李成利,黃存柱,常 軍
(青島科技大學(xué) 自動(dòng)化與電子工程學(xué)院,山東 青島 266042)
隨著我國(guó)居民生活水平的持續(xù)提高,空調(diào)已進(jìn)入千家萬(wàn)戶。人們對(duì)空調(diào)的要求,已經(jīng)不僅僅滿足于合適的溫度,而是要求房間整體環(huán)境具有舒適性,對(duì)空調(diào)控制理論提出了更高的要求。而我國(guó)能源匱乏且消耗巨大,故對(duì)空調(diào)的要求為舒適度和節(jié)能并重。
根據(jù)人體工程學(xué)和微生物學(xué)的理論,人體在新陳代謝過(guò)程中產(chǎn)生熱量,人體散熱和體內(nèi)新陳代謝產(chǎn)熱相平衡時(shí),熱感覺(jué)良好,體溫保持在36.5℃左右,否則就覺(jué)得不舒服。在穩(wěn)定狀態(tài)下,大多數(shù)人體的冷熱感覺(jué)可以由6大因素決定;(1)平均輻射溫度;(2)室內(nèi)空氣溫度;(3)室內(nèi)空氣相對(duì)濕度;(4)室內(nèi)空氣流速;(5)人的活動(dòng)量;(6)衣著[1]。平均輻射溫度可以用房間四周的平均表面溫度代表,人的活動(dòng)量用人體的新陳代謝和機(jī)械功來(lái)表示,而衣著保溫程度則以服裝熱阻值和身體與穿衣的表面積比來(lái)作為指標(biāo)。
熱舒適指標(biāo)研究人體熱舒適感與熱濕環(huán)境構(gòu)成因素之間的關(guān)系,將它們用固定的計(jì)算公式或計(jì)算方法相關(guān)聯(lián)。其中的平均預(yù)測(cè)投票P(pán)MV(Predicted Mean Vote)關(guān)聯(lián)了以上提到的6大因素與人體感覺(jué)之間的關(guān)系,是對(duì)人體熱感覺(jué)的近似模擬,F(xiàn)anger教授進(jìn)一步發(fā)展了熱舒適方程,并用公式表示一個(gè)可預(yù)測(cè)任何給定環(huán)境變量的參數(shù)組合所產(chǎn)生的熱感覺(jué)的指標(biāo)并以此作為控制指標(biāo),這個(gè)指標(biāo)就是PMV。
Fanger認(rèn)為要滿足人最基本的3個(gè)條件,才能在某一熱環(huán)境中感到舒適。條件如下:(1)人與環(huán)境達(dá)到熱平衡,也就是人體蓄熱率S=0;(2)皮膚平均溫度應(yīng)在與舒適相適應(yīng)的水平;(3)人體排汗率應(yīng)最佳,排汗率是新陳代謝的函數(shù)。綜合以上,可以獲得熱舒適方程的表達(dá)式[1]:
式中Icl為服裝的基本熱阻;fcl為服裝的面積系數(shù);M為人體的新陳代謝率(W/m2);η為人體的機(jī)械效率;V為空氣流速(m/s);Pa為空氣水蒸氣壓力(kpa);ta為空氣溫度(℃)。
PMV指標(biāo)與6個(gè)因素關(guān)系式如下:
W為外部活動(dòng)量,多數(shù)活動(dòng)情況該值為零(W/m2);Ia為衣服熱阻,Clo,1Clo=0.155(m2·℃)/W;tr為平均輻射溫度(℃);hc為對(duì)流換熱系數(shù) W/(m2·℃);tcl為衣服的表面溫度(℃)[3]。
綜前所述,PMV與各個(gè)參數(shù)之間的聯(lián)系復(fù)雜、計(jì)算繁瑣,尋找簡(jiǎn)便方法十分困難。在此選用神經(jīng)網(wǎng)絡(luò)的方法計(jì)算如下。
(1)輸入層與輸出層的設(shè)計(jì)
因PMV值與6個(gè)參數(shù)有關(guān),故輸入層即為這6個(gè)參數(shù),分別為平均輻射溫度、室內(nèi)空氣溫度、濕度、室內(nèi)空氣流速、人體活動(dòng)量及衣著。對(duì)于輸出層,只有1個(gè)值PMV,所以選擇神經(jīng)網(wǎng)絡(luò)的輸出層的神經(jīng)元只有1個(gè)。故輸入層維數(shù)為6維,輸出層為1維。
(2)網(wǎng)絡(luò)隱層數(shù)的選擇
具有輸入層和至少1個(gè)隱含層加上1個(gè)線性輸出層的網(wǎng)絡(luò),能夠逼近任何有理函數(shù)。如果增加隱層數(shù),主要目的是進(jìn)一步降低誤差、提高精度,但也使網(wǎng)絡(luò)復(fù)雜化,增加了網(wǎng)絡(luò)權(quán)值的訓(xùn)練時(shí)間。在兼顧準(zhǔn)確性與效率的前提下,最終確定此處為3層網(wǎng)絡(luò)。
(3)隱層神經(jīng)元數(shù)的選擇
對(duì)于要建立的網(wǎng)絡(luò),隨意選取神經(jīng)元個(gè)數(shù),根據(jù)實(shí)驗(yàn)結(jié)果再作出調(diào)整,最終得到適合的每層神經(jīng)元個(gè)數(shù)為6,21,1。
(4)初始權(quán)值的選取
PMV指標(biāo)是個(gè)復(fù)雜的非線性關(guān)系,初始權(quán)值對(duì)于學(xué)習(xí)是否能夠收斂、訓(xùn)練時(shí)間的長(zhǎng)短以及是否達(dá)到局部最小關(guān)系很大。希望初始權(quán)值在輸入累加時(shí),能使每個(gè)神經(jīng)元的狀態(tài)值接近零,以保證在學(xué)習(xí)開(kāi)始時(shí),輸出不至落在平坦區(qū)內(nèi)。因此,初始權(quán)值一般是隨機(jī)產(chǎn)生的,而且值要求比較小,如果一個(gè)神經(jīng)元的輸入數(shù)為q,則初始權(quán)值可在[-2/q,2/q]之間。這樣就可以保證每個(gè)神經(jīng)元從一開(kāi)始就在它們激勵(lì)函數(shù)變換最大的地方進(jìn)行學(xué)習(xí)。
(5)學(xué)習(xí)步長(zhǎng)的選擇
學(xué)習(xí)步長(zhǎng)選擇較小值,可使網(wǎng)絡(luò)總誤差函數(shù)E達(dá)到最小值。但如果步長(zhǎng)過(guò)小,延長(zhǎng)了網(wǎng)絡(luò)學(xué)習(xí)時(shí)間,將使得學(xué)習(xí)過(guò)程變得很慢;如果誤差函數(shù)有許多局部極小值時(shí),會(huì)使網(wǎng)絡(luò)陷入局部最小值或進(jìn)入平穩(wěn)停滯狀態(tài)。學(xué)習(xí)步長(zhǎng)如果選擇較大值,則使權(quán)值更新加快,同時(shí)加快了收斂速度;但學(xué)習(xí)步長(zhǎng)如果選擇過(guò)大,有可能造成算法的不穩(wěn)定,甚至無(wú)法收斂。所以根據(jù)PMV模型和此問(wèn)題的性質(zhì),選擇初始步長(zhǎng)為0.75[4]。
綜上所述,PMV指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型如圖1所示。
圖1 PMV指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
(1)網(wǎng)絡(luò)模型的構(gòu)建與初始化
構(gòu)建BP網(wǎng)絡(luò)模型的第1步是建立網(wǎng)絡(luò)對(duì)象并初始化,可用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newff建立一個(gè)可訓(xùn)練的單隱層BP網(wǎng)絡(luò),其語(yǔ)法為:
其中PR是 R×2的矩陣,用來(lái)定義 R個(gè)輸入向量的最小值和最大值;[S1,…,Sn]是包含每層神經(jīng)元個(gè)數(shù)的數(shù)組,此處 BP網(wǎng)絡(luò)每層神經(jīng)元的個(gè)數(shù)為 6,21,1,故S1=6,S2=21,S3=1; 網(wǎng)絡(luò)每層的加權(quán)函數(shù)為 dotprod;輸入函數(shù)為netsum;{TF1,…,TFn}用于指定各層神經(jīng)元的傳遞函數(shù),此處取“tansig”函數(shù),它的作用是將神經(jīng)元的輸入范圍(-∞,+∞)映射到(0,+1);BTF 用于指定網(wǎng)絡(luò)的訓(xùn)練函數(shù)的名稱,此處用trainlm;BLF為權(quán)值和閾值的學(xué)習(xí)函數(shù),此處采用learngdm,該函數(shù)為帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則;PF為網(wǎng)絡(luò)運(yùn)行性能表征方式,此處采用最小誤差平方和可微函數(shù)mse[5]。
(2)網(wǎng)絡(luò)模型的訓(xùn)練
在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中有很多訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的函數(shù),本課題采用trainlm函數(shù),它的語(yǔ)法是[net,tr]=trainlm(net,Pd,TL)。 其中,net為初始化之后的網(wǎng)絡(luò);tr為訓(xùn)練過(guò)程中每一步長(zhǎng)的網(wǎng)絡(luò)性能記錄;Pd為訓(xùn)練網(wǎng)絡(luò)的輸入樣本;TL為訓(xùn)練用的輸出樣本。
(3)網(wǎng)絡(luò)模型的仿真
BP網(wǎng)絡(luò)每次訓(xùn)練結(jié)束后,都要驗(yàn)證網(wǎng)絡(luò)性能。驗(yàn)證時(shí),使用sim函數(shù)模擬訓(xùn)練后的網(wǎng)絡(luò),其中新的網(wǎng)絡(luò)輸入pnew,網(wǎng)絡(luò)對(duì)象 net,返回網(wǎng)絡(luò)輸出anew,其語(yǔ)法為
[anew]=sim(net,pnew)
(4)程序?qū)崿F(xiàn)及結(jié)果分析
其中A為平均輻射溫度、B為室內(nèi)空氣溫度、C為室內(nèi)空氣相對(duì)濕度、D為室內(nèi)空氣流速、E為人體活動(dòng)量、F為衣著情況[6]。程序數(shù)據(jù)參閱參考文獻(xiàn)[3]、參考文獻(xiàn)[4]。
根據(jù)以上程序,訓(xùn)練結(jié)果為:
圖2 誤差收斂變化曲線
訓(xùn)練的誤差收斂變化曲線如圖2所示,在訓(xùn)練到36步時(shí),網(wǎng)絡(luò)性能達(dá)到預(yù)期目標(biāo),可以計(jì)算出比較準(zhǔn)確的數(shù)據(jù)。
根據(jù)以上訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,可以應(yīng)用到空調(diào)的控制系統(tǒng)中,根據(jù)PMV指標(biāo)的變化情況調(diào)整空調(diào)的控制系數(shù),使房間盡快達(dá)到最舒適的狀態(tài)。
[1]孫增圻,智能控制理論與技術(shù)[M].北京:清華大學(xué)出版社,廣西:廣西科學(xué)技術(shù)出版社,2004.
[2]申歡迎.基于PMV指標(biāo)的舒適空調(diào)模糊控制系統(tǒng)仿真研究[D].西安:西安交通大學(xué),2004.
[3]郭永吉.中央空調(diào)溫度控制系統(tǒng)研究[D].蘭州:蘭州理工大學(xué),2008.
[4]劉謹(jǐn).基于PMV指標(biāo)的空調(diào)系統(tǒng)舒適控制研究 [D].長(zhǎng)沙:湖南大學(xué),2003.
[5]李翔.從復(fù)雜到有序:神經(jīng)網(wǎng)絡(luò)智能控制理論新進(jìn)展[M].上海:上海交通大學(xué)出版社,2006.
[6]董長(zhǎng)虹,Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京:國(guó)防工業(yè)出版社,2005.