基于神經網絡的房間空調器控制系統(tǒng)

基于神經網絡的房間空調器控制系統(tǒng)摘要：以神經網絡為基礎，綜合考慮影響室內人員熱舒適的多種重要環(huán)境因素，建立了房間空調器控制系統(tǒng)。介紹了該系統(tǒng)的結構和控制原理。該控制系統(tǒng)將比單純以溫度為控制參數的傳統(tǒng)控制方法更能滿足室內人員的舒適性和健康性要求，可達到創(chuàng)造良好舒適的室內環(huán)境的目的。關鍵字：神經網絡房間空調器控制系統(tǒng)熱舒適0前言通常中小型空間內的熱環(huán)境由房間空調器來調節(jié)。房間空調器可用的調節(jié)手段一般有電子膨脹閥的控制、制冷壓縮機的變頻調節(jié)和風機轉速的控制[1]。一套好的房間空調器應能通過這些可用的調節(jié)手段來調節(jié)影響室內環(huán)境的眾多因素，在達到使室內人員熱舒適的同時，又能實現(xiàn)經濟性和節(jié)能的目的。然而，目前房間空調器單純以溫度為控制參數，忽略了其它幾個影響室內環(huán)境的重要因素[2]；另外因為空調系統(tǒng)的控制對象的隨機、時變、時滯、和非線性特征比較明顯，傳統(tǒng)的控制方法如PID控制，對控制參數不易實現(xiàn)在線調節(jié)，自動調節(jié)能力較差。如果引入神經網絡理論可很好地解決上述問題[3]。因此，本文基于神經網絡建立了房間空調器控制系統(tǒng)。1房間空調器神經網絡控制系統(tǒng)本文設計的房間空調器神經網絡控制系統(tǒng)如圖1所示。由于神經網絡的非線性映射能力，神經網絡控制器期望能夠通過四個環(huán)境參數量，直接得出三個控制量的值。用神經網絡控制器的實際輸出與訓練部分的輸出之間的誤差對網絡進行訓練，網絡通過學習后能直接反映環(huán)境參數與控制量之間的映射關系。圖1房間空調器神經網絡控制系統(tǒng)神經網絡控制器訓練好之后，整個網絡的控制就相當于一種開環(huán)控制，而且沒有誤差，能夠比其他控制方法有更好的效果。1.1神經網絡熱舒適評判模型[4]神經網絡熱舒適評判模型既充分考慮了環(huán)境影響因素，又完全適用于每一個個體的熱舒適感覺，因此將其作為房間空調器神經網絡控制系統(tǒng)訓練部分的核心。該評判模型的輸入參數選為4個，即空氣溫度、空氣濕度、空氣流動速度和壁面平均輻射溫度。該評判模型的輸出參數取為1個，用來表征室內的熱舒適程度，該參數能達到3種不同的值：0，0.5和1。其中0.5表示舒適，0表示偏冷，1表示偏暖。這里沒有根據P.O.Fanger對人體熱感覺7個級別的劃分，是因為這里期望建立的是一個適合于任何個體的熱舒適范圍的神經網絡評判模型，而且就單個個體來說，他也沒必要分清楚到底是涼還是稍涼，暖還是稍暖。所以，這里將評價集定為3個元素。當然，實際BP網絡輸出只能接近這3數值，故需要神經網絡在通過對樣本的學習后，能夠輸出規(guī)定誤差范圍以內的值。例如，輸出0.99表示系統(tǒng)評判該環(huán)境為偏暖，輸出0.51表示系統(tǒng)評判該環(huán)境為舒適。由模型的輸出參數（1個）和輸入參數（4個），選定隱層節(jié)點數為5個。該模型如圖2所示。圖2神經網絡熱舒適評判模型1.2以神經網絡熱舒適評判模型為核心的訓練部分圖1中的訓練部分（TrainingPart）直接向神經網絡控制器（NNController）提供控制參數，其給出的控制參數的好壞將很大程度上決定室內環(huán)境的熱舒適程度。因此，該訓練部分以神經網絡熱舒適評判模型為核心，讓其根據四個環(huán)境參數（空氣溫度、空氣濕度、空氣流動速度和壁面平均輻射溫度）和室內人員的主觀感覺，對室內人員的舒適區(qū)域進行學習，再以得出的室內人員的舒適區(qū)域為控制依據，用神經網絡智能控制模塊來調節(jié)影響室內居住環(huán)境的四個環(huán)境參數。這樣，室內空調環(huán)境將很好地滿足個人熱舒適要求，可稱之為“個性化空調”。圖3為該訓練部分的詳細結構。通過傳感器測得四個環(huán)境參數，輸入到神經網絡熱舒適評判模塊中，模塊的輸出值表示模塊判斷得出的舒適程度，其值在0～1之間。神經網絡訓練過程中，賦予這個輸出值以實際的意義，“0.5”表示舒適，“0＋”表示偏冷，“1－”表示偏暖，其中為模塊設定誤差。該模塊輸出值與空調器預先設定值0.5比較，得到偏差1。信號1為室內人員的實際舒適狀況，即房間“主人”的輸入?？稍趥€性化空調的用戶遙控器上另設“舒適”、“偏熱”和“偏冷”三個鍵，用戶只需選擇其對房間空調環(huán)境的感覺是“舒適”、“偏熱”、還是“偏冷”即可，而不必考慮具體怎樣調節(jié)各個參數。信號1相應地只有三個值：0、0.5和1，分別代表偏冷，舒適和偏熱。信號1與給定值0.5之間的差值為偏差2。偏差1與偏差2輸入到舒適選擇器里，該器件實現(xiàn)一種類試觸發(fā)器的功能：在室內人員沒有給出信號1的時候，即在沒有偏差2的時候，它的輸出等于偏差1，這種情況應該占大多數時間，因為大多數時間舒適狀況應該由神經網絡熱舒適評判模塊來判斷。然而在神經網絡沒有完全學習到“主人”的熱舒適區(qū)域或“主人”的舒適區(qū)域有波動的時候，神經網絡熱舒適評判模塊的輸出與“主人”的實際感覺可能有誤差，這時候系統(tǒng)的自動調節(jié)結果并不能代表“主人”的主觀意愿，那么他只需通過遙控板輸入信號1，此時舒適選擇器的輸出等于偏差2，偏差1不起作用。室內人員輸入信號1時，信號1的值與神經網絡熱舒適評判模塊輸出值之間的差值為偏差3，偏差3返回到熱舒適評判模塊中的神經網絡做權值修正，進行自學習，以使其能夠更好地判斷“主人”的舒適區(qū)。傳感器傳來的四個關于環(huán)境參數的信號輸入到一個寄存器中。該寄存器的目的是寄存最近一次滿足室內人員舒適感覺的環(huán)境信號，因此寄存指令由舒適選擇器的輸出值給出。當這個輸出值表示“舒適”時，寄存器就存下該時刻的四個環(huán)境信號，并輸出到輸出端。四個關于環(huán)境參數的信號同時與寄存器的輸出相減，得到四個偏差信號（偏差4－7），然后輸入到神經網絡智能控制模塊中。這四個偏差值分別表示當前四個環(huán)境參數與最近一次令室內人員舒適的四個環(huán)境參數之間的差。這里之所以不直接用四個環(huán)境參數測量值作為輸入，而用它們與最近一次舒適狀態(tài)的環(huán)境參數值之差，是為了考慮個體的差異因素，并簡化控制。因為如果直接用四個環(huán)境參數測量值作為輸入的話，對于每套空調器，都需要以其用戶的舒適狀況為依據來設計控制原則，而用差值的話，只需要根據偏差的大小來設定控制原則，這是可以統(tǒng)一制定的。最后，神經網絡智能控制模塊根據傳感器傳來的偏差信號，采用合適的控制算法，得出合適的壓縮機頻率、電子膨脹閥的開度與風機風速，并對其進行調節(jié)。1.3智能控制模塊壓縮機的頻率是由空氣溫度偏差、空氣溫度偏差變化率、濕度偏差、風速偏差、平均輻射溫度偏差和舒適感覺這六個參數輸入到神經網絡中得到的網絡輸出值。需要說明的是，空氣溫度偏差、濕度偏差、風速偏差和平均輻射溫度偏差為當前空氣溫度、濕度、風速和平均輻射溫度這四個環(huán)境參數值與最近一次室內人員舒適狀態(tài)的環(huán)境參數值之差?？諝鉁囟绕钭兓识x為一個采樣間隔內空氣溫度偏差的差值，風速和風速偏差指的也不是風機轉速或者空調出風口處風速，而是室內人員處的風速，由風速傳感器測得。六個輸入參數輸入到神經網絡中，神經網絡輸出壓縮機頻率值；這里的神經網絡可以采用一個三層前饋網絡，各層間采用S型激活函數。神經網絡的希望輸出一般由人工調節(jié)經驗和實驗法來確定，根據希望輸出與神經網絡的實際輸出的偏差來修正權值。實際應用中的這部分神經網絡不需要具有在線學習功能，預先用一個能夠模擬神經網絡自學習的仿真器來確定網絡的權值，權值確定后就無需再改變了。風機的轉速大小由運算法則1確定，運算法則1綜合考慮壓縮機頻率、舒適感覺和風速偏差，這樣不但能使風量與壓縮機功率匹配，而且能使風速滿足室內人員的舒適感覺。電子膨脹閥的開度一般根據過熱度偏差和過熱度偏差變化率來決定，在運算法則2中加入壓縮機頻率和舒適感覺的因素同樣是為了達到制冷劑流量和壓縮機功率匹配，以及室內人員熱舒適的要求。2結論以神經網絡理論為基礎，綜合考慮影響室內人員熱舒適的各種環(huán)境因素，建立的房間空調器的控制系統(tǒng)，將比單純以溫度為控制參數的傳統(tǒng)控制方法更能滿足室內人員的舒適性和健康性要求，可達到創(chuàng)造良好舒適的室內環(huán)境的目的。參考文獻1陳芝久等.制冷裝置自動化.北京,機械工業(yè)出版社,19972POFanger.Thermalcomfort—Analysisandapplicationinenvironme