中央空調(diào)冷凍水系統(tǒng)的神經(jīng)PID控制

岳巨忠

（青島理工大學(xué) 自動(dòng)化學(xué)院，山東 青島 266520）

中央空調(diào)在整個(gè)智能樓宇建筑系統(tǒng)中的能耗比例較大，約占整個(gè)建筑能耗的50%，中央空調(diào)節(jié)能措施的研究是我國現(xiàn)階段空調(diào)研究的主要方向。中央空調(diào)變水量系統(tǒng)是當(dāng)實(shí)際負(fù)荷的改變時(shí)，通過變頻器實(shí)現(xiàn)水泵轉(zhuǎn)速的改變，從而改變系統(tǒng)冷凍水的流量，實(shí)現(xiàn)空調(diào)的節(jié)能目標(biāo)。

由于中央空調(diào)是一個(gè)非線性、大滯后、時(shí)變的系統(tǒng)，要想通過PID達(dá)到一個(gè)良好的控制效果，必須對PID的3個(gè)參數(shù)合理選取。在以往的PID控制變頻調(diào)節(jié)中，PID參數(shù)的整定需在現(xiàn)場調(diào)試的過程中不斷地加以調(diào)整才能實(shí)現(xiàn)良好的控制，在應(yīng)用上普通的PID調(diào)節(jié)很難實(shí)現(xiàn)系統(tǒng)的穩(wěn)定運(yùn)行，而且對工況及環(huán)境變化的適應(yīng)能力差。而神經(jīng)網(wǎng)絡(luò)PID控制的中央空調(diào)水系統(tǒng)通過不斷的調(diào)整權(quán)值參數(shù)可對 PID參數(shù) kp、ki、kd進(jìn)行在線式調(diào)整，可以隨環(huán)境的變化實(shí)現(xiàn)對參數(shù)的調(diào)整，對數(shù)學(xué)模型要求也不是很高，在穩(wěn)定性和適應(yīng)能力方面具有良好的性能[1]。

1 中央空調(diào)冷凍水二次泵控制方案

本文應(yīng)用壓差控制來實(shí)現(xiàn)中央空調(diào)水系統(tǒng)中水泵的變頻。壓差控制采用冷凍水環(huán)路中離泵最遠(yuǎn)的空調(diào)用戶端（最不利支路）的壓差與壓差設(shè)定值比較的偏差，作為控制器的輸入改變變頻器的值，控制水泵電機(jī)轉(zhuǎn)速改變流量，使檢測處的壓差跟隨設(shè)定值，滿足系統(tǒng)負(fù)荷需要[1]。當(dāng)房間的負(fù)荷降低時(shí)，造成最不利支路上冷凍水電動(dòng)閥門開度減小，冷凍水的流量減小，壓差增大。通過與設(shè)定壓差比較，改變二次水泵的轉(zhuǎn)速，降低其流速，使最不利支路上的壓差減小。

2 冷凍水變流量控制器的設(shè)計(jì)

2.1 神經(jīng)PID控制原理

利用BP神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的能力、自學(xué)習(xí)的能力及非線性映射能力。將其運(yùn)用到PID控制調(diào)節(jié)中，并根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，通過不斷調(diào)整權(quán)值、不斷調(diào)節(jié)PID控制器的3個(gè)參數(shù)，以期達(dá)到某種控制規(guī)律下性能指標(biāo)的最優(yōu)化。

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層、輸出層3層網(wǎng)絡(luò)組成，如圖1所示。通過隱含層和輸出層活化函數(shù)的計(jì)算，使輸出層的神經(jīng)元狀態(tài)對應(yīng)PID控制器的3個(gè)可調(diào)參數(shù) kp、ki、kd，來實(shí)現(xiàn)系統(tǒng)的在線整定[2]。

經(jīng)典增量式控制算法：

其中 kp、ki、kd分別為比例、積分、微分系數(shù)。

網(wǎng)絡(luò)輸入層的輸入：

式中輸入變量的個(gè)數(shù)取決于被控系統(tǒng)的復(fù)雜程度。網(wǎng)絡(luò)隱含層的輸入輸出為：

輸出層的輸入輸出為：

輸出層輸出節(jié)點(diǎn)分別對應(yīng)可調(diào)參數(shù) kp、ki、kd。由于kp、ki、kd不能為負(fù)值， 所以輸出層神經(jīng)元取非負(fù)的sigmoid活化函數(shù)。

按照梯度下降法修正網(wǎng)絡(luò)的權(quán)系數(shù)，輸出層的加權(quán)系數(shù)的學(xué)習(xí)算法為：

式中η為學(xué)習(xí)效率，α為慣性系數(shù)。

同理，隱含層的加權(quán)系數(shù)的學(xué)習(xí)算法為：

2.2 神經(jīng)網(wǎng)絡(luò)PID控制器結(jié)構(gòu)

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的系統(tǒng)結(jié)構(gòu)如圖2所示，其控制器是由常規(guī)的PID控制器和神經(jīng)網(wǎng)絡(luò)兩部分組成。在控制器中，常規(guī)的PID控制器與被控對象形成閉環(huán)控制，通過不斷采集被控對象輸出，使被控對象的輸出趨于穩(wěn)定，并使系統(tǒng)的誤差趨于零；神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)誤差值來作為它的輸入，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力和加權(quán)系數(shù)的不斷調(diào)整，使輸出層神經(jīng)元的輸出對應(yīng)于控制器的可調(diào)參數(shù)kp、ki、kd，來調(diào)整控制器的輸出，使系統(tǒng)運(yùn)行狀態(tài)快速穩(wěn)定。

3 冷凍水神經(jīng)網(wǎng)絡(luò)PID控制仿真程序設(shè)計(jì)

本文利用系統(tǒng)辨識工具箱，采用最小二乘法辨識得出的中央空調(diào)冷凍水壓差控制的數(shù)學(xué)模型[3]，其被控對象的近似數(shù)學(xué)模型為：

用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器對其進(jìn)行控制，神經(jīng)網(wǎng)絡(luò) NN的結(jié)構(gòu)為 4×5×3結(jié)構(gòu)，且學(xué)習(xí)速率 η=0.000 03和慣性系數(shù) α=0.000 03，加權(quán)系數(shù) w初始值取[-0，5，0.5]上的隨機(jī)數(shù)，輸入?yún)⒖夹盘?r（k）取幅值為 3的階躍信號[4]。

4 運(yùn)行結(jié)果及節(jié)能效益分析

其Matlab仿真結(jié)果如圖3、圖4所示。

通過對Matlab仿真曲線的研究，可以知道基于神經(jīng)網(wǎng)絡(luò)PID的中央空調(diào)水系統(tǒng)的控制具有良好的穩(wěn)定性和跟隨性，在40 s后系統(tǒng)基本上處于穩(wěn)定運(yùn)行狀態(tài)，并且具有較好的快速性和適應(yīng)能力，系統(tǒng)的控制特性和控制精度良好。

本文利用BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織能力的特點(diǎn)，通過設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)PID控制器來實(shí)現(xiàn)對中央空調(diào)冷凍水變流量的控制，實(shí)現(xiàn)了系統(tǒng)對PID參數(shù)的在線自整定和優(yōu)化的能力，避免了依靠人工整定PID參數(shù)而導(dǎo)致系統(tǒng)出現(xiàn)大超調(diào)、不穩(wěn)定等現(xiàn)象。同時(shí)該算法具有很強(qiáng)的適應(yīng)能力，不需要被控對象的精確數(shù)學(xué)模型就能使系統(tǒng)具有良好的控制效果，運(yùn)行方案是非?？尚械?。在實(shí)現(xiàn)中央空調(diào)水系統(tǒng)變流量壓差控制運(yùn)行的基礎(chǔ)上及對于將來空調(diào)節(jié)能的發(fā)展具有廣闊的前景。

[1]李玉街，蔡小兵，郭林.中央空調(diào)系統(tǒng)模糊控制節(jié)能技術(shù)及應(yīng)用[M].北京：中國建筑工業(yè)出版社，2010.

[2]曾軍，方厚輝.神經(jīng)網(wǎng)絡(luò) PID控制及其 Matlab仿真[J].現(xiàn)代電子技術(shù)，2004.

[3]吳俊.中央空調(diào)水系統(tǒng)優(yōu)化節(jié)能控制[D].西安：西安建筑科技大學(xué)，2008.

[4]龐中華，崔紅.系統(tǒng)辨識與自適應(yīng)控制Matlab仿真[M].北京：北京航空航天大學(xué)出版社，2009.