现代控制理论

1、中央空调系统优化控制策略研究(ynji)共三十一页主要(zhyo)内容研究背景(bijng)和意义选取研究方法系统样本采集和数据预处理系统模型辨识系统性能优化共三十一页研究背景(bijng)和意义经济高速增长，能源紧缺，环境(hunjng)问题日益凸显建筑能耗超过全国总能耗的25%在公共建筑中中央空调能耗占到40%以上中央空调大都是在部分负荷下运行（效率低)共三十一页研究(ynji)背景和意义设想找出空调系统机组的最优运行工况，并通过控制系统实现(shxin)能量匹配的自动调节,将大幅度地降低中央空调系统能耗共三十一页研究(ynji)方法发展(fzhn)现状手动调节电气组合仪表调节计算机管理控

2、制优化控制建立模型参数辨识工况优化共三十一页研究(ynji)方法建模方法(fngf)物理特性系统辨识物理和系统辨识结合共三十一页研究(ynji)方法对象系统分析结构及原理分析(fnx)组成：水系统（制冷机组，水泵，风机等）和空气处理系统原理：五个循环，四个热交换过程能耗分析结果：水系统占了绝大部分共三十一页研究(ynji)方法对象系统特点 多变量、非线性、系统复杂、设备(shbi)较多且相互影响(约束)建模方法 系统辨识法人工神经网络（ANN）和遗传算法（GA）共三十一页研究(ynji)方法人工神经网络神经网络系统出发点是模拟人脑功能，它由大量的神经元互相连接而形成的复杂网络系统，具有(jyu

3、)学习、识别、联想、记忆等功能ANN模型含三层：输入层、隐含层（一或多层)、输出层一般ANN模型为三层，因为三层神经网络即可以表示任意一个非线性映射关系ANN模型主要由三个因素决定:神经元特性、网络结构以及学习或训练规则共三十一页研究(ynji)方法神经元是神经网络中最基本的处理单元神经元是一个多输入单输出的信息处理单元,但输出可以联接到其它多个神经元，且对信息的处理是非线性的调节(tioji)神经元之间的权值和阈值，可使网络输出逼近系统输出共三十一页研究(ynji)方法ANN特性具有良好的非线性映射能力、自学习适应能力和信息并行处理能力在系统辨识方面的优点可用于模型不确定(qudng)，本质

4、非线性系统收敛速度仅与网络结构和学习算法有关可在线辨识，在线控制共三十一页研究(ynji)方法BP（Back-propagation）算法BP算法是目前应用最广泛的神经网络学习算法BP神经网络BP网络通常指基于(jy)误差反向传播算法(BP算法)的多层前向神经网络，采用导师信号的训练方式BP网络的学习过程是由输入正向传播和误差反向传播组成的共三十一页研究(ynji)方法BP网络的不足网络结构需要多次试验进行优化和选取容易(rngy)陷入局部最小（最优）初参数设置对学习速度和收敛性影响大引入新的算法遗传算法（GA）一种通过模拟自然进化过程搜索最优解的方法，基本思想是：适者生存，优胜劣汰共三十一页

5、研究(ynji)方法实现遗传算法包括七个主要(zhyo)环节染色体编码群体初始化个体适应度评价选择算子交叉算子变异算子算法终止条件共三十一页研究(ynji)方法遗传算法特点遗传算法以参数编码作为运算对象遗传算法直接(zhji)以适应度作为搜索信息遗传算法多个搜索点并行搜索信息遗传算法使用概率搜索技术共三十一页样本(yngbn)采集和数据预处理空调负荷易受气象参数(cnsh)和室内状态影响影响中央空调工况的主要因素冷却水温、冷冻水温度、冷冻水流量 冷却水流量、制冷量空调负荷变动较大，且常在部分负荷下运行共三十一页样本采集(cij)和数据预处理参数选定输入(shr)参数冷冻水出口温度、冷却水进口温

6、度、冷冻水流量、冷却水流量和制冷量输出参数制冷性能参数（COP）共三十一页样本采集(cij)和数据预处理神经网络训练样本选取样本数量要足够多，且要具有代表性参考经验规则，即训练样本数是网络连接权总数的510倍本文根据厂家提供的性能曲线，拟合得到(d do)足够的数据样本，选用500组数据进行训练，另外有100组数据用来测试和验证共三十一页样本采集(cij)和数据预处理根据某厂家的活塞式冷水机组样本数据进行究，水泵选用KLD(W)系列,型号为65一5.5A，根据厂家样本和性能曲线实际情况，上述五个参数的变化范围(fnwi)如下：冷冻水出口温度变化范围：5。C10。C冷却水进口温度变化范围：26。

7、C32。C冷冻水流量变化范围：67%100%冷却水流量变化范围：67%100%制冷量运行变化范围：70%100%共三十一页样本采集(cij)和数据预处理数据预处理为了保证输入各参数分量具有同等重要的地位，加快神经网络的收敛速度和提高精度，用“归一化”方法样本数据进行(jnxng)预处理归一化是指通过变换处理将网络的输入、输出数据限制在0,1或1,1区间内共三十一页系统(xtng)模型辨识BP网络设计结合本文研究的实际情况,网络结构采用5n1模式,n的大小在在914左右,BP算法的误差为err_goal=0.01,学习速率lr=0.01,隐层传递函数为tansig,输出(shch)层传递函数为p

8、urelin,学习函数为trainlm,初始权值和阈值由GA算法优化得到。共三十一页系统模型(mxng)辨识GABP算法的步骤 取三层BP网络， 为输入层中第 个结点的输出， 为隐含(yn hn)层中第 个结点的输出; 为输出层中第个结点的输出， 为输入层中第 个结点与隐含层第 个结点的连接权值; 为隐含层中 个结点与输出层第 个结点的连接权值，遗传算法学习BP网络的步骤如下：共三十一页系统(xtng)模型辨识（1）初始化种群P=30，遗传代数80,交叉概率 ，突变概率 =0.005 ，以及对任一 和 初始化，在编码中，采用实数进行编码（2）计算每一个个体适应度并将其排序，按下式概率值选择网络

9、个体：其中 为个体 的适应度，可用误差平方和E来衡量： 其中，其中， =1，.，N为染色体数，p为学习样本数，Y为网络输出，T为教师型号（3）以概率 对个体 和 交叉操作产生新个体 和 ，没有进行交叉操作的个体直接进行复制（4）利用概率 突变产生 的新个体（5）将新个体插入到种群 P 中，并计算新个体的评价函数（6）计算ANN的误差平方和，若达到预定值 ，则转(7)，否则转(3)继续进行遗传操作（7）以GA遗传出的优化初值作为初始权值,用BP算法训练网络,直到指定精度 停止(tngzh)训练条件：1）达到设定的训练次数；2）达到设定的性能指标共三十一页系统模型(mxng)辨识Matlab编程仿

10、真(fn zhn)采用了多种模型结构分别进行测试训练设定的训练次数为2000次 网络训练最终的权值和阈值确定了系统输入量与输出量的映射关系共三十一页系统模型(mxng)辨识GABP算法误差(wch)平方和曲线共三十一页系统模型(mxng)辨识验证(ynzhng)模型选用50个例子进行验证预测值与实际值吻合情况如图共三十一页系统(xtng)性能优化 -电机输入(shr)功率，kw -泵的输入功率，kw定义冷水机组的综合性能系数COPs，共三十一页系统(xtng)性能优化当负荷发生变化时,假定冷冻水出口温度不变,冷冻水流量的随负荷同比例(bl)变化,冷却水进口温度随负荷发生变化,变化关系根据ARI

11、标准得出,冷却水优化结果如下表：冷却水流量优化其他参数不变，验证结果如下:共三十一页系统(xtng)性能优化冷冻(lngdng)水流量优化当负荷发生变化时,假定冷冻水出口温度不变,冷却水进口温度随负荷发生变化,变化关系根据ARI标准得出,同时假定冷却水流量随负荷同比例变化,冷冻水优化结果如下表：其他参数不变，验证结果如下:共三十一页Thank you共三十一页内容摘要中央空调系统优化控制策略研究。建筑能耗超过全国总能耗的25%。ANN模型含三层：输入层、隐含层（一或多层)、输出层。一般ANN模型为三层，因为(yn wi)三层神经网络即可以表示任意一个非线性映射关系。使网络输出逼近系统输出。BP算法是目前应用最广泛的神经网