現(xiàn)代控制理論

1、中央空調(diào)系統(tǒng)優(yōu)化控制策略研究(ynji)共三十一頁(yè)主要(zhyo)內(nèi)容研究背景(bijng)和意義選取研究方法系統(tǒng)樣本采集和數(shù)據(jù)預(yù)處理系統(tǒng)模型辨識(shí)系統(tǒng)性能優(yōu)化共三十一頁(yè)研究背景(bijng)和意義經(jīng)濟(jì)高速增長(zhǎng)，能源緊缺，環(huán)境(hunjng)問(wèn)題日益凸顯建筑能耗超過(guò)全國(guó)總能耗的25%在公共建筑中中央空調(diào)能耗占到40%以上中央空調(diào)大都是在部分負(fù)荷下運(yùn)行（效率低)共三十一頁(yè)研究(ynji)背景和意義設(shè)想找出空調(diào)系統(tǒng)機(jī)組的最優(yōu)運(yùn)行工況，并通過(guò)控制系統(tǒng)實(shí)現(xiàn)(shxin)能量匹配的自動(dòng)調(diào)節(jié),將大幅度地降低中央空調(diào)系統(tǒng)能耗共三十一頁(yè)研究(ynji)方法發(fā)展(fzhn)現(xiàn)狀手動(dòng)調(diào)節(jié)電氣組合儀表調(diào)節(jié)計(jì)算機(jī)管理控

2、制優(yōu)化控制建立模型參數(shù)辨識(shí)工況優(yōu)化共三十一頁(yè)研究(ynji)方法建模方法(fngf)物理特性系統(tǒng)辨識(shí)物理和系統(tǒng)辨識(shí)結(jié)合共三十一頁(yè)研究(ynji)方法對(duì)象系統(tǒng)分析結(jié)構(gòu)及原理分析(fnx)組成：水系統(tǒng)（制冷機(jī)組，水泵，風(fēng)機(jī)等）和空氣處理系統(tǒng)原理：五個(gè)循環(huán)，四個(gè)熱交換過(guò)程能耗分析結(jié)果：水系統(tǒng)占了絕大部分共三十一頁(yè)研究(ynji)方法對(duì)象系統(tǒng)特點(diǎn) 多變量、非線(xiàn)性、系統(tǒng)復(fù)雜、設(shè)備(shbi)較多且相互影響(約束)建模方法 系統(tǒng)辨識(shí)法人工神經(jīng)網(wǎng)絡(luò)（ANN）和遺傳算法（GA）共三十一頁(yè)研究(ynji)方法人工神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)系統(tǒng)出發(fā)點(diǎn)是模擬人腦功能，它由大量的神經(jīng)元互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，具有(jyu

3、)學(xué)習(xí)、識(shí)別、聯(lián)想、記憶等功能ANN模型含三層：輸入層、隱含層（一或多層)、輸出層一般ANN模型為三層，因?yàn)槿龑由窠?jīng)網(wǎng)絡(luò)即可以表示任意一個(gè)非線(xiàn)性映射關(guān)系A(chǔ)NN模型主要由三個(gè)因素決定:神經(jīng)元特性、網(wǎng)絡(luò)結(jié)構(gòu)以及學(xué)習(xí)或訓(xùn)練規(guī)則共三十一頁(yè)研究(ynji)方法神經(jīng)元是神經(jīng)網(wǎng)絡(luò)中最基本的處理單元神經(jīng)元是一個(gè)多輸入單輸出的信息處理單元,但輸出可以聯(lián)接到其它多個(gè)神經(jīng)元，且對(duì)信息的處理是非線(xiàn)性的調(diào)節(jié)(tioji)神經(jīng)元之間的權(quán)值和閾值，可使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出共三十一頁(yè)研究(ynji)方法ANN特性具有良好的非線(xiàn)性映射能力、自學(xué)習(xí)適應(yīng)能力和信息并行處理能力在系統(tǒng)辨識(shí)方面的優(yōu)點(diǎn)可用于模型不確定(qudng)，本質(zhì)

4、非線(xiàn)性系統(tǒng)收斂速度僅與網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法有關(guān)可在線(xiàn)辨識(shí)，在線(xiàn)控制共三十一頁(yè)研究(ynji)方法BP（Back-propagation）算法BP算法是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法BP神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)通常指基于(jy)誤差反向傳播算法(BP算法)的多層前向神經(jīng)網(wǎng)絡(luò)，采用導(dǎo)師信號(hào)的訓(xùn)練方式BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是由輸入正向傳播和誤差反向傳播組成的共三十一頁(yè)研究(ynji)方法BP網(wǎng)絡(luò)的不足網(wǎng)絡(luò)結(jié)構(gòu)需要多次試驗(yàn)進(jìn)行優(yōu)化和選取容易(rngy)陷入局部最?。ㄗ顑?yōu)）初參數(shù)設(shè)置對(duì)學(xué)習(xí)速度和收斂性影響大引入新的算法遺傳算法（GA）一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法，基本思想是：適者生存，優(yōu)勝劣汰共三十一頁(yè)

5、研究(ynji)方法實(shí)現(xiàn)遺傳算法包括七個(gè)主要(zhyo)環(huán)節(jié)染色體編碼群體初始化個(gè)體適應(yīng)度評(píng)價(jià)選擇算子交叉算子變異算子算法終止條件共三十一頁(yè)研究(ynji)方法遺傳算法特點(diǎn)遺傳算法以參數(shù)編碼作為運(yùn)算對(duì)象遺傳算法直接(zhji)以適應(yīng)度作為搜索信息遺傳算法多個(gè)搜索點(diǎn)并行搜索信息遺傳算法使用概率搜索技術(shù)共三十一頁(yè)樣本(yngbn)采集和數(shù)據(jù)預(yù)處理空調(diào)負(fù)荷易受氣象參數(shù)(cnsh)和室內(nèi)狀態(tài)影響影響中央空調(diào)工況的主要因素冷卻水溫、冷凍水溫度、冷凍水流量 冷卻水流量、制冷量空調(diào)負(fù)荷變動(dòng)較大，且常在部分負(fù)荷下運(yùn)行共三十一頁(yè)樣本采集(cij)和數(shù)據(jù)預(yù)處理參數(shù)選定輸入(shr)參數(shù)冷凍水出口溫度、冷卻水進(jìn)口溫

6、度、冷凍水流量、冷卻水流量和制冷量輸出參數(shù)制冷性能參數(shù)（COP）共三十一頁(yè)樣本采集(cij)和數(shù)據(jù)預(yù)處理神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本選取樣本數(shù)量要足夠多，且要具有代表性參考經(jīng)驗(yàn)規(guī)則，即訓(xùn)練樣本數(shù)是網(wǎng)絡(luò)連接權(quán)總數(shù)的510倍本文根據(jù)廠(chǎng)家提供的性能曲線(xiàn)，擬合得到(d do)足夠的數(shù)據(jù)樣本，選用500組數(shù)據(jù)進(jìn)行訓(xùn)練，另外有100組數(shù)據(jù)用來(lái)測(cè)試和驗(yàn)證共三十一頁(yè)樣本采集(cij)和數(shù)據(jù)預(yù)處理根據(jù)某廠(chǎng)家的活塞式冷水機(jī)組樣本數(shù)據(jù)進(jìn)行究，水泵選用KLD(W)系列,型號(hào)為65一5.5A，根據(jù)廠(chǎng)家樣本和性能曲線(xiàn)實(shí)際情況，上述五個(gè)參數(shù)的變化范圍(fnwi)如下：冷凍水出口溫度變化范圍：5。C10。C冷卻水進(jìn)口溫度變化范圍：26。

7、C32。C冷凍水流量變化范圍：67%100%冷卻水流量變化范圍：67%100%制冷量運(yùn)行變化范圍：70%100%共三十一頁(yè)樣本采集(cij)和數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理為了保證輸入各參數(shù)分量具有同等重要的地位，加快神經(jīng)網(wǎng)絡(luò)的收斂速度和提高精度，用“歸一化”方法樣本數(shù)據(jù)進(jìn)行(jnxng)預(yù)處理歸一化是指通過(guò)變換處理將網(wǎng)絡(luò)的輸入、輸出數(shù)據(jù)限制在0,1或1,1區(qū)間內(nèi)共三十一頁(yè)系統(tǒng)(xtng)模型辨識(shí)BP網(wǎng)絡(luò)設(shè)計(jì)結(jié)合本文研究的實(shí)際情況,網(wǎng)絡(luò)結(jié)構(gòu)采用5n1模式,n的大小在在914左右,BP算法的誤差為err_goal=0.01,學(xué)習(xí)速率lr=0.01,隱層傳遞函數(shù)為tansig,輸出(shch)層傳遞函數(shù)為p

8、urelin,學(xué)習(xí)函數(shù)為trainlm,初始權(quán)值和閾值由GA算法優(yōu)化得到。共三十一頁(yè)系統(tǒng)模型(mxng)辨識(shí)GABP算法的步驟 取三層BP網(wǎng)絡(luò)， 為輸入層中第 個(gè)結(jié)點(diǎn)的輸出， 為隱含(yn hn)層中第 個(gè)結(jié)點(diǎn)的輸出; 為輸出層中第個(gè)結(jié)點(diǎn)的輸出， 為輸入層中第 個(gè)結(jié)點(diǎn)與隱含層第 個(gè)結(jié)點(diǎn)的連接權(quán)值; 為隱含層中 個(gè)結(jié)點(diǎn)與輸出層第 個(gè)結(jié)點(diǎn)的連接權(quán)值，遺傳算法學(xué)習(xí)BP網(wǎng)絡(luò)的步驟如下：共三十一頁(yè)系統(tǒng)(xtng)模型辨識(shí)（1）初始化種群P=30，遺傳代數(shù)80,交叉概率 ，突變概率 =0.005 ，以及對(duì)任一 和 初始化，在編碼中，采用實(shí)數(shù)進(jìn)行編碼（2）計(jì)算每一個(gè)個(gè)體適應(yīng)度并將其排序，按下式概率值選擇網(wǎng)絡(luò)

9、個(gè)體：其中 為個(gè)體 的適應(yīng)度，可用誤差平方和E來(lái)衡量： 其中，其中， =1，.，N為染色體數(shù)，p為學(xué)習(xí)樣本數(shù)，Y為網(wǎng)絡(luò)輸出，T為教師型號(hào)（3）以概率 對(duì)個(gè)體 和 交叉操作產(chǎn)生新個(gè)體 和 ，沒(méi)有進(jìn)行交叉操作的個(gè)體直接進(jìn)行復(fù)制（4）利用概率 突變產(chǎn)生 的新個(gè)體（5）將新個(gè)體插入到種群 P 中，并計(jì)算新個(gè)體的評(píng)價(jià)函數(shù)（6）計(jì)算ANN的誤差平方和，若達(dá)到預(yù)定值 ，則轉(zhuǎn)(7)，否則轉(zhuǎn)(3)繼續(xù)進(jìn)行遺傳操作（7）以GA遺傳出的優(yōu)化初值作為初始權(quán)值,用BP算法訓(xùn)練網(wǎng)絡(luò),直到指定精度 停止(tngzh)訓(xùn)練條件：1）達(dá)到設(shè)定的訓(xùn)練次數(shù)；2）達(dá)到設(shè)定的性能指標(biāo)共三十一頁(yè)系統(tǒng)模型(mxng)辨識(shí)Matlab編程仿

10、真(fn zhn)采用了多種模型結(jié)構(gòu)分別進(jìn)行測(cè)試訓(xùn)練設(shè)定的訓(xùn)練次數(shù)為2000次 網(wǎng)絡(luò)訓(xùn)練最終的權(quán)值和閾值確定了系統(tǒng)輸入量與輸出量的映射關(guān)系共三十一頁(yè)系統(tǒng)模型(mxng)辨識(shí)GABP算法誤差(wch)平方和曲線(xiàn)共三十一頁(yè)系統(tǒng)模型(mxng)辨識(shí)驗(yàn)證(ynzhng)模型選用50個(gè)例子進(jìn)行驗(yàn)證預(yù)測(cè)值與實(shí)際值吻合情況如圖共三十一頁(yè)系統(tǒng)(xtng)性能優(yōu)化 -電機(jī)輸入(shr)功率，kw -泵的輸入功率，kw定義冷水機(jī)組的綜合性能系數(shù)COPs，共三十一頁(yè)系統(tǒng)(xtng)性能優(yōu)化當(dāng)負(fù)荷發(fā)生變化時(shí),假定冷凍水出口溫度不變,冷凍水流量的隨負(fù)荷同比例(bl)變化,冷卻水進(jìn)口溫度隨負(fù)荷發(fā)生變化,變化關(guān)系根據(jù)ARI

11、標(biāo)準(zhǔn)得出,冷卻水優(yōu)化結(jié)果如下表：冷卻水流量?jī)?yōu)化其他參數(shù)不變，驗(yàn)證結(jié)果如下:共三十一頁(yè)系統(tǒng)(xtng)性能優(yōu)化冷凍(lngdng)水流量?jī)?yōu)化當(dāng)負(fù)荷發(fā)生變化時(shí),假定冷凍水出口溫度不變,冷卻水進(jìn)口溫度隨負(fù)荷發(fā)生變化,變化關(guān)系根據(jù)ARI標(biāo)準(zhǔn)得出,同時(shí)假定冷卻水流量隨負(fù)荷同比例變化,冷凍水優(yōu)化結(jié)果如下表：其他參數(shù)不變，驗(yàn)證結(jié)果如下:共三十一頁(yè)Thank you共三十一頁(yè)內(nèi)容摘要中央空調(diào)系統(tǒng)優(yōu)化控制策略研究。建筑能耗超過(guò)全國(guó)總能耗的25%。ANN模型含三層：輸入層、隱含層（一或多層)、輸出層。一般ANN模型為三層，因?yàn)?yn wi)三層神經(jīng)網(wǎng)絡(luò)即可以表示任意一個(gè)非線(xiàn)性映射關(guān)系。使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出。BP算法是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)