。首先,基于灰色关联度法分析机房气体各污染物对室内空气品质的影响程度,得到了各污染物之间的综合关联度,确定CO2浓度为按需通风控制策略的最佳控制指标。根据全面通风理论方程建立房间预测CO2浓度模型,并通过CO2浓度稀释方程得到机房最小新风量计算公式。提出MSE方程修正策略对新风控制进行优化,根据污染物浓度调整新风比。其次,为解决数据中心机房温度控制不佳的问题,提出一种预估模糊PID控制策略。通过仿真对该控制策略与模糊PID控制和PID控制进行对比分析。正常工况下预估模糊PID控制超调量分别下降18.0%与10.3%,复杂工况下超调量分别降低26.5%和21.3%,调节时间减少116.9s和93.0s。改变设定温度后,预估模糊PID控制的超调量为1.8%、调节时间为220.1s,传递函数增益增大后,预估模糊PID控制超调量增加仅有2.8%。仿真结果表明预估模糊PID控制动态性能更好、鲁棒性更强、控制效果更佳。最后,搭建了变风量空调试验平台并设计平台控制系统,完成了预估模糊PID控制的PLC程序编写。实验结果表明,预估模糊PID控制的稳定时间比模糊PID控制和PID控制分别少4 min和6 min。在高温干扰下对比,预估模糊PID控制分别减少4.7%和3.4%,温度波动减少1.1℃和0.8℃。预估模糊PID控制比常规方式拥有更好动态性能和适应性。
历秀明[8]（2017）在《变风量空调系统室温大滞后智能预测控制方法》文中研究说明变风量（Variable Air Volume,VAV）空调系统是一种节能、舒适、调控便捷的空调系统,研究变风量空调系统节能调控理论和方法,开发关键技术,对提高变风量空调系统的运行管理水平、促进我国建筑节能工作具有重要的理论和现实意义。在变风量空调系统动态调节过程中,建筑物的热惰性、室内热质扩散过程、空调系统中不同距离的热能输配过程等造成了室温响应不仅滞后于空调系统送风量、送风温湿度和表冷器阀门开度等诸多调节量的变化,而且表现出对于不同的调节量,其产生的室温响应时间也不同,进而导致了各末端控制周期上的差别,直接影响了空调机组乃至整个变风量系统的控制周期、控制策略、控制逻辑和控制算法的设置。可见,VAV空调系统室温大滞后问题是解决该类空调系统高效节能控制中的关键基础性问题之一。同时,VAV空调系统各个变风量末端的控制也直接影响空调机组及整个系统的节能运行控制,室温控制回路与送风静压控制回路存在着直接耦合问题,这是在解决好室温滞后及末端控制问题之后VAV系统节能预测控制又一个不可回避的关键问题。从控制论的角度讲,变风量空调系统动态调节过程是一个典型的多变量、强耦合、大滞后和大惯性的非线性控制过程,难以建立其精确的数学模型,从而导致以精确数学模型为基础的经典控制和现代控制方法在解决VAV空调系统控制问题时遇到很大的困难,而随着物联网技术的发展如模糊控制、神经网络等智能控制方法却在公共建筑节能领域取得了较大的成功。为此,本文将以变风量空调系统节能运行控制为应用背景,将研究分析VAV系统室温大滞后特性为基础,通过引入神经网络在线学习技术,以解决变风量空调系统动态调节过程中室温大滞后智能预测控制问题为目标,进而实现变风量末端、空调机组及整个变风量系统的智能预测控制,具体研究工作如下。首先,基于能量守恒原理,考虑室温变化所引起的除热（或补热）权系数,本文建立了变风量空调房间室温变化动态响应数学模型,分析了引起室温滞后响应的影响因素;进一步试验研究了在变风量空调系统动态调节过程中室温变化对各类调节量的动态响应特性;在试验的基础上,建立了室温对各类调节量的传递函数模型,依据换气次数变量给出了室温变化惯性时间系数与空调房间换气次数之间的反比例关系式。根据VAV空调系统试验平台开环试验结果得出,室温对末端风阀开度的惯性时间系数为68～98/换气次数变化量,室温对送风机转速的惯性时间系数为92～176/换气次数变化量,且室温对送风机转速远距离热能输送过程的惯性时间常数大于室温对末端风阀开度近距离热能输送过程的惯性时间时间常数。其次,针对变风量空调室温对各类调节量的纯滞后响应特性难以经典数学模型描述的问题,本文利用Elman网络输入层变量数易于确定、隐含层具有内部反馈动态记录历史信息的能力,研究分析了满足变风量空调系统室温预测控制要求所需要的Elman网络结构,提出了 Elman网络模型参数在线优化方法,仿真研究了室温纯滞后特性的Elman网络预测效果,结果表明,将系统输出的一阶导数引入到网络输入层的Elman网络多步预测模型,即可实现其室温预测值与实际值的误差在±1℃以内,可以满足室温预测控制的精度及误差要求,为解决变风量末端控制和整个VAV系统的预测控制奠定了基础。第三,针对现有VAV空调自动控制系统难以实现Elman网络预测控制这一关键技术问题,根据变风量空调室温预测控制的测控需求,设计了变风量空调控制系统分布式总线网络架构,完成了变风量空调系统监测控制硬件及软件系统的开发,以满足变风量空调室温Elman网络多步预测控制试验研究及工程应用技术需求,第四,为提高变风量末端室温控制回路的运行性能,基于上述变风量空调室温纯滞后Elman网络多步预测模型,提出了变风量空调末端室温预测控制方法;通过与传统串级PI控制算法的对比试验研究,验证了提出的室温Elman网络多步预测控制方法的有效性,结果表明,通过合理地选取室温控制回路的控制周期,提出的室温预测控制方法无需依赖压力无关型变风量末端风速传感器计算末端实际送风量,不仅改进了变风量末端控制方法和控制装置,而且比串级PI控制大幅度地降低了风阀开度变化总行程（冬季降低44%,夏季降低70%）,有利于延长阀门寿命;同时也大幅度降低了风阀开度变化次数（冬季降低65%,夏季降低42%）,有利于提高末端室温控制回路及整个系统的稳定性。最后,为解决送风量调节中末端室温控制回路与整个系统送风静压控制回路相互耦合的问题,降低其对变风量系统运行性能的影响,基于上述提出的变风量末端室温Elman网络多步预测控制方法,提出了基于末端预测阀位的变静压模糊控制方法;通过对比试验研究,验证了提出的模糊预测控制方法的有效性及能耗效率,结果表明,以末端室温对送风量的纯滞后响应时间为室温预测控制回路的控制周期,通过合理地选择模糊基本论域提出的变静压模糊控制方法,提高了变风量系统室温控制回路和送风机控制回路的稳定性,在夏季和冬季分别降低了 10%和30%的送风机能耗。
刘阳[9]（2017）在《变风量空调的空气舒适性控制设计与应用》文中指出随着科技发展的日新月异,人们的生活水平不断提高,随之带来的是人们对室内居住环境的舒适性要求也在增高,空调作为影响空气舒适性的最主要设备,在人们生活中所扮演角色的重要程度也越来越高。变风量（VAV）空调凭借其灵活性和节能性,逐步成为中央空调系统的主流而被迅速推广和应用。空气的温度、湿度及CO2浓度都是影响空调房间舒适性与能耗的重要因素。精确、智能地控制中央空调的温度、湿度以及CO2浓度,对于提高系统的舒适性、节约建筑能耗乃至创造更大的经济价值都具有着重大的意义。传统的变风量空调控制系统采用的是PID控制,由于变风量空调存在的多变量、强耦合、非线性和时变性特点,PID控制很难同时满足节能、高效及空气舒适性的要求。本文采用传统PID与模糊控制相结合的控制方法,并将其应用于实际工程,建立了一个能同时满足温度、湿度以及CO2浓度等多变量控制要求、反应速度快等的变风量空调控制系统。首先,空调系统是一种典型的具有大惯性、大滞后、时变、非线性的复杂控制系统,根据变风量空调系统的运行特点,分析了影响其运行和节能效果的主要因素,明确了寻找一个针对变风量空调系统控制综合控制方法的重要性。其次,分析了传统PID方法在变风量空调控制系统中的特点及存在的不足,分析了模糊控制的优越性,充分利用各自优势,在PID控制基础上引入模糊算法,即采用模糊PID控制算法来满足变风量空调系统的空气舒适性等要求;然后,以“成都泰达时代中心”的变风量空调系统为实例,通过对变风量空调系统的温度、湿度、空气清新度分设优先级,采取分级控制,完善实际控制系统;最后,进行了系统建模及仿真实验,仿真结果表明,设计方案可以在满足舒适性基础上,提高了快速性,证明了方案的合理、可行。
张绍勋[10]（2016）在《变风量空调系统变静压控制研究》文中研究指明人类面对的气候和环境问题变的越来越严峻,对于能耗较大的建筑业来说,绿色建筑这一议题日渐被提上日程,因而对建筑节能的深入研究势在必行。中央空调系统能耗在建筑电气设备的总能耗中占有较大的比重。然而随着对空调系统中变风量空调研究的不断深入,以及凭借其自身的优势,在大型综合建筑物中变风量空调得到越来越广泛的应用。变风量空调系统变静压控制方式能够根据各空调区域实际负荷需求,实时调节风机转速,在满足负荷需求的前提下使风机运行在相对小的转速,进而实现节能。变风量空调系统变静压控制与已有的控制方式相比具有较好的控制和节能效果。同时,在已有的控制方式或相关算法控制下,存在系统跟踪性能不理想,稳定性较差,动态性能有待提高,过渡状态不稳定等问题。为提高系统跟踪性能,改善其动态特性,使系统运行能够进一步实现节能,本课题以西安建筑科技大学智能建筑与楼宇自动化实验室变风量空调系统实验平台为对象进行研究。首先,对风系统中变频风机——管道静压回路采用系统辨识的方法建立数学模型,得一阶带延时的系统传递函数;其次,给出一种静压设定值期望轨迹用以仿真研究;再者,在变静压控制的基础上结合PD型、速积分PID型和模糊增益PD型三种迭代学习控制算法进行仿真实验;最后,将以上各控制算法通过Lab VIEW软件编写程序并应用到实验平台,对研究对象进行实验控制研究。通过仿真及实验数据分析比较,可得在模糊增益PD型迭代学习算法控制下,系统能较好的跟踪期望静压设定值,动态性能得以良好改善,并且系统风机能耗相对较小。
二、变风量空调系统的模糊控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、变风量空调系统的模糊控制（论文提纲范文）
（1）建筑多区域变风量空调系统温湿度的预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 课题的研究背景与意义 |
| §1.1.1 课题的研究背景 |
| §1.1.2 课题的研究意义 |
| §1.2 国内外研究现状 |
| §1.2.1 变风量空调系统的介绍 |
| §1.2.2 多区域房间数学建模研究现状 |
| §1.2.3 多区域变风量空调系统数学建模研究现状 |
| §1.2.4 变风量空调系统末端控制研究现状 |
| §1.2.5 多区域变风量空调系统温湿度控制研究存在的问题 |
| §1.3 主要研究内容及论文框架 |
| §1.3.1 主要内容 |
| §1.3.2 技术路线 |
| §1.3.3 结构安排 |
| 第二章 单房间温湿度耦合动态模型 |
| §2.1 房间数学建模 |
| §2.1.1 房间模型的假设和简化 |
| §2.1.2 空调房间的数学模型 |
| §2.1.3 建立房间数学模型 |
| §2.2 单房间温湿度仿真模拟 |
| §2.3 本章小结 |
| 第三章 多区域房间温湿度耦合模型的建立 |
| §3.1 大空间的多变风箱的温湿度耦合模型 |
| §3.2 多区域房间空气耦合模型 |
| §3.3 多房间温湿度耦合数学模型 |
| §3.4 多房间温湿度耦合数学模型仿真 |
| §3.4.1 无空调系统运行时模拟实验 |
| §3.4.2 有空调系统运行时模拟实验 |
| §3.5 本章小结 |
| 第四章 多区域变风量空调系统管网模型 |
| §4.1 变风量箱模型 |
| §4.2 送、回风机模型 |
| §4.3 风管模型 |
| §4.3.1 风管的摩擦阻力损失元件数学模型 |
| §4.3.2 风管的局部阻力损失元件数学模型 |
| §4.4 变风量空调风系统的数学模型 |
| §4.4.1 变风量空调风系统的流体输配管网理论 |
| §4.4.2 变风量空调风系统管网模型求解 |
| §4.5 多区域变风量空调房间温湿度耦合模型仿真 |
| §4.6 本章小结 |
| 第五章 基于深度置信神经网络的变风量空调送风量的预测 |
| §5.1 变风量空调送风量的预测模型 |
| §5.1.1 深度置信神经网络模型理论 |
| §5.1.2 预测模型的建立 |
| §5.2 实验验证 |
| §5.3 本章小结 |
| 第六章 基于模糊聚类算法的变风量空调室温预测控制研究 |
| §6.1 广义预测控制算法 |
| §6.1.1 预测模型和参考轨迹 |
| §6.1.2 滚动优化 |
| §6.1.3 在线辨识与反馈校正 |
| §6.2 基于模糊聚类算法的预测控制 |
| §6.2.1 基于聚类算法的模糊控制结构形式 |
| §6.2.2 基于模糊聚类算法的辨识方法 |
| §6.2.3 基于模糊聚类算法的广义预测控制 |
| §6.3 基于模糊聚类算法的多区域变风量空调室温预测仿真研究 |
| §6.3.1 模糊聚类算法的预测控制模型 |
| §6.3.2 变风量空调系统实验台 |
| §6.3.3 变风量空调系统室温响应实验原理 |
| §6.3.4 变风量空调系统室温响应实验结果 |
| §6.3.5 基于模糊聚类算法的多区域VAV空调系统预测控制实验 |
| §6.4 本章小结 |
| 第七章 总结与展望 |
| §7.1 结论 |
| §7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（2）变风量空调系统房间温度控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 本文研究的主要内容 |
| 1.5 本章小结 |
| 第2章 变风量空调系统 |
| 2.1 变风量空调系统概述 |
| 2.1.1 变风量空调系统的组成和工作原理 |
| 2.1.2 变风量空调系统运行过程 |
| 2.1.3 变风量空调系统的特点 |
| 2.2 变风量空调末端装置 |
| 2.3 变风量空调机组风量控制 |
| 2.4 变风量空调实验平台简介 |
| 2.5 本章小节 |
| 第3章 变风量空调系统建模 |
| 3.1 系统建模 |
| 3.1.1 机理建模 |
| 3.1.2 系统辨识 |
| 3.2 变风量空调温度控制系统建模 |
| 3.2.1 风阀开度—送风量模型辨识 |
| 3.2.2 风机频率—风管静压模型 |
| 3.2.3 空调房间建模 |
| 3.3 本章小结 |
| 第4章 VAV空调系统变论域模糊PID控制 |
| 4.1 模糊控制理论 |
| 4.2 变论域模糊理论 |
| 4.2.1 分片插值函数 |
| 4.2.2 规则的单调性与控制函数的单调性 |
| 4.2.3 变论域模糊算法 |
| 4.3 改进伸缩因子设计与分析 |
| 4.3.1 变论域伸缩因子定义 |
| 4.3.2 伸缩因子优化准则与设计 |
| 4.3.3 改进变论域模糊控制器稳定性分析 |
| 4.4 VAV空调房间温度变论域模糊PID控制器设计 |
| 4.4.1 模糊PID控制原理 |
| 4.4.2 模糊PID控制器设计 |
| 4.4.3 变论域模糊PID控制器设计 |
| 4.5 本章小节 |
| 第5章 VAV空调系统VFPID控制仿真与实验 |
| 5.1 VAV空调系统房间温度VFPID控制仿真 |
| 5.2 VAV空调系统房间温度VFPID控制实验 |
| 5.2.1 实验工况介绍 |
| 5.2.2 变风量空调系统房间温度控制实验设计 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间论文发表情况 |
| 致谢 |
（3）基于模糊控制和通风网络的变风量空调系统控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 变风量空调系统故障检测诊断研究现状 |
| 1.2.2 变风量空调系统控制策略研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 本文研究的主要内容 |
| 第2章 变风量空调系统及其控制方法介绍 |
| 2.1 变风量空调系统介绍 |
| 2.1.1 变风量空调系统原理 |
| 2.1.2 变风量空调系统结构 |
| 2.1.3 变风量空调系统末端形式 |
| 2.2 变风量空调系统控制方法介绍 |
| 2.2.1 定静压控制法 |
| 2.2.2 变静压控制法 |
| 2.2.3 总风量控制法 |
| 2.3 本章小结 |
| 第3章 变风量空调系统故障诊断方法 |
| 3.1 控制环路动态特性分析 |
| 3.1.1 新风量控制环路 |
| 3.1.2 送风温度控制环路 |
| 3.1.3 送风量控制环路 |
| 3.1.4 末端温度控制环路 |
| 3.2 故障动态特性分析 |
| 3.2.1 硬件故障 |
| 3.2.2 系统逻辑问题 |
| 3.2.3 人为操作问题 |
| 3.3 系统故障诊断流程 |
| 3.4 基于专家知识的故障诊断规则 |
| 3.4.1 末端温度控制环路故障诊断规则 |
| 3.4.2 送风量控制环路故障诊断规则 |
| 3.4.3 送风温度控制环路故障诊断规则 |
| 3.4.4 新风量控制环路故障诊断规则 |
| 3.5 变风量空调系统故障诊断实例 |
| 3.5.1 项目概况 |
| 3.5.2 故障诊断手段及流程 |
| 3.5.3 故障诊断结果 |
| 3.6 本章小结 |
| 第4章 变风量空调系统控制效果影响因素探究 |
| 4.1 影响因素分析 |
| 4.1.1 系统水力特性的影响因素 |
| 4.1.2 末端控制环路的影响因素 |
| 4.1.3 变风量控制方式的影响因素 |
| 4.2 变风量空调系统仿真实验平台 |
| 4.2.1 选用软件介绍 |
| 4.2.2 仿真平台数据通讯实现 |
| 4.2.3 系统建模与验证 |
| 4.3 变风量空调系统控制效果影响因素仿真分析 |
| 4.3.1 系统水力特性影响因素分析 |
| 4.3.2 末端控制环路影响因素分析 |
| 4.3.3 变风量控制方式影响因素分析 |
| 4.4 本章小结 |
| 第5章 基于模糊控制和通风网络的控制方案优化 |
| 5.1 基于中央控制的系统结构改造 |
| 5.1.1 既有控制结构的局限性 |
| 5.1.2 基于中央控制的控制结构改造 |
| 5.2 基于模糊控制的需求风量计算优化 |
| 5.2.1 模糊控制原理 |
| 5.2.2 基于模糊控制的需求风量计算方法 |
| 5.3 基于通风网络的风量分配计算优化 |
| 5.3.1 通风网络求解的理论基础 |
| 5.3.2 通风网络模型建立 |
| 5.3.3 通风网络计算求解 |
| 5.3.4 基于误差反向传播的通风网络参数校正 |
| 5.4 变风量空调系统控制策略仿真对比分析 |
| 5.4.1 仿真工况设计 |
| 5.4.2 对比控制策略选择 |
| 5.4.3 仿真对比及分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 关于国际工程师学院人才培养模式情况说明 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（4）基于群智能的变风量空调送风系统控制与优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 群智能建筑发展现状 |
| 1.2.2 变风量空调送风系统控制研究现状 |
| 1.3 研究内容及结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标 |
| 1.3.3 论文安排 |
| 2 基于群智能的变风量空调送风系统及模型 |
| 2.1 变风量空调送风系统原理 |
| 2.1.1 VAV送风系统组成 |
| 2.1.2 VAV末端控制方法 |
| 2.1.3 送风机控制策略 |
| 2.2 变风量空调送风系统群智能拓扑 |
| 2.2.1 群智能系统基本概念 |
| 2.2.2 建筑空间划分基本原则 |
| 2.2.3 变风量送风系统群智能拓扑结构 |
| 2.3 送风系统数学模型及仿真 |
| 2.3.1 Matlab/Simulink仿真工具 |
| 2.3.2 房间模型 |
| 2.3.3 末端模型 |
| 2.3.4 管网模型 |
| 2.3.5 风机模型 |
| 2.3.6 送风系统模型 |
| 2.4 本章小结 |
| 3 基于自适应模糊推理系统的变静压模糊控制优化方法研究 |
| 3.1 自适应模糊推理系统 |
| 3.1.1 自适应神经模糊推理系统 |
| 3.1.2 减法聚类算法 |
| 3.2 基于自适应模糊推理系统的变静压模糊控制方法 |
| 3.2.1 变静压参考对象 |
| 3.2.2 数据采集 |
| 3.2.3 实验步骤 |
| 3.2.4 实验分析 |
| 3.3 本章小结 |
| 4 基于群智能的变风量空调变静压控制研究 |
| 4.1 室内温度预测模型建立 |
| 4.1.1 室内温度预测控制模型 |
| 4.1.2 数据采集及模型辨识 |
| 4.1.3 室内温度预测模型验证 |
| 4.2 基于群智能的室内温度预测控制 |
| 4.2.1 控制器设计 |
| 4.2.2 基于群智能的室内温度预测控制 |
| 4.3 基于末端阀位预测的变静压模糊控制 |
| 4.3.1 VAV系统末端阀位预测值 |
| 4.3.2 基于末端阀位预测的变静压模糊控制 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 硕士在读期间的研究成果及获奖情况 |
| 致谢 |
（5）基于设备环网的建筑电气设备控制平台研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 建筑设备控制系统结构 |
| 1.2.2 建筑设备控制系统组网 |
| 1.2.3 EtherNet/IP与设备级环网 |
| 1.3 本文主要内容 |
| 2 基于设备环网的建筑电气设备控制平台 |
| 2.1 建筑设备控制系统构成与设计原则 |
| 2.1.1 建筑设备控制系统结构与功能 |
| 2.1.2 建筑电气设备控制系统的设计目标 |
| 2.2 建筑设备环网控制平台设计 |
| 2.2.1 面向空间区域分布结构 |
| 2.2.2 设备环网的建筑设备控制平台设计 |
| 2.3 设备环网实验平台搭建 |
| 2.3.1 关键技术 |
| 2.3.2 实验平台搭建 |
| 2.4 本章小结 |
| 3 设备环网软硬件与区域照明控制 |
| 3.1 设备环网软硬件配置 |
| 3.1.1 主要硬件选型 |
| 3.1.2 主要软件功能 |
| 3.2 基于设备环网的区域照明控制 |
| 3.2.1 照明模糊控制方案 |
| 3.2.2 模糊控制算法Logix Designer编程 |
| 3.2.3 照明控制实验结果 |
| 3.3 本章小结 |
| 4 基于设备环网的变风量空调末端设备控制 |
| 4.1 变风量空调系统原理与构成 |
| 4.1.1 变风量空调原理 |
| 4.1.2 变风量空调系统构成 |
| 4.2 变风量末端装置控制 |
| 4.2.1 VAV末端控制方式 |
| 4.2.2 变频控制的VAV末端装置 |
| 4.3 环网下变风量末端控制半实物仿真 |
| 4.3.1 仿真平台构建 |
| 4.3.2 模糊PID算法Logix Designer编程 |
| 4.3.3 建立OPC服务器通信 |
| 4.3.4 PowerFlex变频器参数监控 |
| 4.3.5 仿真结果 |
| 4.4 本章小结 |
| 5 建筑用电监控平台设计与预测分析 |
| 5.1 建筑用电监控内容 |
| 5.2 建筑用电量的采集与通信传输 |
| 5.2.1 建筑电量采集系统结构 |
| 5.2.2 数据传输方式 |
| 5.3 基于设备环网的建筑电量采集与传输设计 |
| 5.3.1 以太网通信的电量测量设备 |
| 5.3.2 设备环网建筑电量采集平台设计 |
| 5.4 基于粒子群BP的用电量预测 |
| 5.4.1 电量能耗数据分析方法 |
| 5.4.2 BP神经网络与粒子群PSO算法 |
| 5.4.3 建筑用电能耗预测 |
| 5.4.4 预测结果与分析 |
| 5.5 本章小结 |
| 6 环网下设备联动与监控设计 |
| 6.1 同区域跨系统设备联动设计 |
| 6.1.1 跨系统设备联动功能 |
| 6.1.2 I/O分配与与Logix Designer编程 |
| 6.2 设备环网建筑的监控设计 |
| 6.2.1 监控软件与通讯 |
| 6.2.2 建筑设备监控功能 |
| 6.2.3 FactoryTalk View监控画面设计 |
| 6.2.4 Web发布远程监控 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）基于改进单神经元PID算法的变风量空调系统三参数前馈解耦自适应PID控制策略的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题的研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义及目的 |
| 1.3 国内外研究现状 |
| 1.3.1 变风量空调系统多参数解耦控制技术的研究现状 |
| 1.3.2 单神经元PID控制理论的研究现状 |
| 1.4 本文主要研究内容和章节安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 本文章节安排 |
| 第2章 变风量空调系统自动控制设计 |
| 2.1 变风量空调系统概述 |
| 2.1.1 VAVACS的基本组成 |
| 2.1.2 VAVACS各组成部分的分类及选择 |
| 2.1.3 VAVACS的控制方式及特点 |
| 2.2 基于矩阵法VAVACS三参数耦合控制回路建模及稳定性分析 |
| 2.2.1 VAVACS三参数单控制回路的数学描述 |
| 2.2.2 VAVACS三参数耦合控制回路的矩阵描述 |
| 2.2.3 VAVACS运行的稳定性分析 |
| 2.3 本章小结 |
| 第3章 变风量空调系统三参数前馈解耦控制方案的选择与设计 |
| 3.1 多参数解耦控制理论及MATLAB实现 |
| 3.1.1 多参数控制回路之间的耦合性分析 |
| 3.1.2 多参数控制回路解耦补偿器的设计及MATLAB实现 |
| 3.2 VAVACS三参数前馈解耦补偿控制系统设计 |
| 3.3 本章小结 |
| 第4章 基于改进单神经元PID算法的自适应PID控制器设计及性能分析 |
| 4.1 传统PID控制器的控制规律和参数整定方法 |
| 4.1.1 PID控制器的控制规律 |
| 4.1.2 控制系统常用的性能评价指标 |
| 4.1.3 PID控制器参数的整定方法 |
| 4.2 基于改进单神经元PID算法的自适应PID控制器设计 |
| 4.2.1 基于单神经元PID算法的自适应PID控制器的基本理论 |
| 4.2.2 基于MSNPIDA的自适应PID控制器的控制规律及参数整定方法 |
| 4.3 基于MSNPIDA的自适应PID控制器参数整定的算例验证 |
| 4.4 基于MSNPIDA的液位自适应PID控制器参数整定效果的实验验证 |
| 4.5 本章小结 |
| 第5章 基于MSNPIDA的 VAVACS三参数前馈解耦自适应PID控制系统数值仿真 |
| 5.1 VAVACS三参数前馈解耦自适应PID控制系统的Simulink组态 |
| 5.2 基于MSNPIDA的 VAVACS三参数自适应PID控制器参数的整定 |
| 5.3 VAVACS三参数前馈解耦自适应PID控制系统的仿真模拟及性能分析 |
| 5.3.1 冬、夏季工况VAVACS三参数解耦自适应PID控制系统仿真与分析 |
| 5.3.2 夏季工况VAVACS三参数非解耦自适应PID控制系统仿真与分析 |
| 5.3.3 夏季工况VAVACS三参数前馈解耦传统PID控制系统仿真与分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（7）基于预估模糊PID的空调系统控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 变风量系统新风控制的国内外研究现状 |
| 1.2.1 变风量系统新风量的研究 |
| 1.2.2 变风量系统新风控制策略的研究 |
| 1.3 预估模糊PID控制的国内外研究现状 |
| 1.3.1 模糊控制算法的研究 |
| 1.3.2 预估模糊PID控制在空调应用中的研究现状 |
| 1.4 主要研究内容 |
| 2 按需通风控制策略研究 |
| 2.1 引言 |
| 2.2 室内污染物的灰色关联度分析 |
| 2.2.1 灰色关联度与预处理 |
| 2.2.2 灰色关联度理论与模型 |
| 2.2.3 污染物灰色关联度计算 |
| 2.3 空调房间CO_2浓度模型建立 |
| 2.3.1 空调房间CO_2浓度模型 |
| 2.3.2 送风系统的CO_2浓度模型 |
| 2.3.3 回风系统的CO_2浓度模型 |
| 2.4 区域需求新风量与新风比控制策略 |
| 2.4.1 区域需求最小新风量 |
| 2.4.2 新风比控制策略 |
| 2.5 基于CO_2浓度的新风控制方案 |
| 2.6 本章小结 |
| 3 变风量空调系统自动控制研究 |
| 3.1 引言 |
| 3.2 数据中心机房数学模型 |
| 3.2.1 变风量空调系统工作原理 |
| 3.2.2 机房实测温度分析 |
| 3.2.3 数据中心机房数学模型的建立 |
| 3.3 基于Smith预估的模糊PID控制系统设计 |
| 3.3.1 预估模糊PID控制系统结构 |
| 3.3.2 Smith预估器设计 |
| 3.3.3 模糊控制器设计 |
| 3.4 结果与分析 |
| 3.4.1 正常工况下运行分析 |
| 3.4.2 改变温度设定值分析 |
| 3.4.3 复杂工况条件分析 |
| 3.4.4 工况变化的适应性分析 |
| 3.5 本章小结 |
| 4 变风量空调系统实验平台建设 |
| 4.1 变风量空调系统平台总体设计 |
| 4.2 实验平台自动控制系统设计 |
| 4.2.1 变风量空调系统控制结构 |
| 4.2.2 自动控制系统总体方案 |
| 4.2.3 西门子PLC控制流程 |
| 4.3 平台实验程序设计 |
| 4.3.1 西门子PLC主程序 |
| 4.3.2 模糊PID控制程序 |
| 4.4 上位机组态软件设计 |
| 4.5 实验与结果分析 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 本文创新点 |
| 5.3 展望 |
| 参考文献 |
| 附录A (攻读学位期间的主要学术成果) |
| 致谢 |
（8）变风量空调系统室温大滞后智能预测控制方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 变风量室温控制策略及方法的研究进展 |
| 1.2.1 变风量室温控制策略及方法研究现状 |
| 1.2.2 变风量空调系统数学模型研究现状 |
| 1.3 变风量室温大滞后特性及其控制方法研究进展 |
| 1.3.1 室温大滞后特性研究现状 |
| 1.3.2 室温大滞后控制方法研究现状 |
| 1.4 主要研究内容及结构安排 |
| 1.4.1 研究内容 |
| 1.4.2 研究思路与结构安排 |
| 2 变风量空调系统室温变化动态响应模型及惯性响应时间研究 |
| 2.1 变风量空调房间室温滞后的数学描述 |
| 2.1.1 变风量空调房间室温调节过程数学模型 |
| 2.1.2 变送风量调节下空调房间室温数学模型 |
| 2.1.3 变送风温度调节下空调房间室温数学模型 |
| 2.2 室温对各影响因素的动态响应特性试验 |
| 2.2.1 试验系统简介及试验方案设计 |
| 2.2.2 送风量调节过程动态响应特性试验 |
| 2.2.3 送风温度调节过程动态响应特性试验 |
| 2.2.4 空调房间惯性时间和纯滞后特性参数的辨识 |
| 2.3 本章小结 |
| 3 变风量空调室温纯滞后Elman网络模型优化及预测方法研究 |
| 3.1 时滞系统Elman网络模型辨识方法 |
| 3.1.1 Elman网络结构 |
| 3.1.2 时滞系统Eman网路模型辨识分析 |
| 3.1.3 变风量空调室温控制多回路Elman网络模型辨识分析 |
| 3.2 室温纯滞后时间Elman网络隐含层参数优化方法 |
| 3.2.1 Elman网络学习算法 |
| 3.2.2 Elman网络隐含层参数在线优化方法 |
| 3.2.3 样本构建及优化仿真分析 |
| 3.3 基于室温纯滞后试验的Elman网络隐含层参数优化分析 |
| 3.3.1 基于开环阶跃响应试验数据的优化方法分析 |
| 3.3.2 基于动态调节过程试验数据的优化方法分析 |
| 3.4 室温纯滞后特性Elman网络多步预测模型研究 |
| 3.4.1 室温纯滞后特性Elman网络多步预测模型 |
| 3.4.2 室温纯滞后特性Elman网络单步预测仿真 |
| 3.4.3 室温纯滞后特性Elman网络多步预测仿真 |
| 3.5 本章小结 |
| 4 变风量空调系统分布式控制关键技术开发 |
| 4.1 变风量空调系统测控需求分析 |
| 4.1.1 变风量空调系统运行调控需求分析 |
| 4.1.2 变风量空调控制系统功能分析 |
| 4.2 变风量空调分布式控制系统总线网络架构设计 |
| 4.2.1 分布式总线网络架构 |
| 4.2.2 控制系统I/O点分配 |
| 4.3 变风量空调系统监测控制硬件系统开发 |
| 4.3.1 区域控制器 |
| 4.3.2 现场控制器 |
| 4.4 变风量空调系统监测控制软件系统开发 |
| 4.4.1 软件程序结构设计 |
| 4.4.2 复杂控制算法开发 |
| 4.5 本章小结 |
| 5 变风量末端室温Elman网络多步预测控制方法试验研究 |
| 5.1 变风量末端室温控制过程分析 |
| 5.2 变风量末端室温纯滞后Elman网络多步预测控制方法 |
| 5.2.1 变风量末端室温纯滞后预测控制基本原理 |
| 5.2.2 室温纯滞后Elman网络多步预测控制方法 |
| 5.3 室温预测控制与串级PI控制对比试验 |
| 5.3.1 试验工况 |
| 5.3.2 试验结果分析 |
| 5.4 本章小结 |
| 6 基于末端预测阀位的变风量系统变静压模糊控制试验研究 |
| 6.1 基于末端预测阀位的变静压设定值模糊推理方法 |
| 6.1.1 变静压控制过程分析 |
| 6.1.2 变静压模糊推理方法 |
| 6.1.3 基于末端预测阀位的变静压模糊控制方法 |
| 6.2 不同控制周期下变静压模糊预测控制试验 |
| 6.2.1 试验工况 |
| 6.2.2 试验结果 |
| 6.2.3 对比分析 |
| 6.3 不同静压论域下变静压模糊预测控制试验 |
| 6.3.1 试验工况 |
| 6.3.2 试验结果 |
| 6.3.3 对比分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A Elman网络多步预测模型算法程序部分代码 |
| 附录B 作用模糊子集推理方法部分代码 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（9）变风量空调的空气舒适性控制设计与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外课题研究现状 |
| 1.2.1 中央空调节能控制研究国外发展情况 |
| 1.2.2 中央空调节能控制研究国内发展情况 |
| 1.3 本论文研究的主要内容 |
| 第二章 变风量空调系统研究及工程实例 |
| 2.1 变风量空调系统概述 |
| 2.1.1 系统发展现状 |
| 2.1.2 系统原理 |
| 2.1.3 系统优点 |
| 2.1.4 系统分类 |
| 2.1.5 系统组成 |
| 2.2 变风量空调系统基本控制问题 |
| 2.2.1 控制特点 |
| 2.2.2 控制原理 |
| 2.2.3 机组控制方法 |
| 2.3 工程实例 |
| 2.3.1 工程概况 |
| 2.3.2 工程空调系统简介 |
| 2.4 本章小结 |
| 第三章 变风量空调系统控制方法研究 |
| 3.1 PID控制 |
| 3.1.1 组成及基本原理 |
| 3.1.2 控制器参数整定 |
| 3.2 模糊控制 |
| 3.2.1 模糊控制特点 |
| 3.2.2 模糊控制组成及原理 |
| 3.2.3 模糊控制器设计 |
| 3.3 模糊PID算法 |
| 3.4 本章小结 |
| 第四章 成都泰达时代中心变风量空调控制系统设计 |
| 4.1 系统控制策略 |
| 4.1.1 系统控制方式 |
| 4.1.2 系统控制难点分析 |
| 4.1.3 系统控制策略 |
| 4.2 基于模糊PID控制的系统设计 |
| 4.2.1 系统控制算法研究 |
| 4.2.2 模糊PID控制器结构 |
| 4.2.3 模糊PID算法 |
| 4.2.4 控制流程图 |
| 4.3 中央控制器设计 |
| 4.4 末端控制器设计 |
| 4.4.1 末端控制器硬件设计 |
| 4.4.2 末端控制器软件设计 |
| 4.5 本章小结 |
| 第五章 系统建模及仿真 |
| 5.1 建立变风量空调系统房间数学模型 |
| 5.2 仿真实验及分析 |
| 5.3 本章小结 |
| 第六章 结论 |
| 附录1 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）变风量空调系统变静压控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本课题主要研究内容 |
| 1.4 论文结构 |
| 1.5 小结 |
| 2 变风量空调系统概述 |
| 2.1 空调系统发展概述 |
| 2.2 变风量空调系统的组成 |
| 2.3 变风量空调风系统控制方式 |
| 2.3.1 定静压控制 |
| 2.3.2 变静压控制 |
| 2.3.3 总风量控制 |
| 2.4 变风量空调系统的节能 |
| 2.5 小结 |
| 3 风系统变频风机——管道静压回路建模 |
| 3.1 研究对象介绍 |
| 3.2 风系统风机节能分析 |
| 3.3 建模方法 |
| 3.3.1 系统辨识技术 |
| 3.3.2 系统辨识步骤 |
| 3.4 系统辨识在空调系统变静压控制中的应用 |
| 3.4.1 选取M序列 |
| 3.4.2 建立系统传递函数 |
| 3.5 模型可控性验证 |
| 3.6 小结 |
| 4基于改进型迭代学习算法变静压控制研究 |
| 4.1 期望轨迹 |
| 4.2 传统PID控制算法 |
| 4.3 迭代学习算法 |
| 4.4 PD型迭代学习控制算法 |
| 4.5 变速积分PID型迭代学习控制算法 |
| 4.6 模糊增益PD型迭代学习控制算法 |
| 4.6.1 模糊增益PD型迭代学习控制算法原理 |
| 4.6.2 模糊控制器设计 |
| 4.7 改进型迭代学习算法仿真结果分析比较 |
| 4.8 小结 |
| 5 改进型迭代学习控制算法实验结果分析 |
| 5.1 传统PID控制实验结果分析 |
| 5.2 PD型迭代学习控制实验结果分析 |
| 5.3 变速积分PID迭代学习控制实验结果分析 |
| 5.4 模糊增益PD迭代学习控制实验结果分析 |
| 5.5 实验结果对比分析 |
| 5.6 小结 |
| 6 总结 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 附图 |
| 附录 |
| 致谢 |
四、变风量空调系统的模糊控制（论文参考文献）
- [1]建筑多区域变风量空调系统温湿度的预测控制研究[D]. 王宁. 桂林电子科技大学, 2021
- [2]变风量空调系统房间温度控制研究[D]. 李善伟. 青岛理工大学, 2020(01)
- [3]基于模糊控制和通风网络的变风量空调系统控制策略研究[D]. 李琦. 天津大学, 2020
- [4]基于群智能的变风量空调送风系统控制与优化研究[D]. 余紫瑞. 西安建筑科技大学, 2020
- [5]基于设备环网的建筑电气设备控制平台研究[D]. 吴英夫. 大连理工大学, 2020(02)
- [6]基于改进单神经元PID算法的变风量空调系统三参数前馈解耦自适应PID控制策略的研究[D]. 陈宗帅. 兰州理工大学, 2020(12)
- [7]基于预估模糊PID的空调系统控制研究[D]. 张俊雄. 中南林业科技大学, 2018(01)
- [8]变风量空调系统室温大滞后智能预测控制方法[D]. 历秀明. 大连理工大学, 2017(09)
- [9]变风量空调的空气舒适性控制设计与应用[D]. 刘阳. 沈阳建筑大学, 2017(04)
- [10]变风量空调系统变静压控制研究[D]. 张绍勋. 西安建筑科技大学, 2016(05)