文丹

摘 ?要： 針對(duì)空調(diào)在保證送風(fēng)溫度的基礎(chǔ)上，實(shí)現(xiàn)室內(nèi)負(fù)荷的變更與控制系統(tǒng)應(yīng)對(duì)外界隨機(jī)干擾的需求，文中提出一種基于迭代優(yōu)化的空調(diào)溫濕度控制算法。通過建立空調(diào)機(jī)的二維跟蹤框架運(yùn)行模型來設(shè)計(jì)迭代學(xué)習(xí)算法實(shí)現(xiàn)空調(diào)機(jī)運(yùn)行狀態(tài)的控制，并通過在迭代優(yōu)化學(xué)習(xí)的過程中加入預(yù)測(cè)控制環(huán)節(jié)來減小隨機(jī)干擾帶來的影響。仿真實(shí)驗(yàn)以及對(duì)比不同干擾下的空調(diào)運(yùn)行響應(yīng)結(jié)果表明，所提出的方法不僅能夠抵抗周期性干擾的影響，而且在隨機(jī)干擾環(huán)境下仍然能夠保持良好的跟蹤控制性能。

關(guān)鍵詞： 空調(diào); 溫濕度控制; 迭代優(yōu)化; 運(yùn)行控制; 隨機(jī)干擾; 仿真實(shí)驗(yàn)

中圖分類號(hào)： TN37+3?34; TM76 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）24?0038?04

Air?conditioning temperature?humidity control algorithm based on iterative optimization

WEN Dan

（School of Information Science and Technology， Guilin University of Electronic Technology， Guilin 541004， China）

Abstract： A temperature?humidity control algorithm based on iterative optimization is proposed to make the air conditioning realize the change of indoor load and the demand of control system to deal with external random interference on the basis of ensuring the air supply temperature. The iterative learning algorithm is designed by establishing the two?dimensional tracking frame operation model of the air conditioner to control the operation state of the air conditioner， and the predictive control link is added in the process of iterative optimization learning to reduce the influence of random interference. The results of the simulation experiments and the comparison of air?conditioning operation response under different disturbances show that， the proposed method can not only resist the influence of periodic disturbances， but also maintain good tracking control performance in the random interference environment.

Keywords： air?conditioning; temperature?humidity control; iterative optimization; operation control; random interference; simulation experiment

0 ?引 ?言

隨著對(duì)空調(diào)需求的不斷增加，使得空調(diào)機(jī)的控制優(yōu)化逐漸向節(jié)能與舒適的方向演變[1?4]。然而，室外環(huán)境的變化與室內(nèi)人員的流動(dòng)，使得室內(nèi)環(huán)境不斷變化，傳統(tǒng)的恒風(fēng)量空調(diào)造成了較大的能源浪費(fèi)[5?6]。因此，實(shí)現(xiàn)空調(diào)的自適應(yīng)控制不僅可以保證室內(nèi)環(huán)境的舒適性，還能起到節(jié)能的效果。

為了實(shí)現(xiàn)空調(diào)機(jī)的變風(fēng)控制，國內(nèi)外學(xué)者與機(jī)構(gòu)提出了眾多解決方案。如：文獻(xiàn)[7]中提出通過控制房間內(nèi)部溫濕度來調(diào)整熱舒適指標(biāo);文獻(xiàn)[8]中采用最優(yōu)化理論控制方法和規(guī)則學(xué)習(xí)控制算法實(shí)現(xiàn)室內(nèi)溫濕度的控制;文獻(xiàn)[9]中充分考慮到建筑供熱節(jié)能的能力，提出使用前饋控制算法實(shí)現(xiàn)空調(diào)節(jié)能的目的，并結(jié)合氣象預(yù)測(cè)和氣候補(bǔ)償模型實(shí)現(xiàn)基于氣象參數(shù)的空調(diào)自適應(yīng)控制。為了實(shí)現(xiàn)舒逸型智能空調(diào)控制，文獻(xiàn)[10]使用模糊控制技術(shù)實(shí)現(xiàn)最大化舒適度指標(biāo)的控制優(yōu)化。為了保證空調(diào)控制的精確度，文獻(xiàn)[11]結(jié)合PI控制器和模糊控制理論實(shí)現(xiàn)系統(tǒng)的無靜差控制。

目前，廣泛使用的變風(fēng)量空調(diào)機(jī)在保證送風(fēng)溫度的基礎(chǔ)上實(shí)現(xiàn)室內(nèi)負(fù)荷的變化，具有低能高效的優(yōu)勢(shì)[12?13]。然而，空調(diào)機(jī)在實(shí)際運(yùn)行的過程中，外界環(huán)境的快速變化會(huì)對(duì)其產(chǎn)生各種干擾。當(dāng)空調(diào)機(jī)控制系統(tǒng)抗干擾能力較低時(shí)，不僅會(huì)影響系統(tǒng)的靜態(tài)性能，且會(huì)對(duì)系統(tǒng)的控制幅度產(chǎn)生較大影響，從而加大空調(diào)機(jī)的能耗[14?16]。因此，實(shí)現(xiàn)空調(diào)機(jī)在隨機(jī)干擾條件下的跟蹤控制具有實(shí)際的應(yīng)用前景。本文根據(jù)變風(fēng)量空調(diào)機(jī)的運(yùn)行特點(diǎn)與規(guī)律，提出一種基于迭代學(xué)習(xí)的預(yù)測(cè)控制算法?；诙S跟蹤框架建立空調(diào)機(jī)運(yùn)行模型，使用迭代學(xué)習(xí)算法對(duì)空調(diào)機(jī)運(yùn)行狀態(tài)進(jìn)行控制。該算法通過在迭代優(yōu)化學(xué)習(xí)的過程中加入預(yù)測(cè)控制環(huán)節(jié)，來減小隨機(jī)干擾帶來的影響。

式中：[l∈[1，m]]，m為系統(tǒng)預(yù)測(cè)的參數(shù)更新步長;[φ（t+l，k）]為預(yù)測(cè)初始值，且有

[φ（t+l，k）=i=0t+lWt+l-i，ke（i，0）+（0，0）≤（i，j）≤（t+l，k-1）（Wt+l-i-2，k-j+1B1+Wt+l-i-1，k-jB2）u（i，j）] （13）

令[Ξ=ζt+1|t，k ? ? ? ? ?ζt+m|t，k]，[Φ=φt+1|t，k ? ? ? ? ?φt+m|t，k]，[u= ? ?ut+1|t，k ? ? ? ? ?ut+m-1|t，k]，并定義：

[Gm= ?gt，t ? ? ? 0 ? ? … ? ? 0 ?? ? ? ? ? ? ? ? ? ? ? ??gt+m，t ? ?… ? ? ? ? ?gt+m，t+mm×m]

式中，[gi，j=Wi-j-1，1B1+Wi-j，0B1]，則式（13）等價(jià)于[Ξ=Φ+Gmu]。

因此，可以利用無約束條件下的優(yōu)化理論得到系統(tǒng)運(yùn)行過程中某一時(shí)刻的控制量，如下：

[u（t，k）=cTu（t+m-1|t，k）=dTΦ（t+m|t，k）] （14）

式中，[cT=[1，0，…，0]m]，則有

[dT=-cT[GTmQGm+Φ]-1GTmQ] ? ? （15）

3 ?仿真與分析

文中使用變風(fēng)量空調(diào)模型驗(yàn)證所提出算法的有效性。由文獻(xiàn)[9]可知，空調(diào)溫濕度控制由一個(gè)單獨(dú)的控制回路實(shí)現(xiàn)。因此本文根據(jù)資料數(shù)據(jù)構(gòu)建傳遞函數(shù)模型，如下：

[G（s）=-6.534 74s2+4s+1] （16）

定義空調(diào)溫濕度采樣周期T為0.5，將式（16）進(jìn)行離散化，得到結(jié)果如下：

[X（k+1）=AX（k）+BU（k）Y（k）=CX（k）] （17）

式中：[A=0.584 3 ? -0.047 90.490 5 ? ? 0.884 6];[B=0.490 5 0.117 2 ];[C=0 ? 1.716 8]。

本文給定溫濕度指標(biāo)值為0.8，測(cè)試系統(tǒng)在無外界噪聲干擾時(shí)整定PID控制、迭代學(xué)習(xí)控制與文中提出的迭代學(xué)習(xí)預(yù)測(cè)控制算法的響應(yīng)結(jié)果，如圖1所示。從圖中可以看出，整定PID控制方法具有最快的響應(yīng)速度，調(diào)節(jié)僅需16.6 s;而迭代學(xué)習(xí)控制需要24.7 s，迭代學(xué)習(xí)預(yù)測(cè)控制算法需要21.2 s。也可以看出，PID控制算法得到的結(jié)果較為平整，響應(yīng)曲線更加穩(wěn)定。結(jié)果表明，在無噪聲干擾環(huán)境下，使用PID控制算法即可得到較優(yōu)的控制性能。而文中提出的算法相較于迭代學(xué)習(xí)控制算法具有更穩(wěn)定的控制結(jié)果。

對(duì)于同一溫濕度值，本文也測(cè)試了各控制算法在給定周期擾動(dòng)時(shí)的控制響應(yīng)結(jié)果，如圖2所示。同時(shí)，表1給出了各控制算法的擺動(dòng)幅度。

從圖2和表1可以看出，PID控制算法在周期性擾動(dòng)環(huán)境下具有最大的擺動(dòng)幅度。而文中提出的迭代學(xué)習(xí)預(yù)測(cè)控制算法抗干擾能力最強(qiáng)，對(duì)于周期擾動(dòng)具有良好的魯棒性。

圖3給出各控制算法在隨機(jī)擾動(dòng)下的控制結(jié)果，表2給出了各控制算法的擺動(dòng)幅度。從圖3和表2可以看出，PID算法雖然具有最快的響應(yīng)速度，但受噪聲的影響最大;而本文算法通過加入預(yù)測(cè)控制，可以有效抵抗噪聲擾動(dòng)，具有更優(yōu)的跟蹤控制能力。

4 ?結(jié) ?論

本文提出一種基于迭代學(xué)習(xí)的預(yù)測(cè)控制算法，以提升變風(fēng)量空調(diào)機(jī)對(duì)隨機(jī)干擾噪聲的魯棒性。在建立空調(diào)機(jī)運(yùn)行模型的基礎(chǔ)上，使用迭代學(xué)習(xí)算法對(duì)運(yùn)行狀態(tài)進(jìn)行控制，并通過在迭代優(yōu)化學(xué)習(xí)的過程中加入預(yù)測(cè)控制來減小隨機(jī)干擾所產(chǎn)生的影響。在周期性噪聲與隨機(jī)噪聲干擾下的仿真測(cè)試結(jié)果表明，所提出的算法通過加入預(yù)測(cè)控制，可以有效抵抗噪聲擾動(dòng)，具有良好的跟蹤控制能力。

參考文獻(xiàn)

[1] NAKSHATHARAN S S， VUNDER V， P?LDSALU INGA， et al. Modelling and control of ionic electroactive polymer actuators under varying humidity conditions [J]. Actuators， 2018， 7（1）： 7?14.

[2] AO S， SHUDAO Z， MIN W， et al. Simulation and optimization design of atmospheric detection equipment layout based on UAV [J]. Computer measurement & control， 2018， 12（1）： 45?51.

[3] 尹鵬飛，李晉宏.樓宇空調(diào)的能量預(yù)測(cè)與模型研究[J].計(jì)算機(jī)與數(shù)字工程，2019，47（11）：2914?2918.

[4] 賈玉貴，秦景.大型暖通空調(diào)關(guān)聯(lián)節(jié)能調(diào)控模型設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2017，40（9）：179?182.

[5] CAO Junhuo， WEI Xuying， LI Jinfeng， et al. The regulation and control of ambient temperature on growth rhythm of lycoris radiate [J]. Acta Agriculturae Universitatis Jiangxiensis， 2018（7）： 352?366.

[6] WANG Dan， GU Wei， CAO Jianxin. Research on anti?condensation control in hot and cold impact test [J]. Automation & instrumentation， 2018， 33（1）： 522?530.

[7] 朱啟然，李紹勇，李鵬波.空調(diào)房間溫濕度PID解耦控制系統(tǒng)的仿真研究[J].控制工程，2019，26（5）：851?858.

[8] 李釗，崔凌闖，陳劍波.基于穩(wěn)態(tài)ANN模型和模糊PD控制的變速直膨式空調(diào)系統(tǒng)溫濕度同時(shí)控制方法[J].制冷學(xué)報(bào)，2018，39（3）：85?91.

[9] 沈喬，胡娟平，薛亞榮.前饋?IMC在變風(fēng)量空調(diào)溫度控制中的應(yīng)用研究[J].工業(yè)控制計(jì)算機(jī)，2013，26（5）：31?33.

[10] 張瑞雪.基于模糊PID控制的溫室環(huán)境控制系統(tǒng)研究[D].晉中：山西農(nóng)業(yè)大學(xué)，2017.

[11] 王建民，朱倩影.空調(diào)溫控的混合型Fuzzy?PI控制器[J].山東大學(xué)學(xué)報(bào)（工學(xué)版），2002，32（5）：456?460.

[12] 華宇劍.基于無中心的變風(fēng)量空調(diào)送風(fēng)系統(tǒng)模型與節(jié)能優(yōu)化研究[D].西安：西安建筑科技大學(xué)，2018.

[13] SIHOMBING P， ASTUTI T P， HERRIYANCE W， et al. Microcontroller based automatic temperature control for oyster mushroom plants [J]. Journal of physics： conference series， 2018， 97（8）： 31?43.

[14] REN J Z， XIANG W， ZHAO L， et al. Research on environmental adjustment of cloud ranch based on BP neural network PID control [J]. Journal of IOP technology， 2018， 10（8）： 56?63.

[15] SOORAKSA P， CHEN G. System as a controlled weather model?physical principle， engineering design and real applications [J]. International journal of bifurcation & Chaos， 2018， 28（4）： 183?192.

[16] HE Liangyu. Realization of the remote control function of temperature and humidity device in the control cabinet of substation [J]. Management & technology of SME， 2018（7）： 620?631.

作者簡介：文 ?丹（1988—），女，廣西桂林人，碩士，講師，研究方向?yàn)橹悄芸刂啤?/p>