閆秀聯(lián) 顏菲菲 閆秀英

變風(fēng)量空調(diào)系統(tǒng)溫濕度解耦控制

閆秀聯(lián)1顏菲菲2閆秀英3

（1.西安建筑科技大學(xué)華清學(xué)院 西安 710043；2.中聯(lián)西北工程設(shè)計研究院有限公司 西安 710077;3.西安建筑科技大學(xué)信控學(xué)院 西安 710055）

變風(fēng)量空調(diào)系統(tǒng)是一個非線性、大滯后、多變量的系統(tǒng)，簡單的PID控制對非線性系統(tǒng)控制效果較差，控制精度不高。針對變風(fēng)量空調(diào)系統(tǒng)控制過程中，送風(fēng)量-房間溫度、送風(fēng)溫度-房間濕度兩控制回路間存在耦合的現(xiàn)象。采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行解耦控制，以消除耦合。首先，應(yīng)用最小二乘法建立被控對象控制回路的數(shù)學(xué)模型，其次，采用PID神經(jīng)網(wǎng)絡(luò)解耦控制算法和交叉解耦控制算法對存在耦合的回路進(jìn)行解耦控制。最后，進(jìn)行仿真分析，并加載到空調(diào)系統(tǒng)中進(jìn)行驗證。

變風(fēng)量空調(diào)；溫濕度控制；PID神經(jīng)網(wǎng)絡(luò)；解耦控制

0 引言

隨著科技水平的不斷提高和高精密儀器設(shè)備的不斷投入使用，對科學(xué)實驗環(huán)境的溫濕度控制精度提出了更高的要求[1]。實際的變風(fēng)量空調(diào)系統(tǒng)（Variable Air Volume，VAV）中，多個控制回路之間存在相互耦合，相互干擾的情況，為了使系統(tǒng)能夠穩(wěn)定運行，就必須對耦合回路進(jìn)行解耦控制[2-4]，目前變風(fēng)量空調(diào)系統(tǒng)解耦多采用前饋解耦，這種方法依賴于被控對象精確的數(shù)學(xué)模型，而實際系統(tǒng)中被控對象往往具有非線性時變特性，采用傳統(tǒng)的解耦控制方法很難達(dá)到預(yù)期的控制品質(zhì)，甚至?xí)鹣到y(tǒng)的不穩(wěn)定[5-8]?；诖吮疚牟捎昧薖ID神經(jīng)網(wǎng)絡(luò)智能解耦控制方法，該方法結(jié)構(gòu)簡單，易于實現(xiàn)。且解耦器與控制器于一體，不僅能夠解決傳統(tǒng)解耦控制方法精確度低的缺點，同時又能實現(xiàn)對系統(tǒng)的實時在線控制[9,10]。目前大多數(shù)解耦控制都停留在仿真階段，而本文設(shè)計的基于末端溫濕度耦合現(xiàn)象的交叉解耦和PID神經(jīng)網(wǎng)絡(luò)解耦兩種控制算法[11-13]，在軟件仿真的基礎(chǔ)上，進(jìn)行了在線控制，并對仿真和在線控制效果進(jìn)行了對比分析。

1 空調(diào)系統(tǒng)末端溫濕度解耦控制原理

空調(diào)系統(tǒng)控制過程中，當(dāng)送風(fēng)溫度降低時，房間溫度會相應(yīng)降低，而房間濕度則會相應(yīng)升高。夏季工況，送風(fēng)量增大時，房間溫度會相應(yīng)降低，房間濕度會相應(yīng)升高。即房間溫濕度與送風(fēng)量、送風(fēng)溫度都有關(guān)系。因此本文研究了空調(diào)系統(tǒng)末端溫濕度回路運行過程中存在的耦合作用，并對耦合回路采用PID神經(jīng)網(wǎng)絡(luò)算法進(jìn)行解耦控制，如圖1所示。房間溫濕度實測值、房間溫濕度設(shè)定值為PID神經(jīng)網(wǎng)絡(luò)的輸入層，送風(fēng)量設(shè)定值和送風(fēng)溫度設(shè)定值為PID神經(jīng)網(wǎng)絡(luò)的輸出層，輸出層參數(shù)與各自對應(yīng)參數(shù)的實測值進(jìn)行對比，控制房間溫濕度，該控制方法是通過調(diào)節(jié)輸入層與隱含層，隱含層與輸出層之間的權(quán)值來達(dá)到房間溫濕度解耦目的。

圖1 PID神經(jīng)網(wǎng)絡(luò)解耦控制框圖

2 PID神經(jīng)網(wǎng)絡(luò)解耦控制算法

PID神經(jīng)網(wǎng)絡(luò)是一種動態(tài)前饋控制，在神經(jīng)元網(wǎng)絡(luò)中融入了PID控制規(guī)律，不僅具有傳統(tǒng)PID控制器的優(yōu)點，同時又具有并行結(jié)構(gòu)和學(xué)習(xí)記憶功能，可以實現(xiàn)任意精度逼近任意連續(xù)函數(shù)。通過在線學(xué)習(xí)，根據(jù)對象參數(shù)變化時對系統(tǒng)輸出性能的影響來調(diào)整連接權(quán)值。從而改變神經(jīng)網(wǎng)絡(luò)中比例、積分、微分的強(qiáng)弱，加快系統(tǒng)的收斂速度，使系統(tǒng)具備良好的動態(tài)性能和靜態(tài)性能，來達(dá)到解耦目的。算法原理介紹如下：

2.1 前向算法

2.1.1 輸入層

輸入層包括2個神經(jīng)元，分別為給定值和實測值，在任意采樣時刻，其輸入：

輸入層神經(jīng)元的狀態(tài)為：

輸入層神經(jīng)元的輸出為：

式中：=1,2；=1,2,3。

2.1.2 隱含層

隱含層共3個神經(jīng)元，分別為1個比例神經(jīng)元，1個積分神經(jīng)元和1個微分神經(jīng)元，它們各自的輸入值均為：

式中：=1,2,3。ω是輸入層至隱含層的連接權(quán)值。

比例元狀態(tài)為：

積分元狀態(tài)為：

微分元狀態(tài)為：

隱含層各神經(jīng)元輸出為：

式中：=1,2,3。

2.1.3 輸出層

PID神經(jīng)網(wǎng)絡(luò)輸出層結(jié)構(gòu)比較簡單，包含一個神經(jīng)元，完成網(wǎng)絡(luò)的綜合輸出功能，其總輸入為：

2.2 反傳算法

PID神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目標(biāo)是使式（14）為最小。

按照梯度法調(diào)節(jié)PID神經(jīng)網(wǎng)絡(luò)權(quán)值，使控制量不斷接近控制目標(biāo)。

2.2.1 隱含層至輸出層

隱含層至輸出層的權(quán)值迭代公式：

其中：

2.2.2 輸入層至隱含層

輸入層至隱含層的權(quán)值迭代公式：

其中：

3 仿真分析

把空調(diào)系統(tǒng)溫濕度回路進(jìn)行簡化處理，對前向通道建立線性傳遞函數(shù)，在研究過程中僅對單個控制回路進(jìn)行簡化建模。實際應(yīng)用中與其它環(huán)節(jié)還存在耦合。采用PID神經(jīng)網(wǎng)絡(luò)解耦控制方法，研究變風(fēng)量空調(diào)系統(tǒng)中房間溫濕度之間的耦合現(xiàn)象。在夏季工況下，采用PID神經(jīng)網(wǎng)絡(luò)解耦控制和交叉解耦控制，對辨識模型進(jìn)行仿真控制和對比分析。

3.1 溫濕度解耦控制建模

如圖1所示，研究對象為雙閉環(huán)控制系統(tǒng)，風(fēng)量控制器與風(fēng)閥執(zhí)行器集成一體，無法直接采集風(fēng)量對象的輸入輸出信號，外環(huán)溫度反饋也無法斷開，即不滿足開環(huán)辨識條件，因此房間溫度內(nèi)外環(huán)控制回路需采用閉環(huán)辨識法。

風(fēng)量設(shè)定值作為輸入，風(fēng)量反饋值作為輸出，采用最小二乘法閉環(huán)辨識得到風(fēng)量傳遞函數(shù)：

冷凍水閥門開度作為輸入，送風(fēng)溫度作為輸出，采用開環(huán)辨識得到送風(fēng)溫度傳遞函數(shù)：

從圖1可以看出，送風(fēng)量、送風(fēng)溫度的變化，都會影響房間內(nèi)溫濕度，因此末端送風(fēng)量——房間溫度，送風(fēng)溫度——房間相對濕度兩個控制回路間存在耦合關(guān)系，如圖2。圖中G11表示送風(fēng)量和房間溫度之間的傳遞函數(shù)，G22表示送風(fēng)溫度和房間濕度之間的傳遞函數(shù)，G12表示送風(fēng)溫度和房間溫度之間的傳遞函數(shù)，G21表示送風(fēng)量和房間濕度之間的傳遞函數(shù)。

圖2 溫濕度耦合傳遞函數(shù)框圖

溫濕度解耦過程中被控制對象傳遞函數(shù)如下：

3.2 仿真結(jié)果分析

將房間溫濕度分別設(shè)定在25℃和50%，通過系統(tǒng)建模，采用交叉解耦、PID神經(jīng)網(wǎng)絡(luò)解耦對變風(fēng)量空調(diào)系統(tǒng)末端溫濕度進(jìn)行控制仿真，得到房間溫度、相對濕度解耦控制圖，其與交叉解耦控制進(jìn)行對比，如圖3，圖4所示。

圖3 房間溫度解耦控制

圖4 房間相對濕度解耦控制

房間溫度解耦控制仿真過程中，PID神經(jīng)網(wǎng)絡(luò)解耦控制系統(tǒng)響應(yīng)時間為450s，超調(diào)量為10%左右；交叉解耦控制系統(tǒng)響應(yīng)時間為700s，超調(diào)量為0%。房間相對濕度解耦控制過程中，PID神經(jīng)網(wǎng)絡(luò)解耦控制系統(tǒng)響應(yīng)時間為620s，超調(diào)量為5%左右；交叉解耦控制系統(tǒng)響應(yīng)時間為800s，超調(diào)量為0%。由圖3、圖4綜合對比可以看出，PID神經(jīng)網(wǎng)絡(luò)解耦控制相比交叉解耦控制可以使系統(tǒng)盡快的達(dá)到穩(wěn)定但在控制過程中會出現(xiàn)超調(diào)現(xiàn)象。

4 實驗驗證

4.1 解耦前控制

對實驗控制對象采用LabView軟件編寫在線控制程序，加載到實際空調(diào)系統(tǒng)，將房間溫濕度分別設(shè)定為25℃和50%進(jìn)行在線控制。圖5為解耦前房間溫度控制，圖6為解耦前房間相對濕度控制。

圖5 解耦前房間溫度控制

圖6 解耦前房間相對濕度控制

解耦前控制程序在線實驗驗證，系統(tǒng)運行到3970s時，房間溫濕度基本達(dá)到穩(wěn)定，房間溫度在26.1±0.04℃波動，房間相對濕度在50.6±0.4%波動。

4.2 交叉解耦控制

實驗控制對象采用LabView軟件編寫交叉解耦控制程序，并將程序加載到系統(tǒng)上，對系統(tǒng)進(jìn)行在線控制，圖7為交叉解耦后房間溫度控制圖，圖8為交叉解耦后房間相對濕度控制圖。

圖7 交叉解耦后房間溫度控制

圖8 交叉解耦后房間相對濕度控制

交叉解耦控制在線進(jìn)行實驗驗證過程中，系統(tǒng)運行到9398s時，房間溫濕度基本達(dá)到穩(wěn)定，房間溫度在25.1±0.05℃波動，相對濕度在50.4±0.2%波動。

4.3 PID神經(jīng)網(wǎng)絡(luò)解耦控制

對實驗控制對象采用LabView軟件編寫PID神經(jīng)網(wǎng)絡(luò)解耦控制程序。圖9為PID神經(jīng)網(wǎng)絡(luò)解耦后房間溫度控制，圖10為PID神經(jīng)網(wǎng)絡(luò)解耦后房間相對濕度控制。

圖9 PID神經(jīng)網(wǎng)絡(luò)解耦后房間溫度控制

圖10 PID神經(jīng)網(wǎng)絡(luò)解耦后房間相對濕度控制

PID神經(jīng)網(wǎng)絡(luò)解耦控制在線實驗驗證，系統(tǒng)運行到4375s時，房間溫濕度基本達(dá)到穩(wěn)定，房間溫度在25.02±0.04℃波動，相對濕度在50±0.4%波動。

由以上實驗結(jié)果表明，將房間溫濕度分別設(shè)定在25℃和50%時，交叉解耦控制和PID神經(jīng)網(wǎng)絡(luò)解耦控制相比未解耦前，都有效消除了房間溫濕度控制回路之間的耦合現(xiàn)象，其中PID神經(jīng)網(wǎng)絡(luò)解耦比交叉解耦控制使系統(tǒng)達(dá)到穩(wěn)定時，所用時間更短。

5 結(jié)論

本文針對變風(fēng)量空調(diào)系統(tǒng)中送風(fēng)量——房間溫度，送風(fēng)溫度——房間相對濕度兩個控制回路之間的耦合現(xiàn)象，在系統(tǒng)建模的基礎(chǔ)上采用PID神經(jīng)網(wǎng)絡(luò)解耦控制和交叉解耦控制算法，通過仿真和加載到實際空調(diào)系統(tǒng)運行，結(jié)果對比分析得出，PID神經(jīng)網(wǎng)絡(luò)解耦控制和交叉解耦控制技術(shù)都具有較好的解耦控制效果。但PID神經(jīng)網(wǎng)絡(luò)解耦控制可以使系統(tǒng)更快速的達(dá)到穩(wěn)定，并在設(shè)定值小范圍內(nèi)波動，效果更好。

[1] 俞麗華,汪洪軍.恒溫恒濕科學(xué)實驗室的空調(diào)系統(tǒng)設(shè)計[J].制冷與空調(diào),2018,32(5):511-514,527.

[2] 徐瑋,張九根,楊偉斌,等.自適應(yīng)遺傳算法在變風(fēng)量空調(diào)系統(tǒng)解耦控制中的應(yīng)用[J].儀表技術(shù)與傳感器,2017,(4):95-99,103.

[3] Zhang H, Zhao W. Decoupling control of steering and driving system for in-wheel-motor-drive electric vehicle[J]. Mechanical Systems & Signal Processing, 2018,101:389-404.

[4] 徐穎,謝林柏.多變量時滯系統(tǒng)的伴隨解耦控制[J].控制工程,2017,24(5):927-932.

[5] 馮增喜,任慶昌.MFAC和前饋補償組合的VAV系統(tǒng)解耦控制仿真[J].計算機(jī)仿真,2014,31(9):402-406.

[6] 王茹,陶澤炎.基于模糊前饋解耦的變風(fēng)量空調(diào)控制方法研究[J].計算機(jī)測量與控制,2015,23(2):450-453,456.

[7] 白辰,樊垚,任章,楊鵬.基于模糊神經(jīng)網(wǎng)絡(luò)的MIMO系統(tǒng)自適應(yīng)解耦控制[J].北京航空航天大學(xué)學(xué)報,2015, 41(11):2131-2136.

[8] 汪煉,張向南.潔凈區(qū)溫濕度自控系統(tǒng)的內(nèi)膜PID前饋補償解耦算法研究[J].自動化技術(shù)與應(yīng)用,2016,35(5): 24-30.

[9] 麥雪鳳.智能解耦控制在過程控制實驗裝置上的設(shè)計與實現(xiàn)[J].實驗室研究與探索,2017,36(5):139-143,263.

[10] Meng Q, Yan X, Ren Q, et al. Variable air volume air-conditioning experiment system with advanced controls[J]. Indoor & Built Environment, 2016,25(1): 114-127.

[11] Zhong Z, Xu X, Zhang X, et al. Simulation Based Control Performance Evaluation of a Novel Fuzzy Logic Control Algorithm for Simultaneously Controlling Indoor Air Temperature and Humidity Using a Direct Expansion (DX) Air-conditioning (A/C) System[J]. Procedia Engineering, 2017,205:1792-1799.

[12] 劉拴強(qiáng),劉曉華,江億.溫濕度獨立控制空調(diào)系統(tǒng)中獨立新風(fēng)系統(tǒng)的研究(1):濕負(fù)荷計算[J].暖通空調(diào),2010, 40(1):80-84.

[13] 馬燕.UPFC控制策略研究及交叉解耦控制器設(shè)計[D].鞍山:遼寧科技大學(xué),2015.

Variable Air Volume Air Conditioning System Temperature and Humidity Decoupling Control

Yan Xiulian1Yan Feifei2Yan Xiuying3

( 1.Xi’an University of Architecture and Technology Hua Qing College, Xi’an, 710043;2.China United Northwest Institute for Engineering Design&Research Co.,Ltd, Xi’an, 710077;3.School of Information and Control Engineering, Xi’an University of Architecture & Technology, Xi'an, 710055 )

Variable air volume air conditioning system is a non-linear, large delay, multi-variable system, simple PID control on the non-linear system control effect is poor, control precision is not high.In the control process of variable air volume air conditioning system, the two control loops of air supply - room temperature and air supply temperature-room humidity are coupled.In this paper, neural network algorithm is used for decoupling control to eliminate coupling.Firstly, the mathematical model between control loops of the controlled object is established by using the least square method. Secondly, PID neural network decoupling control algorithm and cross decoupling control algorithm are adopted to decouple control the coupled circuits. Finally, the simulation analysis is carried out and the validation is carried out in the air conditioning system.

Variable air volume air conditioning system; Temperature and Humidity control; PID neural network; Decoupling control

TP29

A

1671-6612（2019）03-298-05

陜西省教育廳專項科研基金項目（17JK1002）

閆秀聯(lián)（1985-），女，碩士，講師，E-Mail：yanxiulian325@163.com

2019-03-11