第4章、楼宇自控系统中的智能控制和仿真

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,4,章、楼宇自控系统中的智能控制及仿真,第,4,章、楼宇自控系统中的智能控制及仿真,zhangshaojun,常规的楼宇控制技术已经较为成熟，,旦受控系统的监控点数较多，被监控的变,量较多和变量间的关系错综复杂，控制目,和任务具有一定程度不确定性，常规的控,制方法和控制系统就不能很好地应对复杂,的工况进行高质量和高可靠性的控制了,此,时，必须借助于基于智能算法的智能控制,方法来设计控制系统了。,4.1,、智能控制的基础理论,4.1.1,、楼宇智能控制中的智能控制方法,智能控制系统是这样一类系统：具有模仿人的学习，推理功能；能,始终适应变化的环境；具有处理多种信息以减少不确定性；能以安全和,可靠的方式进行规划，产生和执行控制的动作，以获得系统总体上最优,或次优的性能指标的系统。,智能控制领域中多种学科、技术相互渗透和交叉，应用极为广泛，,工控领域、楼控领域都有很深入地应用。智能控制的主要理论内容有：,（,1),模糊控制：基于模糊逻辑的智能控制。,（,2),神经网络控制：基于神经网络的智能控制。,（,3),基于模式识别的智能控制,.,（,4,）混沌控制：基于混沌分形理论的智能控制 。,（,5),基于规则的仿人智能控制。,（,6),预测结合其他一些智能控制方法的负荷控制。,结合传统的控制方法，如结合,PID,控制、,Smith,控,制、预测控制等，形成各种新的智能控制方法。,智能控制技术是在人工智能、认知科学、现代自适,应控制、最优控制、神经网络、模糊逻辑、学习理论、,混沌与分形等技术的基础上发展起来的。,4.1.2,楼宇智能控制中的神经网络控制方法,1,、神经网络控制的发展,上世纪八十年代后，一些标志性的理论和技术陆续,出现：,“能量函数”概念，把特殊的非线性动态系统结构用,于解决优化之类问题理论,提出了具有新特征的几种非线性动态系统结构。,提出了,Boltzman,机模型，在学习过程中，采用了模,拟退火技术，保证了系统全局最优。,提出了,BP,反向误差传播模型，把学习的结果反馈到,中间层次的隐单元，改变他们的权系数，从而达到预期,的学习目的。,BP,模型实现了多层网络的学习算法，使得,神经网络研究和应用进入了全盛期。,提出了双向联想存储器和自适应双向联想存储器，,为在有噪声环境下的学习提供了有力的方法。,2,、 神经网络控制的适用范围,（,1),适于研究非线性系统。神经网络在理论上能够以任意精度,逼近任意非线性映射，可以用来研究复杂的非线性系统。,（,2),采用分布式结构存储监测和控制信息。所有监测和控制信,息等势分布储存于网络中各神经元。神经元间具有极大的多径连接,性，网络具有良好的可靠性、鲁棒性和容错性。,（,3),并行处理方式。使神经网络具有实现复杂并行控制的能力。,（,4),学习和自适应性。应用系统存储的历史数据记录，可对网络,进行训练，通过这种训练,当输入出现训练中未提供的数据时，网络,具有智能辨识的能力。,（,5),数据融合。网络能够较好地处理融合定量或定性数据，综,合使用传统控制方法与人工智能方法解决较复杂的控制问题。,（,6),适于研究多变量系统。与现代控制理论研究多变量控制系统,的方法相比，使用神经元网络的多输入输出模型，可有效地应用于,多变量控制系统的研究。,在控制理论中，由于非线性系统的多样性与复,杂性，建立系统模型和非线性控制系统是较为困难,的事情，而神经网络理论具有很好的处理非线性系,统的能力，是研究非线性系统的有力工具。,3,、神经网络控制研究和应用的热点,当前，研究和应用的热点主要有：模糊控制和神经网络,控制相结合的神经网络模糊控制,;,神经网络滑模控制；神经,网络专家系统控制；利用神经网络来构造一个模拟器，模拟,系统动态特性，再对系统进行在线控制的,BTT,控制；神经网,络自适应评判控制；使用经网络对系统装置进行故障诊断,检测出错误后通过差错控制系统进行调节，保证系统正常运,行的容错控制；神经网络与常规控制方法结合,;,神经网络模,型参考自适应控制,;,完全神经网络控制等。,神经网络控制技术在楼宇智能化控制中也有较多和深入,的应用，如在变风量空调系统的控制方面，在制冷系统的控,制方面等方面。,4.1.3,、,模糊控制,1,、模糊控制的基本概念,设计一个控制系统的首先知道被控对象精确的数学模型。对控制规,律的设计，是根据被控对象的数学模型和要求的性能指标来进行的。,系统变量多，各种参数又存在不同程度的时变性，且过程具有非线,性、强耦合性，对应的模型非常复杂，难于求解导致模型实用价值不,大。借助于人类大脑的一种模糊属性和利用有经验的操作人员进行手动,控制,可以得到较好的控制效果。,对于许多无法构造数学模型的对象，让计算机模拟人的思维方式进,行控制与决策，用模糊数学工具帮助求解这些工程系统的控制问题。通,过感觉器官感知周围世界，在脑和神经系统中调整获得的信息，经过适,当的存储、校正、归纳及选择等过程后进行决策，达到预期的控制目,标。 通过使用经验将一个较复杂的控制过程用语言来描述，总结成一系,列的条件语句，即控制规则。应用计算机程序来实现这些规则，采用模,糊集合来描述模糊条件语句，构成模糊控制器来实施控制，这就是模糊,控制。,图,4.1,、模糊控制器功能,2,、模糊控制的步骤和设计,可以使用计算机程序来实现模糊控制器的控制规律。模,糊控制步骤：,（,1,）采样,（,2,）将输入量精确值转变为模糊量,（,3,）由输入模糊变量、模糊控制规则，按模糊推理规则,计算控制量,（,4,）将控制量精确化实施控制。,模糊控制器的设计内容：,1,）确定语言控制规则,2,）确定模糊量的隶属度函数。,3,）确定模糊控制器的输入、输出量化因子。,进行模糊控制时，要进行模糊化和反模糊化，,这就必须使用到量化因子。量化因子的大小及其不,同量化因子之间大小的相互关系，对模糊控制器的,控制性能影响极大。,如果模糊控制器的输出有多条控制规则确定，,即控制规则彼此具有交叉性，设计难度增加。,3,、,模糊算法及控制,模糊控制算法的实现过程：计算机经过中断采样获取被控制量的精,确值，将此值与给定值比较取差，得到误差信号,E,，把误差信号,E,的精确,值进行模糊化。,模糊控制系统中，模糊控制器起着关键的作用。模糊控制器的输入,变量一般选误差和误差的变化率，输入变量的个数叫模糊控制器的维,数，维数越高控制精度越高，但同时也越复杂，表现在模糊控制规则越,复杂，控制算法的实现难度也越大。误差,E,的模糊语言集合,e,是一个模糊,向量。再由,E,和模糊控制规则,R(,模糊关系,),根据推理的合成规则进行模糊,决策，得到模糊控制量,U,。为了对被控对象施加精确控制，还需将模糊,控制量转换成精确量，即去模糊化处理。得到的精确数字控制量，经数,模转换变为精确的模拟量送给执行机构，对被控对象进行控制。如,此循环下去，就实现了被控对象的模糊控制。实际工程当中，多采用两,维模糊控制器。,将变量的实际变化范围划分成若干等级，这些等级的全体就是变量,论域。将在一定范围内的实际变量输入值转换为论域中的等级值过程就,是模糊化过程。,4,、模糊控制器的隶属函数,对于论域,E,来讲，该论域在,0,，,1,闭区域内的任,何一个映射,模糊变量的隶属度函数的曲线形状较尖的模糊,子集，其分辨率较高，控制灵敏度也较高；相反，隶属函数,的曲线形状较缓，控制特性也较平缓，系统的稳定性较好。,因此，一般在误差大的区域，选择低分辨率的模糊子集；在,误差小的区域，选择较高分辨率的模糊子集。,5,、控制器的控制规则和生成方法,模糊控制器的控制规则是系统控制经验的总结，并用模糊条,件语句来描述。生成模糊规则的四种基本方法是：,（,1,）根据专家的经验或过程控制知识生成模糊控制规,则。,（,2,）根据过程的模糊模型生成模糊控制规则。,（,3,）根据对手动控制操作的观察和测量来生成模糊控制,规则。,（,4,）根据学习算法生成模糊控制规则。,生成模糊规则的几种互不排斥，可以交叉使用，如果综,合性的应用这几种方法可构成有效的方法生成控制规则。,6,、将模糊量非模糊化,将模糊量非模糊化的过程叫清晰化或非模糊化。主要采用以下几种,方法,（,1,）重心法 取隶属度曲线与横坐标轴所围区域的中心为代表点。,（,2,）最大隶属度法 在推理结论的模糊集合中，取隶属度最大的元素,作为输出量，前提条件是隶属度一定是单峰曲线。,（,3,）中位数法 在隶属度曲线与横坐标轴所围区域中，取,1/2,面积处,的纵坐标值为清晰化值。,（,4,）系数加权平均法。,7,、模糊控制系统的设计与实现,模糊控制系统的设计步骤：,（,1,）获取有关受控装置设计和运行特点的较全,面的信息。,（,2,）确定控制对象。,（,3,）确定模糊控制器的输入和输出变量。,（,4,）确定各模糊变量的论域。,（,5,）确定模糊集和相应的每一个隶属度函数的,形状，对于较灵敏的变量，模糊集数目要多一些。,（,7,）确定模糊规则表。,（,8,）确定模糊表量的比例系数。,（,9,）已知数学模型的情况,在已知数学模型的情况下，用已经确定的模糊,控制器对系统进行仿真，测试控制系统的性能，不,断地调整规则表和隶属度函数，直到获得满意的效,果。,（,10,）没有数学模型的情况,在没有数学模型的情况下，控制器要在运行装,置上不断调试，直到获得一定的精度为止。,8,、模糊控制在制冷空调系统的应用,模糊控制已经成功用于变频冰箱、变频空调器系统中。例如，根据,冰箱内的温度传感器测得温度值和得出相应的温度变化率，运用模糊神,经推理确定冰箱内食品温度，进而控制变频压缩机的转速、风扇运转和,风门的开闭，达到最佳运行工况。变频空调器需要控制的主要参量有：,室温、风量和风向、蒸发器的过热度、压缩机制冷温度。由于空调负荷,始终在动态变化，控制系统采用智能控制方法做实时调节控制，常规控,制已经不能胜任。,空调器的模糊控制，就是通过传感器获得室温变化、室内外温度、,室内外湿度和关于空调区域情况等大量数据，将这些实测数据与大量经,验数据相比较，应用模糊理论使变频压缩机、电子膨胀阀、风机转速及,风门这些执行机构做出相应的快速调节。,9,、模糊控制方法与其他方法的结合,模糊控制的学习能力较弱，因此模糊控制规则的获取和调整是模糊,控制应用的难点。工程与科研中跟多的是将模糊控制与其他优化理论、,方法及控制技术相结合，形成复合结构的智能控制方法。,随着模糊控制技术在工控领域和楼宇智能控制领域应用研究的不断,深入，在控制策略方面从基于查询表方法的简单模糊控制，发展到与其,他人工智能领域相结合的智能模糊控制。例如：传统控制方法与模糊控,制构成的复合控制；利用神经网络来实现模糊控制；采用非线性优化算,法、遗传算法和进化算法，对模糊控制的规则进行优化等。,现在很多关于楼宇智能控制中应用神经网络控制理论的成果还在仿,真与实验室阶段。因此模糊控制理论在控制领域和楼控领域中的应用还,有很多工作要做。,模糊控制和神经网络控制都具有从典型数据中评估系统,功能的属性，而无需传统的数学模型。在构造神经网络时，,需要获得足够多的训练数据。这些训练数据将会通过反复学,习，融人神经网络之中。这是神经网络的优越性，它使神经,网络有学习及自适应功能；但神经网络系统不能直接将专家,提供的规则直接地应用在神经网络系统中。对于模糊控制来,讲，专家提出的控制规则可以直接填充在规则矩阵。这就是,模糊控制和神经网络控制的一个重要区别，基于该区别，建,立一个模糊系统的结构，比训练一个神经网络要来的简单，,但模糊控制缺点就是模糊系统无学习和自适应能力。,把神经网络和模糊系统结合起来。例如用专家提供的规,则初始化控制器，用神经网络去调节改进系统实时性。,4.4.4,、模糊控制在变风量空调中的应用,对于常规,PID,控制器来讲，不能在线整定参数，当对象,存在结构非线性、参数时变性或模型不确定时，其参数更加难以整定，,且最佳参数容易漂移。下面以变风量空调房间为研究对象，采用模糊控,制与,PID,控制相结合，构成模糊自适应,PID,控制器，利用模糊控制器在线,调整,PID,控制器的参数，进行结果仿真，并在仿真实验的基础上将其应,用于实际的变风量空调系统的控制当中去。,1,、系统介绍,变风量空调系统由冷热水机组、空气处理机组、风阀及风管、送,回风机以及空调房间构成。控制系统由以下几个部分组成：,室内温度控制环节，即变风量末端装置控制；,室内正压控制，即送、回风机匹配控制；,送风静压控制；,送风温度控制；,新风量控制等环节。,以上几个部分相互独立，又相互关联，各回路之间存在,着很强的耦合性。当某个房间的温度下降时，该房间的末端,装置,VAVbox,的风阀就会关小，从而导致总风管内的送风静,压升高，其他房间的送风量增加。这时，这些房间,VAVBOX,的风阀就会关小以恒定各自的送风量。这又将导致系统静压,的进一步升高。当达到一定程度时，静压控制器就将降低送,风机的转速以减小风量，回风机风量也随之减少。系统静压,又回到原来的水平，这样各房间的,VAVbox,的风阀 又开始开,大。由于系统压力的变化必将影响到新风量的变化，从而导,致送风温度的变化。送风量变化使得控制器调节新风、排,风、回风,3,个风阀的开度，这,3,个风阀阀位的变化将引起整个,系统的静压和流量发生变化。这样的过程使系统处在一种频,繁的调节当中。风阀时而开大时而关小，送进室内的风量也,是忽大忽小。,变风量系统对控制的要求比定风量系统要复,杂，要建立一个适合工程控制的数学模型比较困,难，无法运行和运行情况不佳的系统，问题常常处,在控制系统当中。,VAV,空调系统是一个干扰大、高,度非线性的复杂系统，因此，传统,PID,控制效果往,往并不理想。使用模糊逻辑控制比传统,PID,控制的,效果要更好。,2,、模糊控制理论的应用,模糊控制系统的基本原理框图如图所示。,3,、模糊控制的实现,（,1,）、设计原理,利用人工智能的方法将操作人员的调整,经验作为知识存储到计算机中，根据现场实,际情况，计算机能自动调整,PID,参数。,自适应模糊控制器结构,模糊控制器的设计主要包括内容：,(1),确定模糊控制器的输入变量和输出变量；,(2),选择模糊控制器的输入量及输出量的论域并确定模糊,控制器的参数,(,如量化因子、比例因子,),；,(3),设计模糊控制器的模糊规则；,(4),确定模糊和反模糊化的方法，即模糊推理及模糊运算,的方法；,(5),编制模糊控制算法的应用程序。,在线运行过程中，控制系统通过对模糊逻辑规则的结果,处理，查表和运算，完成对,PID,参数的在线自校正。其工作,流程图如图,4.20,所示。,(4),、仿真结果分析,实际的变风量空调实验系统有,5,个变风量末端，每个末,端都直接通过一个专用,DDC,进行监测控制，使用,MS/TP,总线,负责各末端的通信。,DDC,中包含有,PID,控制算法，可直接控,制阀门的开度。末端阀门采用的是,6,片对开式叶片组成节流,式调节风门，,调节范围为,100,lO,；模拟的空调房间面,积,25m2,，室内设定温度,260C,，,VAVbox,送风温度,18,。,C,，,室内负荷,5kW,，使用,2,个,lkW,的电热炉和,30,个,100W,灯泡来模,拟。,图,4.21 VAV,末端风阀控制输出,4,、结论,上面提出的模糊参数自整定,PID,控制器,结合了,PID,控制和模糊控制的优点，实现了,对,PID,参数的实时在线整定。与常规,PID,温控,系统相比，该控制器不仅控制精度更高，结,构较为简单，计算量小，易于工程实现。仿,真实验克服了工程实践中的盲目性，为实际,温控系统的设计与调试提供了理论参考依,据。,