[发明专利]一种变风量空调系统变静压自适应模糊控制方法

说明书

本发明公开了一种变风量空调系统变静压自适应模糊控制方法，在实现变静压模糊控制之前，通过Matlab/Simulink软件对变风量空调送风系统进行仿真模拟，采集数据；利用减法聚类估计一组输入数据中的聚类个数及聚类中心位置；对筛选后的输入、输出数据进行训练，生成能够模拟数据行为的Takigi‑Sugeno型模糊推理系统；通过减聚类算法和自适应模糊推理系统训练得到的模糊规则应用于变静压模糊控制系统模型。本发明控制过程更加稳定；具有抗干扰性和节能效果，在一定程度上解决了人为调试获取规则困难的问题。

技术领域

本发明属于变风量空调系统优化控制节能技术领域，具体涉及一种变风量空调系统变静压自适应模糊控制方法。

背景技术

目前在处理变风量空调系统优化控制节能部分的问题时，有多学者将节能对象放在风机控制以及阀门控制中，对于这两种对象的控制节能使用模糊控制的较多，但是多数使用模糊控制在完成风机或者阀门控制时，其中模糊控制规则均依赖于人为经验。模糊推理是模糊控制过程中最重要的一部分，规则的好坏直接会反映到控制效果中，会导致系统存在控制时间较长、超调、能耗较大等问题。然而多数相关研究学者几乎不考虑人为经验总结忽略的规则。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种变风量空调系统变静压自适应模糊控制方法，针对传统的变静压模糊控制方法依赖人为经验获取模糊规则，导致系统存在控制时间较长、超调、能耗较大等问题。通过减聚类算法的学习能力对输入样本进行聚类分析，优化模糊量化和模糊规则，用神经模糊推理的方法训练模糊规则实现VAV变静压模糊控制，解决了人为经验总结的有效模糊规则覆盖率不全的带来的问题。

本发明采用以下技术方案：

一种变风量空调系统变静压自适应模糊控制方法，包括以下步骤：

S1、在实现变静压模糊控制之前，通过Matlab/Simulink软件对变风量空调送风系统进行仿真模拟，采集数据；

S2、利用减法聚类估计一组输入数据中的聚类个数及聚类中心位置；

S3、对筛选后的输入、输出数据进行训练，生成能够模拟数据行为的Takigi-Sugeno型模糊推理系统；

S4、通过减聚类算法和自适应模糊推理系统训练得到的模糊规则应用于变静压模糊控制系统模型。

具体的，步骤S1中，仿真数学模型包括房间，末端，风管，风机模型，采集变风量空调系统下房间各末端阀位值以及送风管道的静压值；将空气作为集中参数考虑，根据能量守恒建立房间温度的变化仿真数学模型；末端仿真数学模型采用压力无关型末端；采用适用于紊流三个区域的阿里特苏里公式计算风管阻力的沿程阻力系数，建立VAV风管仿真数学模型；根据变频风机，风机风量、转速以及压头之间的关系建立风机仿真数学模型。

进一步的，房间温度的变化仿真数学模型具体为：

其中，ρ_a为空气密度；c_a为送风比容；v为空调房间体积；Gs为送风量；T_s为送风温度；T为室内温度；k_o为围护结构传热系数；A_o为围护结构总传热面积；T_o为室外温度；Q_i为室内负荷。

进一步的，末端仿真数学模型具体为：

其中，ΔP为通过端口的总的压力损失；ρ_a为空气密度；A为流通内截面面积；Q为体积流量；θ为风阀角度，a，b，c为常系数。

进一步的，风机仿真数学模型具体为：