基于蟻群算法的變頻空調(diào)室溫智能控制方法

白國政

(陜西工業(yè)職業(yè)技術(shù)學(xué)院信息工程學(xué)院,陜西 咸陽 712000)

變頻空調(diào)的終端是控制室內(nèi)溫度的關(guān)鍵設(shè)備,其主要功能是追蹤房間內(nèi)的冷、熱負荷,保持房間內(nèi)恒溫,使用戶感受舒適。室內(nèi)環(huán)境由于受到人為因素影響,具有不確定性特點,難以建立準(zhǔn)確的數(shù)學(xué)模型,因此用常規(guī)PID控制難以實現(xiàn)室內(nèi)溫度控制。

隨著控制原理的發(fā)展和改進,變頻空調(diào)技術(shù)發(fā)展迅速。文獻[1]提出了串級自抗擾控制方法,將自適應(yīng)控制器與串級控制相配合,在串級溫度環(huán)中應(yīng)用自抗擾技術(shù),實現(xiàn)了自抗擾控制器的設(shè)計。設(shè)置空調(diào)機房及終端設(shè)備的模擬模式,以達到變頻空調(diào)室溫控制。該方法的缺點是誤差非線性反饋控制容易受到非線性不平滑函數(shù)影響,導(dǎo)致控制效果不佳。文獻[2]提出了模糊迭代學(xué)習(xí)控制方法,通過構(gòu)建模糊迭代數(shù)學(xué)模型,對比不同干擾信號條件下的跟蹤響應(yīng)發(fā)現(xiàn),模糊迭代學(xué)習(xí)預(yù)測控制不僅對周期性干擾具有較好的魯棒性,而且在隨機干擾條件下,依舊能夠保持較好的跟蹤性能,從而實現(xiàn)了智能化的溫度調(diào)控。該方法的缺點是變頻溫度智能控制受到輸入?yún)?shù)影響,導(dǎo)致控制誤差較大。

針對上述缺點,本文提出了基于蟻群算法的變頻空調(diào)室溫智能控制方法。在蟻群算法支持下,結(jié)合能量守恒定律,分析變頻風(fēng)閥開度送風(fēng)量,通過引入變論域伸縮因子智能控制室內(nèi)溫度。

1 變頻風(fēng)閥開度送風(fēng)量模型建立

室內(nèi)溫度容易受到外界溫度、氣象條件、設(shè)備運行狀況影響,存在控制對象非線性、時滯大的特點,因此構(gòu)建模型時,必須對變頻風(fēng)閥開度送風(fēng)量模型進行約束和精簡[3]。在不計時延的情況下,將變頻空調(diào)房間看作一個單元模型,空調(diào)房間的氣溫均勻分布,不會受到空氣流動、室外溫度和大氣壓力影響。根據(jù)能量守恒方程建立數(shù)學(xué)模型:

(1)

式中:c1、c2分別為室內(nèi)流動氣體、空氣比熱容,q0為室內(nèi)流動氣體負荷,ρ為室內(nèi)空氣密度,Q為室內(nèi)變頻,T1、T0分別為進風(fēng)、送風(fēng)溫度,d為揮發(fā)系數(shù)。利用LabVIEW程序,通過對控制對象的輸入和輸出來判斷控制目標(biāo)[4-6]。確定風(fēng)閥開度送風(fēng)量的線性變化區(qū)間。對風(fēng)閥開度送風(fēng)量進行階躍響應(yīng)測試,確定系統(tǒng)的滯后和調(diào)整時間[7]。在此過程中,輸出振幅保持不變,將正弦波輸入到風(fēng)閥開啟的控制端處,通過觀察進氣流量的變化,得出風(fēng)閥關(guān)閉的頻率?；诖?構(gòu)建變頻風(fēng)閥開度送風(fēng)量模型:

(2)

式中:s為房間面積,ζ為時滯算子。對采樣時間、采樣周期、階次等各參量進行采樣,并將其輸入MATLAB/Ident工具箱中,獲取變頻空調(diào)室溫采樣參數(shù)序列。

2 基于蟻群算法的變頻空調(diào)室溫智能控制

通過構(gòu)建變頻風(fēng)閥開度送風(fēng)量模型,獲取變頻空調(diào)室溫采樣參數(shù)序列。對自適應(yīng)螞蟻模型進行智能溫度控制學(xué)習(xí)和訓(xùn)練,以確保蟻群算法的真實輸出與期望的偏差最小[8-10]。

2.1 基于蟻群算法的智能控制流程設(shè)計

蟻群算法是一種仿生學(xué)算法,是由自然界中螞蟻覓食的行為而啟發(fā)的。自然界中,螞蟻在覓食過程中,蟻群總能夠?qū)ふ业揭粭l從蟻巢和食物源的最優(yōu)路徑[11]。在搜尋過程中,不同路徑、蟻群的信息素存在差別,蟻群會聚集在一條路徑上獲取食物,此路線即為最優(yōu)路徑[12]?；谠撛?對溫度智能控制過程進行訓(xùn)練,構(gòu)建蟻群自適應(yīng)函數(shù)。在智能溫度控制系統(tǒng)中,輸入端僅含有一個信息素,負責(zé)對算法的整體輸出,由此得到的自適應(yīng)函數(shù)為:

(3)

(4)

由式(4)所得到的結(jié)果與控制結(jié)果整體輸出相當(dāng),通過對網(wǎng)絡(luò)進行智能控制,使真實輸入與期望輸入之間的差異最大,則穩(wěn)定狀態(tài)的最小差值e為:

(5)

由式(5),可使輸出值和理想值之間誤差達到最小。

由大量螞蟻組成的蟻群的集體行為表現(xiàn)出一種信息正反饋現(xiàn)象:某一路徑上走過的螞蟻越多,則后來者選擇該路徑的概率就越大。螞蟻個體之間就是通過這種信息的交流達到搜索食物的目的。在搜尋時,各蟻群的位置選取是彼此無關(guān)的,依據(jù)位置上的信息素及位置轉(zhuǎn)換概率來選取位置。螞蟻根據(jù)食物所在位置進行尋找,并最終調(diào)整各個路徑的信息素。蟻群算法的整體流程如下:

1)參數(shù)初始化。

2)在n個節(jié)點中放m個蟻群,將n個節(jié)點添加到蟻群的禁忌表中。

3)通過對禁忌表的判定,利用狀態(tài)轉(zhuǎn)換法選取下一個節(jié)點。螞蟻通過路徑上的信息素密度和路線的長短來確定下一次目標(biāo),其狀態(tài)轉(zhuǎn)移概率公式為:

(6)

式中:Pij(t)為狀態(tài)轉(zhuǎn)移概率,sij(t)為i、j兩個節(jié)點在時間t內(nèi)的信息素量,fij(t)為狀態(tài)轉(zhuǎn)換啟發(fā)函數(shù),ε、γ分別為狀態(tài)轉(zhuǎn)換因子和期望因子,allowedt為下一個可訪問的節(jié)點。

4)在確定了蟻群之后,按照本地信息素的變化規(guī)律,對整個螞蟻群體搜索路徑進行了最優(yōu)規(guī)劃,直到它們?nèi)勘凰褜ぁＣ總€螞蟻在執(zhí)行一個循環(huán)后,按照式(7)處理其余的信息素:

sij(t)(t+t′)=(1-ρ)·sij(t)+Δsij(t)

(7)

式中:t′為螞蟻執(zhí)行時間,Δsij(t)為增加的信息素量。

5)記錄全部螞蟻搜索食物時的路徑,獲取最優(yōu)路徑,并建立相應(yīng)免疫群體,求出基于全局信息素迭代修正最優(yōu)解:

(8)

式中:φ為全局信息素修正系數(shù)。

6)重復(fù)1)～5)直到滿足終止條件為止,設(shè)計負責(zé)控制溫度的壓力無關(guān)型變頻箱控制回路,如圖1所示。

圖1 壓力無關(guān)型變頻箱控制回路

變頻中央空調(diào)是以調(diào)整區(qū)域的溫度為控制信號,利用變頻箱來調(diào)整送風(fēng)量,使房間溫度保持在一個恒溫狀態(tài)。該控制回路采用雙閉環(huán)串級控制方式,根據(jù)主副環(huán)輸出功率,調(diào)整風(fēng)閥的開啟程度,實現(xiàn)房間溫度調(diào)節(jié)。

2.2 基于變論域自適應(yīng)模糊規(guī)則的控制精度調(diào)節(jié)

基于壓力無關(guān)型變頻箱控制回路,結(jié)合蟻群算法設(shè)計智能控制流程,調(diào)整風(fēng)閥的開啟程度雖然能夠有效控制溫度,但是當(dāng)模糊規(guī)則確定之后,變論域是不確定的。在輸入端沒有改變的情況下,由于輸入端錯誤程度較低,導(dǎo)致模糊分割變得相對粗糙,從而降低了輸出調(diào)整效率。為了提高控制器的準(zhǔn)確率,必須減小模糊集的峰值間距,因此提出通過變論域擴展系數(shù)實現(xiàn)對溫度的智能調(diào)整。變論域自適應(yīng)模糊規(guī)則的控制誤差校正如下所示:設(shè)輸入變量、輸出變量為兩個模糊劃分結(jié)果上的模糊集峰點,使用內(nèi)插函數(shù)來表達模糊控制器。

(9)

式中:f(x)為內(nèi)插函數(shù),x、y分別為輸入、輸出變量,ai為模糊劃分結(jié)果,k為插入次數(shù)。引入變論域伸縮因子,分析輸入變量、輸出變量所對應(yīng)的模糊推理論域,用如下函數(shù)表示:

f(x(t+1))=

(10)

式中:λ1、λ2分別為輸入、輸出論域伸縮因子。引入變論域思想后,可以將變論場的量化因子與輸出變量相結(jié)合,從而更好地了解和運用變論域思想。確定定量因素和標(biāo)定因素之間關(guān)系,隨著誤差不斷縮小,控制規(guī)則的數(shù)目越來越少,調(diào)整的效果也越來越好,所以要增加定量因素,使得變論域范圍比輸出的模糊量小。

在輸入變量大的情況下,輸入變論域伸縮因子大,伸縮因子的變化率小;在輸入變量中等的情況下,輸入變論域伸縮因子中等,而伸縮因子的變化率也應(yīng)是中等;在輸入變量小的情況下,輸入變論域伸縮因子小,而伸縮因子的變化率大。基于以上理論,采用遞進法,得到了一種擴展系數(shù)。輸入變量越大,變論域伸縮因子越小,實現(xiàn)室溫的靈活調(diào)整。

3 溫度控制實驗

為了驗證基于蟻群算法的變頻空調(diào)室溫智能控制方法的溫度控制效果,于2022年11月在某地某辦公樓兩室內(nèi)搭建與所提方法相同參數(shù)的溫控系統(tǒng)實驗平臺。

3.1 溫度控制實驗觀測平臺搭建

實驗采用2臺室內(nèi)機和2臺室外機,額定制冷參數(shù)為22.4 kW,額定制熱參數(shù)為25 kW。兩室內(nèi)空間結(jié)構(gòu)為3.50 m×2.95 m×5.00 m,均帶有1.05 m×2.55 m窗戶,窗戶和墻壁的面積比為12%,連接廊體部分有1個門,尺寸為0.85 m×2.30 m,室內(nèi)高度為2.50 m。將室內(nèi)參數(shù)輸入到MATLAB/Simulink中,搭建溫度控制實驗觀測平臺,其三維結(jié)構(gòu)如圖2所示。

圖2 溫度控制實驗觀測平臺

通過Web組網(wǎng)監(jiān)控方式,對變頻空調(diào)進行了輕量化建模處理和三維可視化操作。在實驗平臺上安裝了能夠監(jiān)控溫度的傳感器,其與加熱設(shè)備保持一定的距離。如果所探測到的溫度比設(shè)定值低,則溫控器將會激活加熱爐。在實際應(yīng)用中,一般都是先設(shè)置一個理想的溫度,再設(shè)置一個偏差或遲滯,從而確定兩個設(shè)置點。通過設(shè)置不同的上、下限,使加熱設(shè)備的狀態(tài)轉(zhuǎn)換次數(shù)變少,若上、下兩個設(shè)置點都是相同,溫控器不會重復(fù)開關(guān),從而防止部件提前損壞。在溫度高于或低于設(shè)置值時,加熱裝置隨之發(fā)生變化,避免控制器的延遲問題。

3.2 機房溫度云圖熱點分析

機房溫度云圖熱點示意圖如圖3所示。

圖3 機房溫度云圖熱點示意圖

由圖3可知,以“云”為中心,以20 ℃的室內(nèi)氣溫作為熱源,由控制板進行實時監(jiān)測,并將實時監(jiān)測到的溫度信息反饋至可視化的計算機上。通過數(shù)據(jù)畫出contour圖,如圖4所示,將溫度從以原子為單位轉(zhuǎn)化為以空間為單位,得到一個數(shù)據(jù)文件。

圖4 理想contour圖

由圖4可知,房間中心溫度為20 ℃左右,最高為25 ℃。

3.3 實驗結(jié)果與分析

分別使用串級自抗擾控制方法、模糊迭代學(xué)習(xí)預(yù)測控制方法和基于蟻群算法的智能控制方法,對比分析contour圖是否與理想contour圖一致,如圖5所示。

圖5 不同方法contour圖繪制結(jié)果分析

由圖5可知,使用串級自抗擾控制方法、模糊迭代學(xué)習(xí)預(yù)測控制方法所得contour圖與理想contour圖結(jié)果不一致,使用基于蟻群算法的智能控制方法所得contour圖與理想contour圖結(jié)果一致,說明使用本文方法能夠有效控制室溫。

4 結(jié)論

本文針對串級自抗擾控制方法、變頻空調(diào)模糊迭代學(xué)習(xí)預(yù)測控制方法溫度控制效果不理想的問題,提出了基于蟻群算法的變頻空調(diào)室溫智能控制方法。研究成果如下:

1)在能量守恒定律下,能夠劃分風(fēng)閥開度送風(fēng)量變化的線性范圍;

2)通過構(gòu)建變頻風(fēng)閥開度送風(fēng)量模型,能夠獲取參數(shù)序列;

3)通過學(xué)習(xí)與訓(xùn)練溫度智能控制方式,能夠保證本文方法實際輸出值和理想值之差達到一致;

4)通過設(shè)計變頻箱控制回路,能夠?qū)崿F(xiàn)房間溫度靈活調(diào)整。