基于蟻群與神經(jīng)網(wǎng)絡(luò)算法的變風(fēng)量空調(diào)末端控制研究

1、萬(wàn)方數(shù)據(jù)西安建筑科技大學(xué)碩士論文基于蟻群與神經(jīng)網(wǎng)絡(luò)算法的變風(fēng)量空調(diào)末端控制研究專業(yè)：控制理論與控制工程碩士生：閆婷指導(dǎo)老師：趙敏華摘要以熱舒適指標(biāo)PMV作為變風(fēng)量空調(diào)控制系統(tǒng)的控制目標(biāo)，能夠很大程度上實(shí)現(xiàn)舒適與節(jié)能的統(tǒng)一，因而越來(lái)越受到人們地重視。本文首先說明傳統(tǒng)溫度控制空調(diào)方式存在的不迅速、不舒適、不節(jié)能等問題，而熱舒適控制空調(diào)系統(tǒng)控制目標(biāo)為熱舒適指標(biāo)PMV，因其能夠衡量熱環(huán)境對(duì)人體綜合作用效果，在近幾年成為行業(yè)研究熱點(diǎn)。通過調(diào)節(jié)室內(nèi)

2、濕熱環(huán)境參數(shù)的控制方式，使人體感覺始終處于舒適范圍，將作用點(diǎn)轉(zhuǎn)化為人體本身，推翻傳統(tǒng)空調(diào)控制模式。熱舒適控制“以人為本”，有效地解決了傳統(tǒng)溫度控制空調(diào)方式存在的問題。其次，指出了BP神經(jīng)網(wǎng)絡(luò)存在冗余性、收斂速度慢等不足，因此引入蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，在Matlab中編程建立模型預(yù)測(cè)PMV指標(biāo)，比較兩種方法可知，利用蟻群算法整定BP神經(jīng)網(wǎng)絡(luò)算法后，不僅加快了算法的收斂速度，而且在保證精度的同時(shí)大大提高了BP神經(jīng)網(wǎng)絡(luò)的性能。最后，引入粒子群

3、算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，與蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果對(duì)比后，其均能較好地完成對(duì)BP模型參數(shù)的選取。然后，使用DesignBuilder軟件建立模型，采用冬季典型工況日的24小時(shí)氣象參數(shù)，模擬計(jì)算出定PMV控制與溫度設(shè)定為20℃控制時(shí)房間逐時(shí)的PMV值與房間負(fù)荷。計(jì)算可知，控制PMV=0.5的定PMV與控制室內(nèi)溫度為20℃的空調(diào)控制方式相比，各時(shí)刻房間的熱舒適性都比較好，然而以20℃的定溫度控制空調(diào)方式，房間的熱環(huán)境與定PMV控制空調(diào)系統(tǒng)相比