曹振華

(陜西國防工業(yè)職業(yè)技術(shù)學院 建筑與熱能工程學院,陜西 西安　710302)

?

基于模糊增益單神經(jīng)元PID控制的地源熱泵空調(diào)系統(tǒng)的建模與仿真

曹振華

(陜西國防工業(yè)職業(yè)技術(shù)學院 建筑與熱能工程學院,陜西 西安710302)

摘要：針對地源熱泵空調(diào)控制系統(tǒng)復(fù)雜性、非線性、運行過程中所受干擾多且難以建立精確的數(shù)學模型等特點,目前多采用常規(guī)PID控制系統(tǒng)或相對較好一些的模糊PID控制系統(tǒng),但都存在不足,很難達到其節(jié)能和舒適的作用。本文針對其特點提出了利用模糊控制和單神經(jīng)元PID控制相結(jié)合的控制方法。并通過MATLAB仿真工具對其三種控制方法分別進行動態(tài)仿真,其結(jié)果表明該方法運用于地源熱個泵空調(diào)系統(tǒng)中,其控制效果明顯優(yōu)于其它兩種控制方法,大大提高了控制系統(tǒng)的控制品質(zhì),受外界影響較小,響應(yīng)快,魯棒性較強,節(jié)能和舒適性效果更明顯。

關(guān)鍵詞：地源熱泵空調(diào)系統(tǒng); 模糊增益單神經(jīng)元PID控制; 動態(tài)仿真

1引言

隨著智能建筑的大力發(fā)展,人民生活水平的提高,空調(diào)已成為現(xiàn)代社會中必不可少的一部分。中央空調(diào)的種類很多,其中最有發(fā)展?jié)摿Φ囊环N空調(diào)為地源熱泵空調(diào)系統(tǒng)。原因是其能源來源于地下并可以循環(huán)利用,不但大大的節(jié)約了能源,而且清潔無污染。然而在傳統(tǒng)的系統(tǒng)設(shè)計中,地源熱泵中央空調(diào)系統(tǒng)的各個設(shè)備都是按照最大負荷來進行設(shè)計的,各電機無論季節(jié)、晝夜或用戶負荷的怎樣變化都長期在工頻狀態(tài)下滿負荷運行[1]。這種設(shè)計不能隨負荷變化而調(diào)整系統(tǒng)功率,因此造成了較大的能源浪費。其次,地源熱泵中央空調(diào)是一個非線性,大滯后,在運行過程中所受干擾多的復(fù)雜系統(tǒng),對其控制比較困難,目前多采用常規(guī)PID控制系統(tǒng)或相對較好一些的模糊PID控制系統(tǒng),但都存在不足,很難達到其節(jié)能和舒適的作用。

本文針對其特點提出了模糊控制和單神經(jīng)元PID控制相結(jié)合的方法。并通過MATLAB仿真工具對其三種控制方法分別進行動態(tài)仿真,其結(jié)果表明該方法運用于地源熱個泵空調(diào)系統(tǒng)中,其控制效果明顯優(yōu)于其它兩種控制方法,大大提高了控制系統(tǒng)的控制品質(zhì),受外界影響較小,響應(yīng)快,魯棒性較強,節(jié)能和舒適性效果更明顯。其研究結(jié)果在實際工程中具有一定的實際應(yīng)用價值。

2地源熱泵空調(diào)系統(tǒng)模型的建立

地源熱泵空調(diào)系統(tǒng)的控制模型目前多采用低階函數(shù)近似模擬的方法來表示,因為地源熱泵空調(diào)控制系統(tǒng)影響因素復(fù)雜多變,與空調(diào)系統(tǒng)本身、外界環(huán)境及其他干擾等眾多因素有關(guān),如果都考慮其建立的模型將很復(fù)雜,很難處理計算。而采用低階函數(shù)建立模型忽略了其它環(huán)節(jié)的滯后,并將其他輸入視為干擾的情況下,則整個控制系統(tǒng)用一個帶滯后環(huán)節(jié)的二階簡化控制模型表示[2]。經(jīng)實踐證明可知,用帶遲延的二階模型來近似實際控制對象可以改善模型與對象間的相位差,實際應(yīng)用中完全可以滿足。地源熱泵空調(diào)系統(tǒng)的冷卻水和冷凍水控制系統(tǒng)基本相同,因此本文在仿真中以冷凍水系統(tǒng)模型為例進行。

其冷凍水系統(tǒng)模型的傳遞函數(shù):

(1)

3地源熱泵空調(diào)系統(tǒng)模糊神經(jīng)元PID控制器的設(shè)計

3.1單神經(jīng)元PID控制器簡介

單神經(jīng)元控制的特點是具有自適應(yīng)性,可以自調(diào)被控參數(shù),對模型的不確定性和非線性不敏感,具有自學習能力、并行計算能力,可以任意逼近非線性函數(shù)的能力。其廣泛應(yīng)用于非線性系統(tǒng)領(lǐng)域中。為了提高常規(guī)PID控制器在控制復(fù)雜和時變系統(tǒng)時的性能,本文將單神經(jīng)元與PID控制器相結(jié)合(即單神經(jīng)元PID控制器),以期獲得更滿意的控制效果。單神經(jīng)元PID控制器的數(shù)學模型為[3]:

(2)

式中:u(k)為單神經(jīng)元控制器的輸出,Wi(k)(i=l,1,…n)為對應(yīng)于Xi(K)的加權(quán)系數(shù)。

通過公式(2)可知,單神經(jīng)元PID控制器是一個非線性的控制器,其控制系統(tǒng)結(jié)構(gòu)圖如圖1所示。

圖1　單神經(jīng)元PID控制器結(jié)構(gòu)圖Fig.1　structure diagram of single neuron PID controller

3.2模糊增益單神經(jīng)元PID控制器設(shè)計

在單神經(jīng)元PID控制系統(tǒng)中,由于熱源水泵空調(diào)系統(tǒng)的水系統(tǒng)環(huán)境隨時可能發(fā)生變化,因此控制系統(tǒng)中增益K對控制器的效果影響較大,通常情況下,K值較小時,控制系統(tǒng)能夠保持穩(wěn)定,但當K值太小時,控制系統(tǒng)反應(yīng)就比較慢,控制的快速性要求就會達不到;當K值較大時,快速性要求倒能滿足,但會增大超調(diào)量,從而導致系統(tǒng)的不穩(wěn)定。因此K值大小的選取對控制器具有重要的作用。為使單神經(jīng)元PID控制器能夠?qū)υ鲆鍷進行在線調(diào)整,本文使用模糊控制器在線自動調(diào)節(jié)神經(jīng)元增益K的大小,提出了一種基于模糊模型的增益自調(diào)整的單神經(jīng)元自適應(yīng)PID控制器的控制法(即模糊增益單神經(jīng)元PID控制器),這樣可以避免一維控制其控制的不精確性和三維控制器的復(fù)雜性,提高了計算速度。

模糊增益單神經(jīng)元PID控制器結(jié)構(gòu)圖如圖2所示[4,5]。

圖2　模糊增益單神經(jīng)元PID控制器結(jié)構(gòu)圖Fig.2　Gain fuzzy single neuron PID controller structure diagram

4地源熱泵空調(diào)控制系統(tǒng)的仿真結(jié)構(gòu)圖及仿真結(jié)果

4.1三種控制系統(tǒng)仿真模型的建立

仿真模型建立的方法是:首先將MATLAB/Simulink模塊庫中相應(yīng)的模塊調(diào)出并拖入其模型界面內(nèi),其次設(shè)置各模塊之間的對應(yīng)參數(shù),最后將各模塊之間對應(yīng)的用線條連接好。對模糊控制的控制器來說,建立仿真模型的方法是:首先編好該控制器對應(yīng)的S-Function函數(shù),然后封裝,這樣MATLAB/Simulink仿真模型就建立好了[6]。

4.1.1單神晶元PID控制仿真模型

單神晶元PID控制仿真模型如圖3所示。

4.1.2模糊PID控制仿真模型

模糊控制和常規(guī)PID控制相結(jié)合,即模糊PID控制仿真模型如圖4所示。[7]

圖3　單神經(jīng)元PID控制仿真模型Fig.3　Single neuron PID control simulation model

圖4　模糊PID控制仿真模型Fig.4　PID fuzzy control simulation model

4.1.3模糊增益單神經(jīng)元PID控制仿真模型

模糊控制和單神經(jīng)元PID控制相結(jié)合,即本文采用的方法模糊增益單神經(jīng)元PID控制仿真模型如圖5所示。[8]

圖5　模糊增益單神經(jīng)元PID控制仿真模型Fig.5　Gain fuzzy single neuron PID control simulation model

4.2三種控制系統(tǒng)仿真結(jié)果

為了正確評價被控對象的動靜態(tài)特性,在仿真中,典型的做法是給被控對象施加一個階躍輸入信號,從而觀察被控對象的輸出響應(yīng)曲線。另外為了驗證控制器的抗干擾能力,本文在600s時加了干擾進行仿真分析[9]。

為了能夠更加清楚明了的驗證本文提出的模糊增益單神經(jīng)元PID控制系統(tǒng)的優(yōu)勢和正確性,本文將傳統(tǒng)的單神經(jīng)元PID控制系統(tǒng)和模糊PID控制系統(tǒng)三種系統(tǒng)同時進行仿真模擬,從而發(fā)現(xiàn)三種控制系統(tǒng)的優(yōu)缺點。

4.2.1三種控制系統(tǒng)的階躍響應(yīng)仿真結(jié)果

三種控制系統(tǒng)的階躍響應(yīng)仿真結(jié)果圖如圖6所示。

圖6　三種控制系統(tǒng)的階躍響應(yīng)仿真結(jié)果圖Fig.6　Three control system step response simulation results

說明:A線——單神經(jīng)元PID控制響應(yīng)曲線;B線——模糊增益單神經(jīng)元PID的控制響應(yīng)曲線;C線——模糊PID控制的響應(yīng)曲線。

4.2.2三種控制系統(tǒng)的加干擾仿真結(jié)果

三種控制系統(tǒng)的加干擾仿真結(jié)果圖如圖7所示。

圖7　三種控制系統(tǒng)的加干擾仿真結(jié)果圖Fig.7　The simulation results of three kinds of interference with the control system diagram

5仿真結(jié)果分析

從仿真結(jié)果圖6中可以發(fā)現(xiàn),模糊增益單神經(jīng)元PID控制器所產(chǎn)生的超調(diào)量最小,過度時間最短,其遠小于常規(guī)單神經(jīng)元PID控制器,比模糊PID控制器的過度時間也短,可見本文所研究的控制系統(tǒng)的控制品質(zhì)比其他兩種控制系統(tǒng)的控制品質(zhì)要更好。且其曲線變化也較平滑,穩(wěn)定性也較好。

圖7中分別對傳統(tǒng)的單神經(jīng)元PID控制器、模糊PID控制器和模糊增益自調(diào)整單神經(jīng)元PID控制器在600s時加了一個大小相同的擾動,從仿真結(jié)果圖可以發(fā)現(xiàn),常規(guī)單神經(jīng)元PID控制曲線在擾動信號作用下產(chǎn)生的超調(diào)量最大,模糊PID控制曲線產(chǎn)生了比較明顯的波動,而模糊增益單神經(jīng)元PID控制雖然在響應(yīng)時間上差別不大,但產(chǎn)生的超調(diào)量最小,系統(tǒng)魯棒性最強,相對而言,其對擾動信號的適應(yīng)能力要略強一些。因此,在地源熱泵空調(diào)控制系統(tǒng)中選用模糊増益單神經(jīng)元PID控制器要比常規(guī)單神經(jīng)元PID控制器和模糊PID控制器都要好。

6結(jié)論

綜上所述,在地源熱泵空調(diào)控制系統(tǒng)中采用模糊增益單神經(jīng)元PID控制方法要優(yōu)于目前普遍使用的PID控制和模糊PID控制的方法,其研究結(jié)果希望能為廣大空調(diào)設(shè)計和空調(diào)研究人員在地源熱泵空調(diào)系統(tǒng)控制問題上的研究提供一定的幫助。

參考文獻:

[1]李高建,胡玉葉,朱秀斌.地源熱泵技術(shù)的研究與應(yīng)用現(xiàn)狀[J].制冷與空調(diào),2007,21(04):105-108.

LIGaojian,HUYuye,ZHUXiubin.Researchandapplicationofgroundsourceheatpumptechnology[J].RefrigerationandAirConditioning(Sichuan),2007,21(04);105-108.

[2]劉洋,劉金樣,丁高.水源熱泵機組變工況運行的數(shù)學模型研究[J].暖通空調(diào),2007,37(03):21-24.

LIUYang,LIUJinyang,DINGGao.Mathematicalmodelofwatersourceheatpumpvariableworkingconditions[J].HVAC,2007,3737(03):21-24.

[3]李文濤.神經(jīng)PID在地源熱泵空調(diào)系統(tǒng)中的應(yīng)用[J].工業(yè)控制計算機,2012,25(9):52-53.

LIWentao.ApplicationofNeuralPIDgroundsourceheatpumpsystem[J].Industrialcontrolcomputer,2012,25(9):52-53.

[4]郭昌,高清維,崔桂梅.模糊PID控制算法在變頻調(diào)速中的新應(yīng)用[J].電機與應(yīng)用控制,2011,38(8):19-22.

GUOChang,GAOQingwei,CUIGuimei.FuzzyPIDcontrolalgorithminanewapplicationoffrequencycontrol[J].MotorandApplicationControl,2011,38(8):19-22.

[5]廖芳芳,肖建.基于BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的研究[J].系統(tǒng)仿真學報,2005,17(7):1711-1713.

LIAOFangfang,XIAOJian.BPneuralnetworkPIDparametersself-tuningbasedon[J].SystemSimulation,2005,17(7):1711-1713.

[6]姚 俊.Simulink建模與仿真[M].西安:西安電子科技大學出版社,2002.

YAOJun.SimulinkModelingandSimulation[M].Xi'an:Xi'anUniversityofElectronicScienceandTechnologyPress,2002.

[7]黃忠霖.控制系統(tǒng)MATLAB計算及仿真[M].北京:國防工業(yè)出版社,2001.

HUANGZhonglin.CalculationandsimulationMATLABControlSystem[M].Beijing:NationalDefenseIndustryPress,2001.

[8]趙娜.基于HVAC冷凍水系統(tǒng)的模糊控制研究[J].科學技術(shù)與工程,2008,12(11):3187-3190.

ZHAONa.FuzzyControlBasedonHVACChilledWaterSystem[J].ScienceTechnologyandEngineering,2008,12(11):3187-3190.

[9]高翔,吳剛,陳金增.制冷空調(diào)系統(tǒng)的模糊控制與模擬仿真[J].海軍工程學報,1998,84(03):62-66.

GAOXiang,WUGang,CHENGJingzeng.FuzzyControlandSimulationofrefrigerationandairconditioningsystems[J].NavalEngineering,1998,84(03):62-66.

曹振華男(1978-),陜西蒲城人,副教授,碩士,主要研究方向為暖通空調(diào)。

中圖分類號：TU 831.6

文獻標識碼：A

基金項目：陜西國防工業(yè)職業(yè)技術(shù)學院自然科學類研究項目(Gfy16-40)

Modelingand Simulation Of Ground Source Heat Pump Air Conditioning System Fuzzy GainControl Based OnSingle Neuron PID

CAO Zhenhua

(DepartmentArchitectureandThermalEngineering,ShaanxiInstituteOfTechnology,Xi′an710302,China)

Abstract：For ground source heat pump control system complexity,nonlinear process,running interference suffered by many and difficult to establish a precise mathematical model and other features,the current use of conventional PID control or fuzzy PID control system is relatively good number,but all shortcomings,it is difficult to achieve its energy-saving and comfortable effect.This paper proposes a control method which is characterized by the use of fuzzy control and single neuron PID control combination.And MATLAB simulation tool of three control methods were carried out dynamic simulation.The results show that the method is applied to the ground source heat pump air conditioning system,its control effect is better than the other two control methods,greatly improving the control quality of the control system,were less affected by outside influence,fast response,strong robustness and energy-saving and comfortable effect more obvious.

Key words：ground source heat pump air conditioning system; fuzzy gain single neuron PID control; dynamic simulation