一、变风量空调系统控制方法的探讨(论文文献综述)
黄伟稀,陈文华,何涛,郝夏影[1](2021)在《船用变风量空调系统调控技术研究综述》文中研究指明空调系统是船舶与海洋平台的主要设备之一,变风量空调系统在节能与噪声控制方面具有较大潜力,对于改善船舶舒适性与节能减排具有重要意义。本文对船用变风量空调系统技术研究现状与成果进行了归纳与总结,从系统仿真与试验技术、系统控制方法以及系统噪声进行了重点介绍,提出船用变风量空调系统的发展方向以及需要解决的问题,为船舶变风量空调系统的应用与推广提供支撑。
周颖[2](2021)在《中央空调输配系统群智能扩散优化方法及应用》文中研究说明随着智能建筑的推广普及,集中式架构下的建筑智能控制系统稳定性差,滞后严重等问题频发,建筑能耗居高不下。中央空调系统是大型公共建筑的主要空气调节系统,其电耗很大一部分由输送和分配冷量热量的风机水泵所消耗。而风机、水泵等动力装备属于中央空调输配系统。现阶段控制系统和控制算法“通用性”和“实用性”差,造成了当前输配系统自动化水平普遍较低。减少中央空调输配系统的运行能耗,将有助于整个建筑能耗的降低。如何优化控制中央空调输配系统成为研究热点。群智能控制系统是一种扁平化、无中心分布式控制网络的新型建筑智能化控制系统,具有即插即用、互联互通、自组织等特点,这为智能建筑的发展提供了新型技术支持,为中央空调输配系统扩散问题提供了新的解决方案。且输配系统中冷冻水系统与送风系统在组成与运行方面存在共性特征,这在末端扩散问题上显得尤为明显,中央空调输配系统优化通式具有广泛的应用场景,如何在群智能架构下实现中央空调输配系统优化通式值得进一步研究。此外,当前可实现群智能算法应用的实际工程项目不多,算法在实际应用前的检测受限。本文以中央空调空调输配系统为研究对象,尝试寻找普适于中央空调输配系统的控制策略与算法,以实现群智能架构下的末端扩散优化控制,主要工作如下。首先,以大连某高校图书馆的中央空调系统冷冻水与辽宁省绿色建筑与节能工程实验室送风系统为原型,确定模拟设备数量与型号。利用Pycharm编程软件完成中央空调冷冻水系统与送风系统的设备性能模型与分布式控制算法的编程,并借助分布式仿真平台进行仿真研究。通过输入外部边界条件,验证模型与分布式算法的正确性与可行性。其次,基于模型原型与Pycharm已完成验证的设备模型,分别搭建中央空调冷冻水系统与送风系统的群智能机电设备模拟测试平台,实现各模拟器间之间的通讯,并对模拟器平台中各模拟器设备模型与设备优化模型进行检测调试,为后续群智能算法的研究提供测试平台。第三,利用群智能机电设备模拟测试平台,试验研究冷冻水系统的变压差设定值分布式调整算法的应用效果,研究该分布式调整算法的工况适应性与节能效果等。结果证明本文所搭建的模拟器平台可实现分布式算法的运行,且本文提出的分布式调整算法具有良好的应用效果,可保证各用户的供能要求与送风温度控制效果。最后,总结提炼变流量空调输配系统的冷冻水系统与送风系统在组成、运行与控制方面的相似之处与共性特征。结合已在群智能机电设备模拟测试平台中验证的变压差设定值分布式调整算法,提出一套适用于解决中央空调输配系统末端阀位扩散问题的分布式变压力设定值优化算法通式。本文的工作为中央空调输配系统动力设备工作状态调整与压力设定值的获取提出一套分布式调整算法,有益于解决输配系统的扩散优化问题,使系统更为节能高效地运行,控制更为稳定、计算效率更快、灵活性更高。
袁柯婷[3](2021)在《变风量空调温度与温度解耦控制方法研究》文中认为随着建筑设备和技术的不断进步,空调系统已经成为现代建筑必不可少的部分,也是社会能耗的重要来源之一。本文针对空调系统中使用最为广泛的变风量空调系统温度与湿度调节过程中的耦合问题展开讨论。设计了基于逆系统的自适应PID控制器,旨在实现温度与湿度解耦的前提下,提高温度与湿度的控制效果。本文通过研究分析变风量空调系统的工作原理、人体舒适性范围和湿空气动态变化过程,分别建立房间温度与湿度双闭环控制回路,并结合空调系统在调节房间温湿度过程中的耦合特性进行分析。应用机理法和参数辨识分别得出温度与湿度内环与外环传递函数以及调节过程中的耦合传递函数。针对传统前馈补偿解耦控制方法调节时间较长,动态偏差较大等不足,提出基于RBF神经网络逆系统的解耦方案,通过构造逆系统与原系统组成的伪线性系统,使原本存在耦合的回路变成单输入单输出的系统,从而实现温度与湿度的解耦。将解耦器与BP-PID控制器相结合形成闭环控制,使空调房间的温度与湿度能够在规定的范围内稳定输出,达到系统所要求的控制效果。为了解决BP神经网络局部极值和泛化能力差等问题,对比PSO与GSO对BP神经网络的权值和阈值的优化效果,采用GSO算法自整定BP-PID控制器,进一步提高空调房间温度与相对湿度控制精确度。将本文所设计的解耦控制器应用于温度与湿度控制回路中,进行仿真分析,验证解耦控制效果。实验结果表明:相较于传统的前馈补偿解耦控制,基于RBF逆系统的GSO-BP-PID控制器使温湿度控制系统输出更加精确,超调量更小,同时稳定性和抗干扰能力也有所提高,达到了良好的控制效果。本文对变风量空调温度与湿度解耦控制的研究,为解决变风量空调的多回路解耦控制和能耗研究,在技术理论层面提供了一定的参考价值。
王宁[4](2021)在《建筑多区域变风量空调系统温湿度的预测控制研究》文中提出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[5](2020)在《变风量空调系统房间温度控制研究》文中认为目前,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。
宋亭亭[6](2020)在《超高层建筑变风量空调系统的研究》文中研究表明随着中国经济的蓬勃发展,高层建筑如雨后春笋般涌现,超高层建筑更是代表了城市经济的繁荣,而创造一个健康舒适且经济节能的室内环境是设计师研究的一个重要课题。且具有重要的经济与社会意义。空调通风设计是超高层建筑设计的一个难点,若系统设计不合理,则会导致室温调节不能满足使用需求、空调系统耗能大、噪声过高等一系列问题。经统计,超高层建筑的暖通空调系统的能耗约占建筑总能耗的1/3左右,为了实现我国可持续发展的战略目标,达到节能的目的,暖通空调系统的设计应尽可能的降低能耗,合理分配并使用能源,还要尽可能的减小污染物的排放。变风量空调系统(Variable Air Volume,VAV)由于灵活性好、空气品质好、更节能的优势,近年来得到了广泛的应用。相对于传统的定风量空调系统,其工作原理是通过改变空调房间的送风量,来实现人们对不同房间温湿度的使用要求。但由于变风量空调系统的控制要求较高,在国内建筑中的应用受到了限制。本文在阅读了大量的研究文献的基础上,对超高层建筑变风量空调系统进行介绍和研究,从国内外形势出发,分析了变风量空调系统在国内外的发展及应用,从而提出了本文的研究内容及方法。通过简单介绍变风量系统的基本原理,从具体项目出发,通过PMV值的计算及分析确定了空调系统外区的进深,提出了一种空调内外分区的计算方法,从而阐述了空调系统划分内外分区的必要性。本文通过具体超高层项目的负荷计算分析了室内参数的取值对负荷的影响,从而确定合理的室内参数。通过内外区负荷分析,确定了内外区空调系统所承担的负荷,最终确定了空调系统的分区方案。本文通过变风量空调系统与其他空调系统的比较,确定了研究建筑的空调系统形式。并通过实际项目的运行调试,提出变风量空调系统在实际运行中遇到的问题,确定了系统中静压点的最优位置,最终给出解决策略。通过变风量空调系统的能耗分析阐述了变风量空调系统的节能特性。
李琦[7](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》文中提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。
李晓妮[8](2020)在《变风量空调系统在大型公共建筑中的应用》文中研究说明随着世界化工业进程的不断加剧,技术水平和人民生活质量的不断提高,对能源的需求也不断增长,能源短缺已经成为制约国民经济发展的重要因素。在我国,建筑能源消耗是同等条件下发达国家的2-3倍,其中,空调系统的能耗已占建筑用电能耗的70%,因此对空调节能技术的研究具有重要实践价值。本文以VAV系统的控制为切入点,并结合深圳某国际中心项目的实例,建立空调系统的数字化模型,分析VAV控制各控制方案,以及阐述VAV系统调试方法、项目后期的运营管理等在工程中成功应用。首先,分析了VAV系统的对比原始空调系统的优缺点以及推广原因,分析系统各环节的工作原理、特点,通过数字的方式建立其数字化模型。为后续分析和控制系统提供理论依据,为全论文的基础环节。其次,以深圳某国际商业中心项目为研究背景,逐步展开,从分析变风量空调系统控制方案入手,根据方案提出定静压与变静压结合的再静压重设的控制方案,从而克服了定静压系统的控制不能最佳匹配,以及变静压系统的不易控制等缺点,同时也可做到优化整个弱电控制系统,优化了系统动态和静态的性能指标,优化指标。通过软件仿真模拟控制方式,建立控制模块和空调房间模块,在仿真时对房间室内温度、送风量控制比较,选出更适用于本文中的背景项目的控制方式。另外,再次以项目为研究背景,详细阐述了变风量系统的调试方法,主要包括VAVBOX空调器单机调试、系统风量平衡调试、系统自控调试等,同时分析在调试过程中出现的问题,提出解决办法,具有一定的现实指导意义。最后,阐述了主要包含节能运行、安全运行、系统维修的运行管理内容。
余紫瑞[9](2020)在《基于群智能的变风量空调送风系统控制与优化研究》文中指出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。
陈宗帅[10](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》文中提出变风量空调系统(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。
二、变风量空调系统控制方法的探讨(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、变风量空调系统控制方法的探讨(论文提纲范文)
(2)中央空调输配系统群智能扩散优化方法及应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与研究意义 |
1.2 中央空调输配系统优化控制的意义与研究进展 |
1.2.1 中央空调输配系统运行研究进展 |
1.2.2 扩散问题的研究进展 |
1.3 群智能控制的意义与研究进展 |
1.3.1 群智能架构概况 |
1.3.2 空调系统群智能控制算法的研究进展 |
1.3.3 群智能架构下的扩散问题 |
1.4 中央空调输配系统扩散优化控制策略分析 |
1.5 研究内容与思路 |
2 中央空调水系统分布式扩散优化算法的仿真研究 |
2.1 分布式仿真平台介绍 |
2.1.1 平台模块简介 |
2.1.2 平台使用流程介绍 |
2.1.3 PyCharm 编程软件简介 |
2.2 冷冻水系统 DSP 仿真模拟概况介绍 |
2.2.1 冷冻水系统概况介绍 |
2.2.2 冷冻水系统的基本单元划分与系统网络拓扑介绍 |
2.2.3 冷冻水系统 DSP 仿真逻辑介绍 |
2.3 冷冻水系统仿真内容介绍 |
2.3.1 冷冻水系统仿真模型编写 |
2.3.2 冷冻水系统控制回路介绍 |
2.3.3 压差设定值分布式调整算法的提出 |
2.4 冷冻水系统 DSP 仿真模拟边界条件设计 |
2.5 冷冻水系统 DSP 仿真流程展示 |
2.6 冷冻水系统仿真模拟结果分析 |
2.7 本章小结 |
3 中央空调风系统分布式扩散优化算法的仿真研究 |
3.1 送风系统概况介绍 |
3.1.1 模拟送风系统概况介绍 |
3.1.2 送风系统网络拓扑构建 |
3.1.3 送风系统仿真逻辑介绍 |
3.2 送风系统仿真内容介绍 |
3.2.1 送风系统仿真模型编写 |
3.2.2 送风系统控制回路介绍 |
3.2.3 送风系统分布式调整算法的提出 |
3.3 送风系统 DSP 仿真模拟边界条件设计 |
3.4 送风系统 DSP 仿真流程展示 |
3.5 送风系统模拟仿真结果分析 |
3.6 本章小结 |
4 群智能机电设备模拟测试平台搭建与测试 |
4.1 群智能机电设备模拟测试平台硬件介绍 |
4.1.1 CPN 简介 |
4.1.2 PLC 简介 |
4.1.3 HMI 触摸屏简介 |
4.2 冷冻水模拟器平台的搭建 |
4.2.1 冷冻水系统模拟器模型介绍 |
4.2.2 冷冻水系统模拟器平台的模型性能测试 |
4.3 送风系统模拟器平台的搭建 |
4.3.1 送风系统模拟器模型介绍 |
4.3.2 送风系统模拟器平台的模型性能测试 |
4.4 本章小结 |
5 中央空调输配系统群智能扩散优化算法的应用试验与通式研究 |
5.1 冷冻水系统模拟器平台试验方案设计 |
5.1.1 模拟器平台试验参数变量设计 |
5.1.2 试验参数变量实现流程介绍 |
5.2 压差设定值分布式调整算法 APP 编写 |
5.2.1 变量定义 |
5.2.2 自定义功能函数编写 |
5.2.3 应用编程 |
5.3 冷冻水系统模拟器平台试验结果分析 |
5.4 中央空调输配系统末端扩散优化算法通式 |
5.4.1 中央空调输配系统共性提炼 |
5.4.2 中央空调输配系统末端扩散优化通式的提出 |
5.5 本章小结 |
结论 |
参考文献 |
附录 A 冷冻水系统 DSP 仿真节点 1 拓扑信息代码 |
攻读硕士学位期间发表论文情况 |
参与的科研项目与社会实践 |
致谢 |
(3)变风量空调温度与温度解耦控制方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究目的 |
1.3 变风量空调温湿度研究现状 |
1.3.1 变风量空调温湿度国外研究现状 |
1.3.2 变风量空调温湿度国内研究现状 |
1.4 本文主要研究内容 |
1.5 本文主要结构及章节安排 |
2 变风量空调温湿度控制对象分析 |
2.1 变风量空调系统概述 |
2.2 变风量空调系统基本原理 |
2.3 变风量空调末端装置 |
2.3.1 变风量空调总风管风量控制方法 |
2.3.2 变风量空调末端控制回路分析 |
2.4 湿空气焓湿图 |
2.4.1 焓湿图的构成 |
2.4.2 焓湿图的应用 |
2.4.3 焓湿图舒适区的确定 |
2.5 本章小结 |
3 变风量空调系统温湿度控制对象建模 |
3.1 建模方法 |
3.1.1 建模方法种类 |
3.1.2 辨识原理及步骤 |
3.2 变风量空调系统控制回路分析 |
3.3 被控对象模型的建立 |
3.3.1 .房间温度模型 |
3.3.2 .房间湿度模型 |
3.3.3 房间温湿度耦合特性分析 |
3.4 本章小结 |
4 变风量空调温湿度解耦控制研究 |
4.1 解耦控制概述 |
4.2 变风量空调温湿度前馈补偿解耦设计 |
4.3 变风量空调温湿度逆系统解耦控制系统 |
4.3.1 逆系统解耦控制原理 |
4.3.2 变风量空调温湿度神经网络逆系统解耦控制结构 |
4.3.3 变风量空调逆系统解耦算法设计 |
4.3.4 变风量空调温湿度RBF神经网络逆系统训练 |
4.3.5 变风量空调温湿度逆系统解耦控制方案 |
4.4 变风量空调温湿度逆模型自适应PID控制器优化设计 |
4.4.1 萤火虫算法的基本原理 |
4.4.2 GSO优化BP神经网络 |
4.4.3 变风量空调温湿度总方案设计 |
4.5 本章小结 |
5 变风量空调温湿度仿真及结果分析 |
5.1 房间温度控制回路仿真分析 |
5.2 房间湿度控制回路仿真分析 |
5.3 变风量空调温湿度控制仿真分析 |
5.3.1 变风量空调温湿度耦合仿真分析 |
5.3.2 变风量空调温湿度前馈补偿解耦仿真分析 |
5.3.3 变风量空调温湿度神经网络逆系统解耦仿真分析 |
5.3.4 变风量空调温湿度GSO优化仿真分析 |
5.4 变风量空调房间温湿度实验结果分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(4)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 |
(5)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 |
(6)超高层建筑变风量空调系统的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外现状综述 |
1.3 主要研究内容和方法 |
第2章 变风量空调系统内外分区研究 |
2.1 变风量空调系统概述 |
2.1.1 变风量空调系统的组成及特征 |
2.1.2 变风量系统末端装置的分类及其特点 |
2.1.3 变风量末端装置的特点与使用范围 |
2.2 研究对象概述 |
2.3 空调系统外区进深研究 |
2.3.1 不同进深室内各点的计算温度 |
2.3.2 基于PMV值的外区进深 |
2.4 变风量空调系统内、外分区负荷的研究 |
2.4.1 负荷计算 |
2.4.2 标准层办公空调内、外区冷负荷分析 |
2.5 本章小结 |
第3章 超高层建筑变风量空调系统可行性及方案设计研究 |
3.1 从能耗角度研究空调的基本形式 |
3.1.1 能耗的影响因素 |
3.1.2 能耗分析 |
3.2 变风量空调系统技术可行性研究 |
3.2.1 主动冷梁空调系统 |
3.2.2 辐射板+地板送风空调系统 |
3.2.3 系统比较 |
3.3 变风量系统布置形式的确定 |
3.4 变风量系统末端装置的确定 |
3.5 系统风量的确定 |
3.5.1 影响系统风量计算的因素 |
3.5.2 计算过程 |
3.6 变风量末端装置的选择与确定 |
3.6.1 一次风最大风量 |
3.6.2 一次风最小风量 |
3.7 变风量空调系统的自动控制 |
3.7.1 变风量系统的末端控制 |
3.7.2 定静压控制法的应用 |
3.8 本章小结 |
第4章 变风量系统的运行调试 |
4.1 变风量空调系统调试的特点 |
4.2 变风量空调系统的调试 |
4.2.1 变风量空调系统的调试流程 |
4.2.2 变风量空调系统的调试内容 |
4.2.3 主要调试仪器 |
4.2.4 变风量系统定静压点的确定 |
4.2.5 空调自动调节系统的调试 |
4.3 项目调试中出现的问题及解决方法 |
4.3.1 调试中出现的具体问题 |
4.3.2 解决方法 |
4.4 本章小结 |
第5章 定静压变风量空调系统的能耗分析 |
5.1 不同静压点能耗的对比 |
5.2 最优定静压点与设定定静压点风机能耗对比 |
5.3 本章小结 |
第6章 结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(7)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 |
(8)变风量空调系统在大型公共建筑中的应用(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 引言 |
1.2 国内变风量空调系统的应用现状 |
1.3 课题工程背景介绍 |
1.3.1 项目基本概况 |
1.3.2 项目空气调节系统概况 |
1.3.3 项目变风量系统控制系统概况 |
1.4 本文研究目的和研究内容 |
2 变风量空调系统设计 |
2.1 引言 |
2.1.1 变风量系统的设计组合 |
2.2 空调系统负荷计算 |
2.2.1 收集建筑资料,确定空调分区,划分空调系统 |
2.2.2 冷负荷计算 |
2.3 空气处理及输送设备选型 |
2.4 空调系统阻力分析 |
2.4.1 风管沿程阻力损失 |
2.4.2 风管局部阻力损失 |
2.5 变风量空调系统末端装置 |
2.6 空调系统噪声计算 |
2.7 变风量空调系统深化设计实例 |
2.7.1 变频空气处理机组冷量、风量的复核 |
2.7.2 机外余压复核 |
2.7.3 噪声复核 |
2.8 本章小结 |
3 变风量空调系统的控制及仿真模拟 |
3.1 变风量空调系统控制概述 |
3.2 变风量空调系统控制要点 |
3.2.1 房间温度控制 |
3.2.2 送风温度控制 |
3.2.3 新风量控制 |
3.2.4 直接数字控制(DDC) |
3.3 变风量空调系统控制策略 |
3.3.1 变频机组常规控制策略 |
3.3.2 变频机组在不同负荷下的控制策略 |
3.3.3 变频机组变频控制策略 |
3.3.4 末端VAVBOX控制策略 |
3.3.5 变风量空调系统其他控制点策略 |
3.4 静压重设控制 |
3.4.1 静压重设控制 |
3.4.2 风量超越需求的情况 |
3.4.3 风量亏欠需求的情况 |
3.4.4 风量平衡情况 |
3.5 变风量空调系统仿真模拟与控制方式性能比较 |
3.5.1 定静压控制系统 |
3.5.2 变静压的静压重设控制系统 |
3.5.3 总风量控制系统 |
3.5.4 系统性能的比较 |
3.6 本章小结 |
4 变风量空调系统调试方法 |
4.1 变风量空调系统调试仪器 |
4.2 变频机组单机调试 |
4.2.1 调试前检查 |
4.2.2 调试步骤与方法 |
4.3 VAVBOX空调器单机调试 |
4.3.1 VAVBOX通讯状态测试 |
4.3.2 VAVBOX控制器功能动作测试 |
4.3.3 VAVBOX热水盘电动水阀开关动作测试 |
4.3.4 VAVBOX一次最大进风量修正设置 |
4.3.5 冬夏季工况转换转换调试 |
4.4 风量平衡调试 |
4.4.1 系统风量平衡调试 |
4.4.2 末端风口风量平衡调试 |
4.5 变风量空调系统自控调试 |
4.5.1 新风量、回风CO2浓度与新风VAV控制调试 |
4.5.2 送风温度与空调水电动调节阀控制调试 |
4.5.3 静压值与变频机组运行频率变化调试 |
4.5.4 机组回风段过滤器压差报警调试 |
4.6 本章小结 |
5 变风量空调系统的运行管理 |
5.1 节能运行 |
5.1.1 定静压控制的节能性分析 |
5.2 系统维修保养 |
5.2.1 变频机组维修保养 |
5.2.2 维修保养 |
5.2.3 故障分析 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 工作展望 |
参考文献 |
作者简介 |
作者在攻读硕士学位期间获得的学术成果 |
致谢 |
(9)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 |
(10)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 |
四、变风量空调系统控制方法的探讨(论文参考文献)
- [1]船用变风量空调系统调控技术研究综述[J]. 黄伟稀,陈文华,何涛,郝夏影. 舰船科学技术, 2021(17)
- [2]中央空调输配系统群智能扩散优化方法及应用[D]. 周颖. 大连理工大学, 2021(01)
- [3]变风量空调温度与温度解耦控制方法研究[D]. 袁柯婷. 西安科技大学, 2021(02)
- [4]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(02)
- [5]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)
- [6]超高层建筑变风量空调系统的研究[D]. 宋亭亭. 哈尔滨工业大学, 2020
- [7]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(02)
- [8]变风量空调系统在大型公共建筑中的应用[D]. 李晓妮. 沈阳建筑大学, 2020(04)
- [9]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
- [10]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)