人工神经网络在空调系统中的应用

合集下载

变风量空调系统的神经网络控制

统的控制，ＰＢ模型是比较适合的。它所采用的算法也称为
“ 误差逆传播算法”其基本思想是最小二乘法。Ｂ，Ｐ网络由输入层、隐含层（中间层）和输出层构成，图一是一个三层ＢＰ网络模型。
之间。但是ｖｖＡ系统空气调节过程及各执行器的运行特性具
有高度非线性，使得系统建模困难，且由于外界气候和空调
ＫｅｗＯｄ：ｒｉｉｉ１ＮｕａｅｗｒｓＶＶＡｒＣｎｉｉｎＳｓｅ；ＰＮｔｏｋＣｎｒ１ｙｒｓＡｔｆｃａｅｒ１Ｎｔｏｋ；ＡｉｏｄｔｏｙｔｍＢｅｗｒ；。ｔｏ
Ｏ引言变风量空调系统（ａｉｂｅＡｒＶｌｍＶｒａｌｉｏｕｅ舡ｒｃｎ卜。ｄｔｏｙｔｍ于２ｉｎｓｓｅ）ｏ世纪６ｏ年代诞生在美国。它不同于传统的定风量空气调节方式，而是能够动态地调整送入房间的风量以平衡室内负荷的变化，从而使被控温度和室内空气质量
层感知器（ｕｔ一ａｅｅｃｐｉｎｍ１型，ｍ１ｉ１ｙｒｐｒｅｔｏ，Ｐ模因为任意连续函数或映射均可用一个三层网络加以实现。而对于空调系
（恒定送风量，改变送风温度）相比，避免了冷热抵消造成的
双重能量消耗，同时风量也处于变化之中，设置合理的系统风量控制又可以获得风机运行的节能。大量工程运行计算表明，变风量系统与定风量系统相比，的节能在３％一ｏ它ｏ７％
１人工神经网络
——
—
厂、／二／
人工神经网络是一门发展十分迅速的交叉学科，是模拟、图一Ｂ神经网络模型Ｐ人类生理上的神经机制的计算模型。由大量的处理单元组它Ｂ算法的主要思想是把学习过程分为两个阶段：第一Ｐ成非线性的大规模自适应系统。近些年来，神经网络技术已阶段是正向传播过程，输入信息从输入层经隐层逐层计算各渗透到各个领域，神经网络具有分布式存储、并行处理、高容单元的实际输出值，每一层神经元的状态只对下一层神经元错能力以及良好的自学习、适应、自联想等特点，具有很强的

科技成果——基于人工智能算法的空调运行节能控制技术

科技成果——基于人工智能算法的空调运行节能控制技术所属类别重点节能技术适用范围家庭、酒店、办公等民用场所成果简介本技术利用人工神经网络技术建立家用空调新一代空调运行节能控制算法。

该算法通过对空调实际运行能效的预测、调节、合理分配，使空调各执行器耦合联控，保证系统时刻以最佳能效运行，从而在不影响空调实际制冷舒适性前提下，实现空调的高效节能运行。

关键技术1、空调系统级联神经网络能效预测技术；建立空调系统级联神经网络算法模型，并利用系统稳态仿真模型数据产生的海量反复训练学习，使该模型可快速准确预测不同工况及运行状态下空调的能力输出及能耗水平。

2、空调G-ACnet运行节能控制技术；该技术主要结合空调系统神经网络能效预测模型，实现对空调系统压缩机、风机、节流装置进行联动的控制技术。

可保证空调输出能力相同的同时，使系统运行过程中能效得到合理的分配，最终达到降低整个运行周期的平均能耗的目的。

主要技术指标新一代变频空调控制策略采用AI运行节能算法，可对现有控制策略进行优化，实现各执行器的高效耦合控制，合理分配系统能耗输出，以最大程度降低系统的运行功耗，在保证房间舒适性的同时，空调可实现最大15%的节能效果。

技术水平获得发明专利申请2项典型案例典型案例1项目名称：康乐园空调节能改造项目项目建设主体规模：50台主要建设或改造内容：全新开发项目，在实际用户房间验证人工智能算法的空调运行节能控制技术，减少空调能耗。

项目投资额（万元）：12.5万元项目节能量（tce）：节能量：53.8tce/a；项目经济、环境及社会效益：新一代家用变频空调人工智能控制策略研究通过优化现有空调控制策略，协调系统各执行器间的耦合控制，合理调节、分配空调的实际运行能效，在不影响房间制冷舒适性的同时，使空调系统进一步节能15%左右。

典型案例2项目名称：阳光花园宿舍空调节能改造项目项目建设主体规模：100台主要建设或改造内容：全新开发项目，需达到国家一级能效，减少CO2、NOx排放项目投资额（万元）：25万项目节能量（tce）：节能量：40tce/a；项目经济、环境及社会效益：新一代家用变频空调人工智能控制策略研究通过优化现有空调控制策略，协调系统各执行器间的耦合控制，合理调节、分配空调的实际运行能效，在不影响房间制冷舒适性的同时，使空调系统进一步节能15%左右。

基于RBF神经网络的VAV空调系统

目前，在ＶＡＶ空调领域应用最广泛的神经网络是静态前馈Ｂ神经网络，这种单向传播的多ｐ
层前向网络属于全局逼近网络，其中每一个训练
样本都会使所有连接权发生变化，造成学习收敛速度极其缓慢。而动态神经网络即回归神经网络
中图分类号：Ｔ７Ｐ２３文献标识码：Ｂ文章编号：１０ —０３（０）５１２４９１４２１０ —０１－０００
０引言
变风量（ａｉｂｅａｒｏｕ，简写为ＶｖｒｌｉｖｌｍｅａＡＶ）空调系统是一种通过改变送入各房间的风量来适
考虑ｆＶＡＶ空调系统具有动态、非线性特性１］
收稿日期：２０－９８０９０ —１作者简介：肖会芹（９７），女，河北定州人，讲师，硕士，研究方向为智能控制、过程控制以及单片机应用等方面１７一
的教学与研究工作。【１１第３卷１２２第５期２１— ００５
ｌ訇地
基于ＲＦＢ神经网络的ＶＶ空调系统Ａ
ＳｉｕｌｉｆＶＡＶｒｃｏｎｔｏｎｙｓｅｍｍａｔｏｎｏａｉ－ｄｉｉｓｓｔｂａｓｍａｎｎｅｕｒｅｔｏｒｅｄｏｎｅｌａＩｎｗｋ
肖会芹
ＸＩＡ０ｉｉＨｕ— ｎｑ
的特点，本文运用ＲＦＢ网络对ＶＡＶ空调系统进行
ＭＡＴＡＢ真研究，仿真实验表明，将ＲＦＬ仿Ｂ神经网络与Ｂ神经网络对ＶＡＶ空调系统的少量参数数ｐ

基于人工神经网络控制的节能空调器的MATLAB仿真

用节能空调的控制系统仿真。关键词：变频空调，ｏｆｌＨｐｉｄ网络，Ｐ网络，ａｌｅＢＭｔｂ仿真ａ
ＡｂｔａｃｓｒｔＴｈｍｕａｉｐｒｇｒｅｓｉｌｔｏｎｏａｍｓｆｈｗｈｅｙｔｏｔｅｏｌｓｓｅｍｍａｉｌａｎｌｚｎｔｅｏｒｌｙｔｎｙａｙｉｇｈｃｎｔｏｓｓｅｍｏｉｔｌｇｅｎｅｒｑｕｃｃｖｒｉｆｎｅｌｉｃｆｅｅｎｙｏｎｅｓｏｎ
用户设定的温度以及室内的保温性。把制冷空间的温度和用户
说明的是，用ｎｗｈｐ创建的Ｈｐｅ网络，值函数采用利ｅｏｏｆｌｉｄ权
ｄｔｒｄ，入函数采用ｎｔｕ传递函数采用ｓｔｓ而网络ｏｐｏ输ｅｓｍ，ａｌ，ｉｎ的权值是自身反馈的。而且该系统的稳态向量是一个二维向量，
神经网络中常用的Ｈｐｉｌｏｆｄ网络与Ｂ网络模型对控制系统模型进行Ｍａｌｂ仿真编程，出并对比两种网络对系统的仿ｅＰｔａ得真结果，仿真结果表明两种网络从不同角度较好地反映了系统模型的功能特点。着重分析了人Ｚ神经网络理论对智能家其－
维普资讯
６０
基于人工神经网络控制的节能空调器的ＭＡＬＢ仿真ＴＡ
基于人工神经网络控制的节能空调器的ＭＴＡＡＬＢ仿真

基于神经网络的变风量空调控制回路设计

通过改变送风温度来控制某一区域的温度．变风而
量（ａｉｌａｏｕ，ＡＶ）ｖａｅｉｖｌｍｅＶｒｂｒ中央空调是通过改变
送风风量使某一区域的温度保持在设定的温度．即变风量系统是通过调节末端风量来保证房间温度，通过变频调节送风机、回风机来维持系统的稳定运行，通过动态调整新风量来保证室内空气品质及有
文章编号：０７７５２０）４—０９ —０１０ —６３（０８０３２３
基于神经网络的变风量空调控制回路设计
谢金平，戴曙光
（上海理工大学光学与电子信息２程学院，１２上海２０９）００３
摘要：对变风量空调系统的结构原理和功能特性，针以房间温度控制回路为例，用Ｐ控制方利
ＳｉｃａｄＴｃｎｌｙｈｎｈｉ００３，Ｃｉｃｎｅｎｅｏｏ，Ｓａｇａ２０９ｅｈｇｈｎａ）
Ａｂｔａｔｓｒｃ：Ｔｈｒｎｉｌｎｈｕｃｉｎｏｈｉｃｎｉｏｉｇｗｉａｉｂｅａｒｖｌｍｅｓｓｅｒｅｐｉｃｐｅａｄｔｅｆｎｔｆｅａｏｄｔｎｎｔｖｒａｌｉｏｕｙｔｍｗｅｅｏｔｒｉｈ
ｔｍｐｒｔｒｏｔｏｐ，ａｄｍｏｅｖｒｈｅｒｌｅｗｏｋｃｎｒｌｏｈｓＩｏｓａｓｅｌｅｎｅｅａｕｅｃｎｒｌｏｓｎｒｏｅ，ｔｅｎｕａｔｒｏｔｏｒｔｉｏｐｗａｌｒａｉｄａｄｌｎｆｏｚａｂｔｅｏｔｏｅｕｔｗａｃｉｅ．ｅｔｒｃｎｒｌｒｓｌｓａｈｅｄｖ

前馈神经网络在空调负荷预测中的应用

关键词：空调负荷预测；误差反向传播算法；Ｈｅｅ矩阵ｓｓ
－－－－－－－－－－－－－－－－－－－－ ● －－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－＿－－－－－－－－－－－－－－－－－
：讨论当误差不为零或者不为线性函数，即二阶项Ｓｗ不能忽略时的Ｈｓ矩阵的近似计算，（）ｅｅｓ进而９练网络。研究结果表明，１ｌ用该种神经网络预测空调负荷和计算的结果会较好地吻合。
－
：－
：
● ●
●
：
， ● ● －－－
中图分类号：Ｔ８１。Ｐ３Ｕ３．Ｔ１２８
文献标识码：Ａ
文章编号：０６８４（０７）５００ — ４１０— ４９２００ — ０８０
０引言
人工神经网络（ｒｆｉｅｒｌｅｏｋＡｔｃｌｕａＮｔｒ，简称ｉａＮｉｗ
的学习算法中影响最大的就是误差反向传播算法（ａｋｐｐｇｔｎ简称Ｂ算法）该方法由正向传播ｂｃ— ｒａａｏ，ｏｉＰ。和误差反向传播两个过程组成。由于Ｂ算法存在局Ｐ
部极小点，收敛速度慢等缺点，以各种改进的Ｂ所Ｐ算
用。在暖通空调（ＶＣ）ＨＡ中也有很多应用，ＨＡ如ＶＣ
空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型。传统的负荷预测方法使用的是显式的数学表达式为模型来预测负荷，这一局

BP神经网络PID控制在空调系统中的应用

ｔｈｎＢｅｒｌｎｔｒｒＰＩｃｎｒｌｓｓｍ．ＴｅＢｅｒｌｎｔｏｋＰＤｃｎｒｌｓｓｅｉｒｕｔｂｅｆｒｉｔａＰｎｕａｅｗｏｋｏＤｏｔｙｔｍｅｏｅｈＰｎｕａｅｗｒＩｏｔｙｔｍｓｍｏｅｓｉｌｏｏａ
ｃｅｅｈｉｖｄ．Ｔｈｅｓｍｕｌｔｏｅｓｌｓｓｏｔａｈｃｍｅｓｍｏｅｓａｉｉｙ，ｏｍａｌｒｏｅｓｏｔｎｄｓｒｅｄｌｎｉａｉｎｒｕｔｈｗｈｔｔｅｓｈｅｉｒｔｂｌｔｆｓｌｅｖｒｈｏｓａｈｏｔｒｍｏｅｉｇ
ｔｙ，ａｄａｓａａｇｎｅｇｏｓｍｐｔｏｎｌｏｈｓｌｒｅｅｒｙｃｎｕｉｎ．ＩｈｉａｒａｎｅＰＩｃｎｒｌｓｈｅｅｂｓｄｎＢＰｕａｔｒｓｎｔｓｐｐｅｗＤｏｔｏｃｍａｅｏｎｅｒｌｎｅｗｏｋｗａ
ｐｏｏｅ．ｈｅｇｔｏｅＢｅｏｋａｅｃｎｉｏｅ，ｎｅｅＰＤｐｒｍｔｒｏｌｅａｊｓｎｉｔｂ－ｒｐｓｄＴｅｗｉｈｓｆｈＰｎｔｒｒｏｄｔｎｄａｄｔｎｔＩａａｅｅｓｎｉｄｕｔｔｓｏｅａｔｗｉｈｈｎｍｅ
２．中国市政工程两南设计研究院，Ｉ成都６０８）四Ｊｌ１０１摘要：对空调房间这样一个多于扰、惯性、度非线性系统控制性能优化较困难，统的控制策略不但在控制精度、敏针大高传灵

人工神经网络在HVAC系统的应用

Ｍ —Ｐ神经元输入、出关系式为：输
式中
ｎ — 神经元数量 — Ｍ —Ｐ神经元模型反映了神经元的４个主要特
Ｙ）
１
一）０
（１）
（）２
性：神经元是个多输入、输出的单元，有非线性单具输入、出，输具有可塑性，出是各个输入综合作用输
（．津大学环境科学与工程学院，天津３０７；２武安市工程建设监理有限公司，１天００２．
河北武安０６０５３０）
摘
要：阐述了构成人工神经网络（Ｎ的Ｍ — ＡＮ）Ｐ神经元模型的结构、出输入的函数关系输
ｔｅｒｌｔｏｈｉｅｗｅｎｏｔｕｎｎｕｕｃｉｎ，ａｄｃｎｅｔｏａｒｉｉｇｒｌｈｅａｉｎｓｐｂｔｅｕｐｔａｄｉｐｔｆｎｔｏｎｏｖｎｉｎｔａｎｎｕｅ— ＢＰｅｏｋｉｌｎｔｒｎＡＮＮｗａｅｅａｏａｅ．ＴｅａｐｉａｉｎｆＡＮＮｎＨＶＡＣｓｓｅｉｅｉｗｅｒｌｂｒｔｄｈｐｌｃｔｏｓｏｉｙｔｍｓｒｖｅｄ，ｉｃｕｉｇｆｒｃｓｎｉｄｘｓｏｎｌｄｎｏｅａｔｏｎｅｅｆ
及人工神经网络中最常用的学习规则一
介绍了ＢＰ网络的改进算法。
Ｂ应
用，包括预期平均评价指标（Ｍ的预测、间冷负荷的预测、ＰＶ）房能量管理、障诊断及其他应用。故

神经网络法及其在暖通空调负荷预测中的应用

于联想记忆和优化计算的新途径，动了神经网络推
的发展；１８年，Ｄ．．ｕｌａｔＪ．Ｃｅｌｄ６９ＥＲｍｅｈｒ．Ｍｃｌｌｎ和Ｌａ合著的ＰｒｌｓｉｕｅｒｃｓｉｇＥｐｏａｉｎｉａａｅＤｉｒｔｄＰｏｅｓ：ｘｌｒｔｌｌｔｂｎｏｎ
能的一条重要途径，映了人脑功能的许多基本特反
ＳＡ．ａｐｒ写了影响很大的《知器》一书，得．Ｐｔｅｔ编感出了悲观结论，当时与感知器有关的研究及其发对
展产生了恶劣的影响。国在此后十几年里从未资美
Ｍ．ＨｏＥ．每提出了自适应线性单元网络和Ｗｉｄｏｎｒｗ．Ｈｏｒ习规则。ｆ学ｌ６年，著名的人工智能学者Ｍ．．ｎｓｙ９９ＬＭｉｋ和
为ＡＮ）是由众多的神经元经可调的连接权值广Ｎ泛地互相连接而形成的复杂网络系统，是从微观它结构和功能上对人脑的抽象、简化，是模拟人类智
征，如并行信息处理、学习、联想、模式分类、记
忆等。
助神经网络研究课题，使神经网络的研究进人了一
个缓慢发展的低潮。
ＡＮＮ主要应用领域有：语音识别、图象识别与理解、计算机视觉、智能机器人、智能控制、系统辩识、负荷预测、故障检测、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专家系统、智能接口、神经生理学、心理学

神经PID在地源热泵空调系统中的应用

ｏｈｒｄｔｎｌＰＤｃｎｏｌｒａｄＮｅｒｌＮｔｏｋａｉｒｖｄＩｏｔｌｒｄｓｇｉｇｐｒａｈｂｓｄｏＢ（ｃｆｔｅｔｉａＩｏｔｒｌｎｕａｅｗｒ，ｎｍｐｏｅＰＤｃｎｒｌｅｉｎｎａｐｏｃａｅｎＰＢａｋａｉｏｅｏｅ
根据以上进行编程仿真，同时作为对照，常规增量ＰＤ控对Ｉ
制进行仿真，者的结果如图３所示。两
’４
ｇ・为激励函数， ¨去［＋ｍ（）［］・＝７ｆｘ］ａ
于是：
Ｉ — 阶跃输入ｌ —
Ｋ（）０』Ｄ＝（）（
ＢＰ神经网络来构建神经网络ＰＤ控制器。Ｉ
１神经Ｐｌ控制器Ｄ
１１神经ＰＤ控制系统的结构．Ｉ传统ＰＤ和ＢＩＰ神经网络的有机结合形成神经ＰＤ控制器，Ｉ
结构如图１所示。控制器由两部分组成：Ｂ ④ Ｐ神经网络（Ｎ）经Ｎ：
］替由代，
策略相对于单纯的ＰＤ，统更稳定，出水温度波动更小，Ｉ系热而
且由于其在线学习和整定的特性，免了收集大量的训练样本，避
结果显示：常规增量ＰＤ相比，经ＰＤ的调节时间更与Ｉ神Ｉ
过神经网络的学习，以加权系数的形式表现出来，则的生成就规
转化为加权系数初值的生成和修改。根据系统的运行状态，自行

基于神经网络控制的空调系统

基于神经网络控制的空调系统摘要：该文针对空调系统的控制问题分析了传统PID控制的不足，论述了神经网络的控制原理，探讨了神经网络控制的优点，仿真实验表明该系统在中央空调中具有应用的可行性。

关键词：空调系统温度控制神经网络随着科学技术的不断发展，空调作为人们生活提高的标志得到了越来越广泛的使用，它可以给人们的生活带来一个温度适宜、湿度恰当、空气清洁的舒适环境。

带有电加热的空调系统其控制规律通常采用PID规律，但由于空调系统固有的大惯性、大时滞、强耦合的非线性特性，很难建立精确的数学模型，PID控制无论在参数整定还是控制精度及控制过程中尚存不足。

神经网络具有强非线性映射能力以及对复杂问题具有自学习和自适应能力，具有很强的综合信息能力，不依赖精确的数学模型。

该文提出了一种可替换一般PID控制、利用神经网络PID构成的控制器，在空调系统控制特性方面有明显的改善，可实现最优化控制。

1电加热的单神经元自适应PID控制该文提出的电加热单神经元自适应PID控制，是在空调系统电加热中应用神经网络作为控制器。

单神经元实现自适应PID控制结构如图1所示。

神经元初始权系数的选择对控制性能的好坏、训练过程时间影响很大，在设计过程中，需要经过几个不同的学习速率的训练，观察每一次训练后的误差平方和的下降速率来判断所选学习速率是否合适。

2仿真分析根据电加热过程，可写出其差分方程模型。

设初始条件为零，则有：Y(k+2)+0.75Y(k+1)+0.125Y(k)=0.125u(k)仿真过程如下：系统起动时，先进行开环控制，u = 0.2，待输出达到期望值的0.95时，神经元控制器投入运行，考虑到本系统温度实时变化、上升时间长、大惯性、无振荡的特点，k,ηp,ηI,ηd的选取原则如下：K值的变化，相当于P，I，D三项同时变化，因此在参数选择时，应根据系统稳态指标要求首先预选K；对阶跃输入，当有较大超调，并且出现多次衰减振荡时，应维持ηI ,ηd不变，而减少K值；若输出只有明显多次等幅振荡，应减小ηp，其它参数不变；若输出上升时间长，无超调，应增大K，其余参数不变；5）若输出调节时间长，增大ηi 必然会导致超调过大，可适当增大ηp，其余参数不变；本课题分别在不同情况下进行了仿真试验，图2示出了学习速率选取相同和不同时仿真输出曲线，曲线1为ηp=ηi=ηd=η=100，k=0.02情况下，曲线2为k=0.02，ηp=5000，ηi=30的情况。

人工神经网络在空调系统负荷预测中的应用

出了利用人工神经网络（Ｎ具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力，ＡＮ）进行空调系统负荷预测精度高、准确度好。ＡＮ是一种有效的空调负荷预测手段。Ｎ
关键词：人工神经网络；空调负荷；预测
中图分类号：Ｕ３Ｔ８１文献标识码：Ａ文章编号：０８—１３（０７００１０１０９３２０）６— ２１— ３
ＡｂｔａｔＣｎｅｔｄｓｍｅｔｅｒｂｕｒｉｃａｅｔｅｗｒ，ｎｒｄｃｓｔｅａｐｃｔｎｏｉ－ｏｄｔｎｎｏｌｇｌａｏｅａｔｇｓｒｃ：ｏｎｃｅｏｈｏｙａｏｔｔｉｎｕｒｎｔｏｋｉｔｏｕｅｐｈａｏｆａｒｃｎｉｏｉｇｃｏｉｏｄｆｒｃｓｉａｆｌｉｌａｈｉｉｎｎｂｓｎａｔｃａｅｔｅｗｏｋｏｈａｉｆｔｅｒ，ａｄｓｏｈｅｅｒｈｃｎｉｏｂｕｏｌｇｌａｒｄｃｉｎｉｅｗｒｄａｅｏｒｆｉｎｕｒｎｔｒｎｔｅｂｓｏｏｄｉｌｉｌａｓｈｙｎｈｗｔｅｒｓａｃｏｄｔｎａｏｔｃｉｏｄｐｅｉｔｎｔｏｌ．ｉｎｏｈ
１１神经元及其特性．

间负荷计算，经历了稳定传热计算、利用周期性不稳定传热法进行计算和动态负荷计算时期Ｊ。近年
来，随着计算机技术的飞速发展，种计算机技术也各

变频空调的控制算法优化研究

变频空调的控制算法优化研究空调是现代生活中必不可少的电器之一，特别是在炎热的夏季，空调成为了人们最直接的凉爽方式。

其中，变频空调以其智能控制、节能环保等多种优点成为了消费者的首选。

而变频空调的稳定运行和高效节能正是得益于其中的控制算法的优化。

本篇文章将探讨变频空调控制算法的优化研究。

一、变频空调控制算法概述变频空调的主要控制算法包括PID控制算法、神经网络控制算法和模糊控制算法。

PID控制算法是一种传统的控制算法，其利用目标值与当前值之差的比例、积分和微分的组合来控制系统输出。

神经网络控制算法是仿照人类神经系统构建的一个优化模型，学习过程中不断通过误差反馈来慢慢调整各个参数极限值。

模糊控制算法则是利用模糊逻辑来控制系统的输出信号。

这些控制算法各有优劣，不同的算法在不同的应用环境中有着不同的适用性。

二、Pid控制算法在变频空调中的应用Pid控制算法是最传统的控制算法，其用于变频空调的控制也有着不同的优化方式。

其中最常见的是增量式PID控制算法。

这种算法是在运行时只需计算当前误差与上一次误差之差，从而减少计算量。

在变频空调中，增量式PID控制算法可针对空调设备极限值进行优化，从而实现最优空调设备输出。

三、神经网络控制算法在变频空调中的应用神经网络控制算法依靠训练的学习过程从而自适应于特定问题。

在变频空调中，神经网络控制算法往往需要运用预测模型，通过学习训练以得出特定环境下的最优控制方案。

四、模糊控制算法在变频空调中的应用模糊控制算法对于复杂性高、存在较多影响因素的系统更有效。

在变频空调中，模糊控制算法可对室内外多个环境参数据以判断最优空调模式。

比如，对温度、湿度、室内外气体等信息进行模糊分类可帮助优化空调设备的输出效率。

五、结语变频空调的控制算法优化对于空调设备的节能效率和稳定运行来说至关重要。

不同的控制算法可根据不同的应用场合来进行选择和优化，以达到最优的运行效果。

当然，未来随着人工智能、物联网等新技术的发展，空调行业将会有更大的改革和创新。

神经网络在空调控制系统中的应用与发展

维普资讯
Ｎｏ５．Ｏｃ．２０ｔ，０７
微
处
理
机
第５期
２００７年１Ｏ月
ＭＩＣＲＯＰＲＯＣＥＳＳＯＲＳ
神经网络在空调控制系统中的应用与发展
陈静，莫小明，陆伟良
（南京工业大的单元，它是以生物神经系统的神经细胞为基础的生物模型。图１是一个单神经元的模型。
图中１２．为神经元的输入；１Ｗ … ．，… Ｗ，２Ｗ，为神经元对应于， … ．的权系数（又称为
通过向环境学习来获取知识并改善自身性能的
ＣＨＥＮＪｎ。ａｉｇＭＯＸｉｏ—ｍｉｇＬｅ —ｌｎｎ，ＵＷｉｉｇａ
（ｎｎｖｒｔｏｅｈｏｇ，ａｇ２００，ｈａ № ｇＵｉｓｙｆＴｃｎｌｙＮｎ１０９Ｃｉ）ｅｉｏｎ
ＡｂｔａｔＴｅａｔｌｒｔｂｅｙｉｔｄｃｄｔｅｎｒｅｎｔｒｔｃｕｅａｄｔｅｃａａｔｒｔ，ｔｅｓｒｃ：ｈｒｃｅｆｓｒｆｎｒｕｅｈｅｖｅｗｏｋｓｕｔｒｎｈｒｃｅｉｉｈｎｉｉｉｌｏｒｈｓｃ
中图分类号：Ｐ９Ｔ３３文献标识码：Ａ文章编号：０２— ２９２０）５— ０２— ４１０２７（０７００８０
ＡｐｌａｉｎａｄＤｅｅｏｍｅｔｏｒｅＮｅｗｏｋｉｒＣｏｄｔｎｎｐｉｔｎｖｌｐｎｆＮｅｖｔｒＡｉｃｏｎｎｉｏｉｇｉＣｏｔｏｓｅｎｒＩＳｙｔｍ

人工神经网络在空调系统中的应用

人工神经网络在空调系统中的应用摘要简要介绍了人工神经网络的结构及特点，并且详细论述了神经网络在中央空调水系统、风系统、制冷系统、负荷预测、系统的仿真设计和建筑运行能耗评价等方面的应用概况，指出了神经网络在空调领域今后的发展方向。

关键词神经网络；空调；应用中图分类号TP387 文献标识码 A 文章编号1673-9671-(2012)071-0184-02中央空调系统是一个庞大复杂的系统，主要包括：空调冷热源系统、水或空气系统、控制系统等，空调系统能耗与影响因素之间是一种多变量、强耦合、严重非线性的关系，具有很强的动态性。

而人工神经网络可以实现从输入到输出的任意非线性映射，能够模拟高度非线性系统，具有较强的学习能力、自适应能力、容错能力和联想能力，已成为复杂的非线性系统建模、仿真、预测的新型工具，人工神经网络自20世纪40年代初被首度提出来以后，经过几十年的发展，广泛运用于模式识别和图像处理、控制与优化、人工智能等方面。

随着我国空调事业的快速发展及节能减排新形下，人工神经网络在空调系统中的运用越来越受到广大暖通空调研究者的关注。

1 神经网络神经网络是对人脑或生物神经网络的抽象和建模，具有从环境学习的能力，以类似生物的交互方式适应环境。

人工神经网络是一个由大量简单的神经元广泛联接组成的复合系统，当系统被训练达到平衡后，由各个神经元的权值组成的整个网络的分布状态，就是所求的结果。

网络学习的过程也就是各神经元权值的调整过程。

人工神经网络根据连接方式不同可以分为两大类：无反馈的前向神经网络和相互连接型网络（包括反馈网络），图1为BP神经网络系统结构简图，BP 网络就是一种误差反向传播的前向网络，神经网络的学习算法总体来讲可分为有监督学习和无监督学习。

人工神经网络的具有强容错性、冗余性、鲁棒性和信息分布式并行处理及快速进行大量计算能力特点，能适应复杂环境和进行多目标控制。

图1 BP网络系统结构2 人工神经网络在空调系统中的应用2.1 空调风系统方面的应用变风量系统（V A V系统）的基本思想是：当室内负荷发生变化时，改变送入室内风量，以满足室内人员的舒适性或工艺性要求，实现送风量的自动调节，最大限度地减少风机动力，节约运行能耗。

人工智能在汽车空调系统中的模拟应用

人工智能在汽车空调系统中的模拟应用人工智能被应用与汽车空调系统（AACS）仿真模拟中，基于系统特征参数和神经网络，建立了AACS模型。

在该模型的基础上，讨论了AACS模型的不同控制方法。

结果显示，与开关控制法（通断控制，双位调节）和常规模糊控制法相比，神经模糊控制法最优。

可以使汽车舱室内温度快速下降到设计温度，而且波动很小。

标签：神经网络；汽车空调系统（AACS）；仿真；建立模型0 前言随着汽车空调系统的发展，提高冷却性能、降低耗油量，并保持一个舒适的环境，是人们一直追求的目标。

人们通常采用传统开发方式来达到目标，即“理论+实验+经验”。

由于成本高、周期长和不稳定性，技术具有一定的局限性，极大的影响其发展，随着计算机仿真技术的发展，通过建立数据模型，对产品和汽车的控制越来越容易，越来越高效。

但是对于AACS系统，计算机仿真存在一些困难，不能通过传统的模拟方法解决。

这是因为一个简单而准确的模型，很难通过传统方法建立。

AACS性能受到很多外界因素的影响，比如汽车空调压缩机速率、太阳辐射、周围环境温度、热负荷的变化、开关门窗和风速等影响因素。

这些因素都决定了AACS是复杂的、多变的、线性的或非线性的系统。

因此，很难通过常规方法去开发一款AACS控制系统的动态模型。

基于神经网络和模糊逻辑的人工智能技术是一种创新性方法。

因为学习和想象技能、模糊的想法，都可以很好的解决非线性问题。

学术研究表明，可以解决制冷领域的很多非线性问题，本文，通过反向传播神经网络建立AACS模型，也通过建模对一种新型的人工智能方法进行了研究。

1 建模通过对AACS的理论分析，发现有很多因素会影响系统性能：压缩机速度、冷凝器的速度和蒸发器的风速、冷凝器和蒸发器的温度、车厢内温度、室外温度等因素。

所有这些因素都会影响到车厢内的舒适度，主要通过车厢内温度的冷却速度，以及在设计温度的波动幅度来反映。

更重要的是，这些因素之间相互联系，很难通过AACS的物理理论来建立完整的模型。

人工智能在暖通空调中的最新应用与展望

人工智能在暖通空调中的最新应用与展望摘要：通过将节能降费的目的与智慧楼宇技术相融合，对其进行改进，提高其运营管理的效能，从而达到节能降费的目的。

因此，文章在对智能技术概念进行界定的基础上，对其在负载预报方面的研究和运用进行了讨论，以期为有关人员的工作和研究带来一些有益的启示。

关键词：人工智能；暖通空调；应用引言“人工智能”技术日益成熟，对智能化楼宇的技术支持日益增多，并对其进行了进一步的充实与改进。

而随着智能化楼宇对采暖方式的需求日趋多元化，采用多种不同的方式进行节能改造或将是一种趋势。

所以，对暖通空调的智能化控制是目前建筑业的一个重要课题，只有对其进行优化和改进，以保证用户的舒适度，从而降低能耗，节约运营费用。

1.人工智能技术的定义人工智能是研究和开发人类智能理论、方法、技术和应用体系的新兴技术学科。

人工智能对企业、政府和社会都有深刻的影响，同时也对世界的可持续发展产生了巨大的冲击，EdOswald把人工智能分成三个大的时期：一是人工智能的弱化。

第二个层次是强大的 AI。

第三个层次是超出了人的智力，可以进行自我思想，并且在没有人为干预的情况下进行思维和行动。

虽然人工智能已经在很长一段时期内被界定为不同的概念，但是它的中心思想是要制造出能够和人同样思维的、或者超过人的机器人。

暖通系统是我国目前最主要的应用技术之一，其运营能耗占到了整个系统能源消耗的半数，而应用人工智能技术可以极大地提高采暖系统的节能降耗。

由于将智能技术和热传导技术有机地融合在一起，使其在建筑业得到了很好的发展。

专家系统和决策支持系统已经得到了广泛的运用，并获得了良好的社会和经济效果。

本论文将就近年来的电力负荷预报、系统调控、故障检测及智能化楼宇与智能化技术的高效融合进行论述。

2暖通空调设计原则暖通空调系统的设计要遵循以下三个基本原理。

第一个是实用的原理。

即暖通的作用在于调整室内的温度，使其具有更好的居住条件，从而改善居住条件，从而达到改善居住品质的目的。

神经网络故障诊断技术应用在暖通空调系统的可实现性

应故障征兆，输出节点对应故障原因：进行模式分类
１雠）
ｂ最釜件信Ｉ
圈３ＮＮ的训练和在线残差评估
时，先用一批故摩样本对模型进行训练．网络训练好后，故障的模式分类就是根据给定的一组征兆，实现征兆到故障之间非线性映射的过程．４为故障模图式的３种分类方式。２４用神经元网络作自适应误差补偿．其基本思想是在存在未建模非线性时，用神经元网络神补偿建模误差对残差的影响，使得故障检测不受建模误差的影响，以检测早期故障，提高正确
实时环境的要求；另外，当遇到未见过的新故障或新信息时，如此建立的专家故障诊断系统往往不能正确处理，因推理能力弱而出现“ 会匹配冲突” “ 、组合爆炸无穷递归” 及“ 等问题。要解决这些问题，除非不断进行规则更新，可是新规则与原有规则很有可能相互牵连，必然导致在规则添加和删除时遇蓟这难以处理的困难。而神经网络可以有效地解决这一困难。从知识表达的角度来看，神经网络是一类新的知识表达体系，相对于传统的专家系统的高层逻辑模型而言．它只是一种低层的数值模型，其信息的处理只通过大量的称之为节点和简单神经元之间的相互作用来进行。由于它具有分布式信息保持方式，这就为知识的获取、达以及推理提供了全新的表途径。在传统的专家系统知识体系中．用符号或数据结构来表征知识，通过这些方式序列地操作或处理以获得推理结果。然而在神经网络知识系统中，情况就大不相同了，知识不是清晰的逻辑表达式，而是被隐含在整个网络中，尽管从网络的任何节点无法知道它代表何种逻辑概念，但是从整体上对问题却具有求解能力。不过仅利用神经网络的知识系统也存在一些不足，在某种意义上．神经网络仅是一个数值计算“ 黑箱” 人们不知道网络究竟学习了什么，，也不知道网络以怎样的传输途径来达到一个输出结果，因而也就对结果的解释发生了困难。从这个角度来说，传统的专家系统与神经网络用于故障诊断各有所长，当百专补充，应而不是简单取代。模糊神经网络具有神经网络和专家系统集成的功能，所以，近年来，人们在应用神经元网络解决故障诊断问题时，明显的趋势就是希望能够在神经元网络的有一框架下集成定性知识。为此，模糊神经网络成为研究的一个热点。模糊神经网络一般是在普通前馈神经网络中加人一个模糊化层，完成一个输人录属度

人工智能技术在空调负荷计算中的应用初探

2.361 539
2.361 539
2.361 539
1-600 0.007 749 隐层节点阈值
0.717 125
0.717 125
0.717 125
0.717 125
2-000 0.004 462 输出节点
2.019 136
2.019 136
2.019 136
2.019 136
输出节点阈值
3.040 142
、
| ■4 系★—列一1 |
1111
1 000
训练次数图3网络训练'000次
I ♦ 系麵
2工程应用
上述人工神经网络模型可以用来快速准确计算空调工程
最大冷负荷，该模型可以在空调建设工的许多环节。
比如在项前，在
建设
，该
区位热
区，建筑为
，
的建筑面
积为15 000 m+
可以
在
工程实践中"3-4］o
图4&&&网络训练2&000次从图2〜图4可以看出，随着训练次数的增多，神经网络的误差越来越小。本文以网络训练2 000次的网络结构数据作为最终计算模型。该模型的基本参数如表2所示。
表2空调最大冷负荷神经网络模型参数
训练次数误差 400 0.172 973
0引言
在空调工程领域，空调负荷的计算是一项非常重要的工
作,从某种角度来，合的空调负荷
一项的
进。
该项工作重要，有要探讨如何高效准
确地计算空调负荷。在工程实践中，空调负荷的计算常用两
类
一是计算法，常用冷负荷
应
, 一个围护结进行计算，并人
明、设备

神经网络PID在毛细管辐射空调系统中的应用

神经网络 PID 在毛细管辐射空调系统中的应用周帅 1 王凌云 2 徐菱虹 1 饶丹琳 11华中科技大学环境科学与工程学院 2华中科技大学电气与电子工程学院摘要：针对辐射空调系统具有大滞后、大惯性、非线性等特点，将神经网络 PID 控制器引入毛细管辐射空调系统中。

在TRNSYS 中搭建地源热泵+毛细管辐射+置换通风空调系统模型，采用神经网络PID 控制器对毛细管辐射末端的供水温度进行控制，模拟显示神经网络 PID 控制器对室内温度的调节速度较快，控制效果良好，室内温度维持在设定温度依 0.3益的范围内，相对湿度维持在40%～70%之间，室内具有较高的舒适性。

关键词：神经网络 PID 控制器毛细管辐射置换通风 Application of Neural Networks PID Controller in CapillaryRadiant Air Conditioning SystemZHOU Shuai 1 ,WANG Lingyun 2 ,XU Linghong 1 ,RAO Danlin11College of Environmental Sciences and Engineering,Huazhong University of Science &Technology 2College of Electrical and Electronic Engineering,Huazhong University of Science &TechnologyAbstract: In view of the characteristics of large spaces,large inertia,nonlinearity and so on,the neural network PIDcontroller was used in the capillary radiation air conditioning system.In this paper,a model of ground source heat pump +capillary radiation +displacement ventilation air conditioning system was developed in TRNSYS program,where the supply water temperature of the capillary radiation system was controlled by the neural network PID controller.It was found that the effect of the neural network PID controller on indoor temperature was fast and effective.And the indoor temperature was maintained at the design temperature with the fluctuation being within a range of 依 0.3益and the relative humidity was maintained between 40%and 70%,realising the high comfort environment in the interior.Keywords:neural networks,PID controller,capillary radiant system,displacement ventilation收稿日期： 2016419作者简介：周帅（1991~），男，硕士研究生；湖北武汉华中科技大学东 15楼405室（430074）； Email:*****************基金项目：湖北省科技支撑计划项目（2014BAA137）毛细管辐射空调系统作为一种新型的空调系统，具有较高的舒适性和节能潜力[1-3]。