陳宗帥 李紹勇 賀冬辰 孫智冬

基于改進(jìn)單神經(jīng)元PID算法的變風(fēng)量空調(diào)系統(tǒng)三參數(shù)前饋解耦控制

陳宗帥 李紹勇 賀冬辰 孫智冬

（蘭州理工大學(xué)土木工程學(xué)院 蘭州 730050）

針對(duì)變風(fēng)量空調(diào)系統(tǒng)（Variable Air Volume Air Conditioning System, VAVACS）的多參數(shù)、非線(xiàn)性且其主要控制回路之間存在強(qiáng)耦合的特性，提出了一種改進(jìn)單神經(jīng)元PID算法的前饋補(bǔ)償解耦控制策略的設(shè)計(jì)思路。首先，對(duì)于3個(gè)主要控制回路：冷（熱）水流量CW/HW-送風(fēng)溫度SA、送風(fēng)機(jī)轉(zhuǎn)速1-送風(fēng)靜壓SA和室內(nèi)送風(fēng)量SA-空調(diào)房間溫度或室溫n，采用前饋補(bǔ)償方法構(gòu)建了解耦補(bǔ)償器的傳遞函數(shù)矩陣，以消除它們之間的耦合效應(yīng)。其次，設(shè)計(jì)了改進(jìn)的單神經(jīng)元PID算法（Modified Single Neuron PID Algorithm, MSNPIDA）。該MSNPIDA分別依據(jù)送風(fēng)溫度SA、送風(fēng)靜壓SA和室溫n的誤差及誤差變化率對(duì)相應(yīng)的3個(gè)單神經(jīng)元PID控制器參數(shù)的權(quán)值與增益系數(shù)進(jìn)行自適應(yīng)整定，獲取相應(yīng)的最佳值。最后，借助MATLAB工具，對(duì)基于MSNPIDA的VAVACS三參數(shù)前饋解耦單神經(jīng)元PID控制系統(tǒng)進(jìn)行編程和組態(tài)，且仿真運(yùn)行。結(jié)果表明：基于MSNPIDA的VAVACS三參數(shù)前饋解耦單神經(jīng)元PID控制系統(tǒng)在理論上是可行的，且相應(yīng)的送風(fēng)溫度SA、送風(fēng)靜壓SA和室溫n的控制指標(biāo)能夠滿(mǎn)足空調(diào)工藝的相關(guān)要求。

變風(fēng)量空調(diào)系統(tǒng)；前饋解耦；增益系數(shù)；改進(jìn)單神經(jīng)元PID算法

0 引言

變風(fēng)量空調(diào)系統(tǒng)（Variable Air Volume Air Conditioning System, VAVACS）以其節(jié)能高效的優(yōu)勢(shì)被廣泛的應(yīng)用于大型公共建筑中，但由于它具有多變量、控制回路多且各控制回路之間相互耦合的特點(diǎn)，導(dǎo)致其運(yùn)行時(shí)各控制回路之間往往會(huì)出現(xiàn)相互干擾[1,2]。例如，一個(gè)典型的單風(fēng)道的壓力無(wú)關(guān)型的VAVACS除了包括變頻送/回風(fēng)機(jī)、室內(nèi)末端裝置（VAV-BOX）、送/回風(fēng)量調(diào)節(jié)閥及送/回風(fēng)管道等設(shè)備外，還設(shè)置了多個(gè)參數(shù)的PID負(fù)反饋控制環(huán)路，如送風(fēng)溫度SA、送風(fēng)靜壓SA和室溫n控制回路等。當(dāng)VAVACS運(yùn)行時(shí)，這些參數(shù)PID控制回路之間存在耦合現(xiàn)象，使得VAVACS的實(shí)際運(yùn)行中會(huì)產(chǎn)生振蕩，進(jìn)而降低系統(tǒng)的運(yùn)行質(zhì)量[3]。目前，已有多篇文獻(xiàn)提出了關(guān)于VAVACS的不同解耦控制策略。文獻(xiàn)[4]結(jié)合前饋解耦方法與單神經(jīng)元PID控制器，通過(guò)對(duì)兩個(gè)房間末端的“房間送風(fēng)量—房間溫度”控制回路進(jìn)行解耦控制。仿真結(jié)果表明，該解耦設(shè)計(jì)方式消除了這兩個(gè)回路之間的耦合效應(yīng)，縮短了調(diào)節(jié)時(shí)間，且參數(shù)解耦矩陣的設(shè)計(jì)便于實(shí)現(xiàn)。文獻(xiàn)[5]針對(duì)VAVACS的送風(fēng)溫度與室內(nèi)溫度2個(gè)耦合回路，基于線(xiàn)性反饋原理設(shè)計(jì)了這兩個(gè)參數(shù)回路的控制器。結(jié)果表明，該策略有效地提升了控制系統(tǒng)的穩(wěn)定性和魯棒性；但其調(diào)節(jié)時(shí)間較長(zhǎng)，不利于VAVACS的實(shí)際工程運(yùn)用。文獻(xiàn)[6]采用將對(duì)角解耦矩陣與常規(guī)PID控制相互結(jié)合的控制策略，對(duì)VAVACS的送風(fēng)溫度、送風(fēng)靜壓和室內(nèi)溫度的3個(gè)耦合回路進(jìn)行解耦。結(jié)果表明，3個(gè)耦合回路之間的耦合效應(yīng)得到抑制，但其送風(fēng)靜壓控制回路的跟蹤性能差。文獻(xiàn)[7]提出了一種基于解析法的PID解耦控制策略并建立了VAVACS的送風(fēng)溫度和室內(nèi)溫度控制耦合回路的模型。仿真結(jié)果表明，基于該解析法的送風(fēng)溫度和室內(nèi)溫度控制解耦策略不僅實(shí)現(xiàn)了2個(gè)控制回路之間的完全解耦，同時(shí)這兩個(gè)參數(shù)控制系統(tǒng)還具有更平穩(wěn)的跟蹤性能。文獻(xiàn)[8]通過(guò)分析VAVACS機(jī)組側(cè)的送風(fēng)靜壓與新風(fēng)量的2個(gè)控制回路之間的耦合特性，采用PID神經(jīng)網(wǎng)絡(luò)解耦控制方法實(shí)現(xiàn)了兩個(gè)參數(shù)之間解耦控制。然而，上述文獻(xiàn)存在一些問(wèn)題，如VAVACS耦合回路的建模精度不高，且其傳遞函數(shù)忽略了滯后時(shí)間，僅考慮機(jī)組側(cè)或末端側(cè)的耦合回路和調(diào)節(jié)時(shí)間長(zhǎng)等。

針對(duì)上述存在的問(wèn)題，為了實(shí)現(xiàn)VAVACS機(jī)組側(cè)與末端側(cè)的3個(gè)主要參數(shù)，即送風(fēng)溫度SA、送風(fēng)靜壓SA和室溫n控制回路的穩(wěn)定運(yùn)行。本文將前饋解耦方法、模糊控制方式和單神經(jīng)元PID控制技術(shù)相結(jié)合，提出了基于改進(jìn)單神經(jīng)元PID算法（Modified Single Neuron PID Algorithm, MSNPIDA）的前饋解耦控制策略并應(yīng)用于VAVACS的三參數(shù)控制回路中，同時(shí)對(duì)3個(gè)參數(shù)控制回路中的單神經(jīng)元PID控制器的權(quán)值ω（=1,2,3）與增益系數(shù)λ（=1,2,3）進(jìn)行優(yōu)化整定，消除VAVACS的3個(gè)控制回路之間的耦合效應(yīng)，提升控制系統(tǒng)的性能。

1 變風(fēng)量空調(diào)控制系統(tǒng)的分析與數(shù)學(xué)描述

本文所研究的被控對(duì)象VAVACS的工藝控制流程圖如圖1所示[9]。

圖1 變風(fēng)量空調(diào)系統(tǒng)的工藝控制流程圖

PT：送風(fēng)靜壓測(cè)量變送器；PC：送風(fēng)靜壓PID控制器；VFD1：送風(fēng)機(jī)變頻器；FAN1：送風(fēng)機(jī)；TT1：送風(fēng)溫度測(cè)量變送器；TC1：送風(fēng)溫度PID控制器；FT1：送風(fēng)管道風(fēng)量測(cè)量變送器；FT2：回風(fēng)管道風(fēng)量測(cè)量變送器；FC1：送回風(fēng)風(fēng)量匹配PID控制器；VFD2：回風(fēng)機(jī)變頻器；FAN2：回風(fēng)機(jī)；TT2：室溫測(cè)量變送器；FC2：室內(nèi)送風(fēng)量PI控制器；TC2：室溫PID控制器；FT3：室內(nèi)送風(fēng)量測(cè)量變送器；VAV-BOX：室內(nèi)末端裝置；- - -：參數(shù)測(cè)量、控制信號(hào)線(xiàn)。

分析圖1，該流程圖包含了3個(gè)主要參數(shù)的控制回路：冷、熱水流量CW/HW—送風(fēng)溫度SA（記為控制回路1），送風(fēng)機(jī)轉(zhuǎn)速1—送風(fēng)靜壓SA（記為控制回路2）和室內(nèi)送風(fēng)量SA—室溫n（記為控制回路3）。

相應(yīng)的3個(gè)參數(shù)控制系統(tǒng)的方框圖，分別如圖2（a）、（b）和（c）所示。

圖2 變風(fēng)量空調(diào)系統(tǒng)的3個(gè)參數(shù)控制系統(tǒng)方框圖

VAVACS通過(guò)維持送風(fēng)溫度的恒定，改變送入室內(nèi)的冷/熱送風(fēng)量的方式來(lái)實(shí)現(xiàn)對(duì)室內(nèi)溫度的調(diào)節(jié)。如圖2（a）所示，送風(fēng)溫度PID控制系統(tǒng)通過(guò)調(diào)節(jié)流經(jīng)冷、熱盤(pán)管的冷、熱水流量CW/HW以保持送風(fēng)溫度SA≈SA,set。圖2（b）所示的送風(fēng)靜壓PID控制系統(tǒng)為定靜壓法控制法。送風(fēng)靜壓PID控制器通過(guò)改變變頻器的頻率以調(diào)節(jié)送風(fēng)機(jī)轉(zhuǎn)速1，使得SA≈SA,set。VAVACS的室內(nèi)末端裝置（VAV-BOX）按室內(nèi)送風(fēng)量的調(diào)節(jié)方式可分為壓力相關(guān)型與壓力無(wú)關(guān)型。圖2（c）所示VAV-BOX為壓力無(wú)關(guān)型。其室溫PID-室內(nèi)送風(fēng)量PI控制器串級(jí)調(diào)節(jié)，通過(guò)改變室內(nèi)送風(fēng)量SA的大小，使得n≈n,set。

1.1 VAVACS運(yùn)行的穩(wěn)定性分析

VAVACS依據(jù)空調(diào)房間冷（熱）負(fù)荷的不斷變化，動(dòng)態(tài)地改變室內(nèi)送風(fēng)量SA，從而確保室溫n≈n,set。例如，如圖1所示的空調(diào)房間，當(dāng)夏季工況下室溫低于其設(shè)定值時(shí)，即nSA,set時(shí)，送風(fēng)靜壓控制器PC會(huì)發(fā)出控制指令2給變頻器VFD1，VFD1則輸出減小的供電頻率信號(hào)降低送風(fēng)機(jī)FAN1的轉(zhuǎn)速1，進(jìn)而減少室內(nèi)送風(fēng)量SA。此時(shí)，為了維持房間的微正壓，送回風(fēng)風(fēng)量匹配控制器FC1會(huì)降低回風(fēng)機(jī)FAN2的轉(zhuǎn)速2以減小回風(fēng)量RA，匹配SA。此外，為了滿(mǎn)足室內(nèi)的空氣品質(zhì)要求，即在維持送入室內(nèi)的新風(fēng)量不變的情況下，回風(fēng)與新風(fēng)混合后會(huì)造成送風(fēng)溫度降低，即SA

1.2 VAVACS三個(gè)控制回路耦合作用的數(shù)學(xué)描述

如上所述，VAVACS包含了3個(gè)主要的控制回路：冷、熱水流量CW/HW—送風(fēng)溫度SA，送風(fēng)機(jī)轉(zhuǎn)速1—送風(fēng)靜壓SA，室內(nèi)送風(fēng)量SA—室溫n。相應(yīng)的被控量和控制量為送風(fēng)溫度SA（記為1）、送風(fēng)靜壓SA（記為2）、室溫n（記為3）和冷、熱水流量CW/HW（記為1）、送風(fēng)機(jī)轉(zhuǎn)速1（記為2）、室內(nèi)送風(fēng)量SA（記為3）。用矩陣表示即控制量=[123]T，被控量為=[123]T,故VAVACS的三個(gè)回路的耦合關(guān)系可表示為=()，為了便于后面矩陣的運(yùn)算，其中()（,=1,2,3）可表示為第個(gè)控制回路的控制量u與3個(gè)被控量y之間的傳遞函數(shù)[11]，如G1()（=1,2,3）表示第1個(gè)控制回路中的控制量1(CW/HW)分別對(duì)3個(gè)控制回路中的被控量1(SA)、2(SA)與3(n)造成的影響。由以上分析可知，VAVACS三個(gè)相互耦合的控制回路所構(gòu)成的耦合傳遞函數(shù)矩陣表示為：

基于VAVACS的機(jī)理與對(duì)3個(gè)控制回路中u對(duì)y（,=1,2,3）的影響分析，參考文獻(xiàn)[12,13]中在夏季工況下的實(shí)驗(yàn)數(shù)據(jù)，式（1）可改寫(xiě)如下：

結(jié)合圖2（a）、（b）、（c）與式（1），VAVACS的3個(gè)控制回路之間相互耦合的方框圖如圖3所示。

圖3 變風(fēng)量空調(diào)系統(tǒng)3個(gè)控制回路的耦合作用方框圖

由圖3可知，第3個(gè)控制回路的控制量3變化除了對(duì)該回路被控量3產(chǎn)生作用外，還會(huì)影響到第1、2個(gè)控制回路的被控量1、2。同時(shí)，第1個(gè)控制回路的控制量1變化除了對(duì)該回路的被控制量1產(chǎn)生作用外，也會(huì)對(duì)第3個(gè)控制回路的3存在著影響。因此，針對(duì)上述3個(gè)控制回路之間控制量與被控量之間出現(xiàn)的相互影響，需要通過(guò)設(shè)計(jì)解耦補(bǔ)償器，從而消除不同回路之間的耦合作用，以此抑制不同控制量對(duì)同一被控量的影響。

2 變風(fēng)量空調(diào)系統(tǒng)三參數(shù)前饋解耦補(bǔ)償器的設(shè)計(jì)

基于前饋補(bǔ)償控制原理[14]，通過(guò)設(shè)計(jì)前饋補(bǔ)償解耦控制器()來(lái)抑制干擾量對(duì)其它控制回路中被控參數(shù)的影響。根據(jù)圖3所示的VAVACS三個(gè)控制回路中u對(duì)y（,=1,2,3）的耦合影響，依據(jù)前饋補(bǔ)償原理，可設(shè)計(jì)前饋解耦補(bǔ)償器F()來(lái)消除u對(duì)其它控制回路y（,=1,2,3,≠）的影響。相應(yīng)的VAVACS三參數(shù)前饋解耦補(bǔ)償器的傳遞函數(shù)F()（,=1,2,3,≠）如式（3）所示。

其中，式（3）中的負(fù)號(hào)表示控制作用與干擾作用相反。結(jié)合圖3與式（3）所示的前饋解耦補(bǔ)償器Fi,j(s)，本文提出的VAVACS三參數(shù)前饋補(bǔ)償解耦控制系統(tǒng)如圖4所示。

顯然，加入解耦補(bǔ)償器()之后，可以消除圖3中的三個(gè)參數(shù)控制回路之間的耦合作用，實(shí)現(xiàn)11+13=0 (3≠0)；22+23=0 (3≠0)；31+33=0 (1≠0)。即表示1、2不再受3的影響，3不再受1的影響。

3 改進(jìn)的單神經(jīng)元PID控制器的設(shè)計(jì)

目前VAVACS的主要控制回路常采用常規(guī)的PID控制器，其中傳統(tǒng)PID控制算法的增量形式可表示為[15]：

式中，1()=()，2()=()-(-1)，3()=()-2(-1)+(-2)。其中P、I和D分別為PID控制器的比例系數(shù)、積分系數(shù)和微分系數(shù)，一般而言，這三個(gè)系數(shù)是按照被控對(duì)象和控制要求預(yù)先整定的，且在整個(gè)控制過(guò)程中是保持不變的。當(dāng)控制回路出現(xiàn)干擾時(shí)，PID控制器很難適應(yīng)干擾引起被控制量的變化。考慮到VAVACS非線(xiàn)性、控制回路之間相互干擾的特點(diǎn)，可以將具有自適應(yīng)功能的神經(jīng)網(wǎng)絡(luò)與PID控制器相結(jié)合，設(shè)計(jì)出單神經(jīng)元PID控制器，通過(guò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則對(duì)單神經(jīng)元PID控制器的權(quán)值進(jìn)行自適應(yīng)整定，提升抗干擾力，進(jìn)而實(shí)現(xiàn)VAVACS的穩(wěn)定運(yùn)行。

3.1 單神經(jīng)元自適應(yīng)PID控制器

單神經(jīng)元PID算法（Single Neuron PID Algorithm, SNPIDA）是指將常規(guī)PID控制與神經(jīng)網(wǎng)絡(luò)控制相結(jié)合的一種控制方式。它根據(jù)神經(jīng)網(wǎng)絡(luò)的某一學(xué)習(xí)規(guī)則通過(guò)對(duì)三個(gè)權(quán)值系數(shù)ω()（=1,2,3）的調(diào)整來(lái)實(shí)現(xiàn)自適應(yīng)及自組織功能[16]。其中，普遍采用的基于有監(jiān)督的Hebb學(xué)習(xí)規(guī)則的單神經(jīng)元自適應(yīng)PID控制結(jié)構(gòu)框圖如圖5所示。

圖5 基于Hebb學(xué)習(xí)規(guī)則的單神經(jīng)元自適應(yīng)PID控制系統(tǒng)方框圖

這里，狀態(tài)轉(zhuǎn)換器的輸入()=y,set()-y()，=1,2,3。y,set()和y()分別表示時(shí)刻的SA、SA和n的設(shè)定值與采樣值。1()、2()和3()是狀態(tài)轉(zhuǎn)換器的輸出，1()=()，2()=()-(1)，3()=()-2(1)+(2)。單神經(jīng)元PID控制器的輸出為u() (=1,2,3)，其增量形式可表示為[17]：

式中，λ為第個(gè)控制回路的神經(jīng)元的增益系數(shù)，λ>0；1,j、2,j和3,j為第個(gè)控制回路的三個(gè)權(quán)值系數(shù)。

比較式（4）與式（5）可知，其兩者在表達(dá)形式上一致。但式（4）中的P、I和D一旦經(jīng)過(guò)整定后保持不變；而式（5）中的ω（=1,2,3）可以根據(jù)有監(jiān)督的Hebb學(xué)習(xí)規(guī)則實(shí)現(xiàn)自整定功能?；诖?，可以將單神經(jīng)元PID控制器看作一變系數(shù)的PID控制器。

其中，根據(jù)有監(jiān)督的Hebb學(xué)習(xí)規(guī)則，權(quán)值系數(shù)的學(xué)習(xí)算法為[18]：

式中，()=y()-y()（=1,2,3）；I、P、D分別為積分、比例、微分的學(xué)習(xí)速率，本文仿真時(shí)取P=0.24，I=0.053和D=0.45。

3.2 改進(jìn)的單神經(jīng)元自適應(yīng)PID控制器

對(duì)于單神經(jīng)元PID控制器中的增益系數(shù)進(jìn)一步分析，可知其大小對(duì)整個(gè)控制系統(tǒng)的性能與響應(yīng)速度有較大的影響。若值越大，則控制系統(tǒng)的快速性越好，但會(huì)出現(xiàn)系統(tǒng)超調(diào)量大甚至系統(tǒng)變得不穩(wěn)定；反之，則會(huì)使系統(tǒng)的快速性變差[19]。

所以，本文引入模糊控制器（Fuzzy Controller, FC），將被控參數(shù)y（=1,2,3）的誤差e()及誤差變化率de()/輸入FC。基于模糊規(guī)則，實(shí)時(shí)調(diào)整增益系數(shù)，構(gòu)建出了一種改進(jìn)的單神經(jīng)元PID算法該算法的控制系統(tǒng)如圖6所示。

圖6 基于MSNPIDA的單神經(jīng)元PID控制系統(tǒng)方框圖

對(duì)于圖6中的FC，其輸出=o+，這里的o為初值；是根據(jù)模糊規(guī)則，對(duì)論域均為{-5,-4,-3,-2,-1,0,1,2,3,4,5}的誤差e()及誤差變化率de()/d，隸屬度函數(shù)為三角函數(shù)，進(jìn)行運(yùn)算后的輸出。

其中，基于MSNPIDA的VAVACS三參數(shù)控制系統(tǒng)流程圖如圖7所示。

圖7 基于MSNPIDA的VAVACS的三參數(shù)控制算法流程圖

對(duì)于本文所提出的VAVACS的三個(gè)控制回路而言，基于MSNPIDA的控制器需要整定的參數(shù)包括第（=1,2,3）個(gè)控制回路所包含的神經(jīng)網(wǎng)絡(luò)權(quán)值系數(shù)（=1,2,3）與增益系數(shù)。需要說(shuō)明的是，上述的3個(gè)控制回路的權(quán)值系數(shù)ω（=1,2,3）和增益系數(shù)（=1,2,3）整定的算法─MSNPIDA可用MATLAB軟件進(jìn)行編程，保存為一個(gè)獨(dú)立程序，命名為MSNPIDA.m。該MSNPIDA.m與圖8所示的VAVACS三參數(shù)前饋解耦控制系統(tǒng)仿真模型同步運(yùn)行。

4 VAVACS三參數(shù)前饋解耦控制系統(tǒng)的數(shù)值仿真及結(jié)果分析

4.1 VAVACS三參數(shù)前饋解耦控制系統(tǒng)仿真模型的構(gòu)建

該仿真模型包括由輸入信號(hào)SA,set、SA,set、n,set、主控制器部分、解耦控制器部分與廣義被控對(duì)象等組成。在MATLAB中的Simulink環(huán)境下，對(duì)圖4所示的VAVACS三參數(shù)前饋解耦控制系統(tǒng)進(jìn)行組態(tài)，如圖8所示。

圖8 VAVACS三參數(shù)前饋解耦控制系統(tǒng)仿真模型

其中，圖8的控制回路3中的室內(nèi)送風(fēng)量PI控制器，其P=0.31，I=0.07。控制回路1、2和3中的三個(gè)-PID主控制器是采用Simulink功能塊封裝的基于MSNPIDA單神經(jīng)元PID控制器，其結(jié)構(gòu)如圖9所示。

圖9 基于MSNPIDA的單神經(jīng)元PID控制器的封裝

其中，圖9中的模糊控制器中增益的模糊運(yùn)算規(guī)則如表1所示。

表1 增益λ'的模糊運(yùn)算規(guī)則表

4.2 仿真結(jié)果及分析

首先，VAVACS在空調(diào)夏季工況下，SA,set=153℃，n,set=253℃和SA,set=20050Pa；其初始工況為SA,0=25℃，n,0=30℃和SA,0= 0Pa[20]。

其次，考慮到空調(diào)房間由于人員流動(dòng)、設(shè)備使用等情況會(huì)引起室內(nèi)負(fù)荷發(fā)生變化的情況[21]，仿真過(guò)程中分別在200s和400s時(shí)，調(diào)整SA,set、SA,set和n,set大小，進(jìn)而驗(yàn)證控制系統(tǒng)的跟蹤性能。

最后，在MATLAB中的Simulink環(huán)境和Command Window界面，同步運(yùn)行圖8所示的VAVACS三參數(shù)前饋解耦單神經(jīng)元PID控制系統(tǒng)和MSNPIDA.m，可獲取整定后的權(quán)值與增益系數(shù)和相應(yīng)的送風(fēng)溫度、送風(fēng)靜壓和室溫的響應(yīng)過(guò)程，分別如表2和圖10～圖12所示。

表2 基于MSNPIDA的VAVACS三參數(shù)單神經(jīng)元PID控制器ω與λ系數(shù)整定值

此外，為了比較解耦和非解耦方式的控制效果，同時(shí)也進(jìn)行了基于MSNPIDA的VAVACS三參數(shù)單神經(jīng)元PID系統(tǒng)的數(shù)值仿真。

圖10 送風(fēng)溫度的響應(yīng)曲線(xiàn)

分析圖10，相比于未解耦時(shí)，經(jīng)過(guò)解耦后的控制回路1的超調(diào)量減少了54%，調(diào)節(jié)時(shí)間縮短了27%。

圖11 送風(fēng)靜壓的響應(yīng)曲線(xiàn)

分析圖11，相比于未解耦時(shí)，經(jīng)過(guò)解耦后的控制回路2的超調(diào)量減少了81%，調(diào)節(jié)時(shí)間縮短了29%。

圖12 室內(nèi)溫度的響應(yīng)曲線(xiàn)

分析圖12，相比于未解耦時(shí)，經(jīng)過(guò)解耦后的控制回路3的超調(diào)量減少了25%，調(diào)節(jié)時(shí)間縮短了21%。

基于圖10～圖12，可知VAVACS控制回路之間的耦合主要影響響應(yīng)的幅值、響應(yīng)速度與穩(wěn)定性。通過(guò)對(duì)VAVACS的耦合傳遞函數(shù)矩陣分析可知，SA、n受到CW與SA的影響。由式（2）可知，11()的傳函增益為負(fù)、13()的傳函增益為正、31()的傳函增益為負(fù)、33()的傳函增益為正，可知，SA、n的變化趨勢(shì)應(yīng)相同。同理分析，SA與SA的變化趨勢(shì)相反。通過(guò)對(duì)比圖10～圖12的仿真結(jié)果，表明本文的仿真結(jié)果符合理論要求。同時(shí)，在后200s與400s內(nèi)三個(gè)被控參數(shù)的設(shè)定值改變后，經(jīng)過(guò)解耦后的SA、SA與n能夠較快的實(shí)現(xiàn)跟蹤設(shè)定值，具有很好的跟蹤能力。

此外，基于MSNPIDA的VAVACS三參數(shù)前饋解耦單神經(jīng)元PID控制系統(tǒng)的性能指標(biāo)如表3所示。

表3 主要控制性能指標(biāo)（前200s內(nèi)）

分析表3，由于空調(diào)房間具有一定的熱儲(chǔ)蓄能力，故控制回路3的調(diào)節(jié)時(shí)間比回路1與回路2的調(diào)節(jié)時(shí)間長(zhǎng)。

5 結(jié)論

綜上所述，針對(duì)VAVACS的三個(gè)主要控制回路在運(yùn)行時(shí)會(huì)出現(xiàn)控制通道之間相互耦合的特性，本文提出了一種改進(jìn)的單神經(jīng)元PID前饋解耦控制策略。通過(guò)對(duì)VAVACS運(yùn)行時(shí)的穩(wěn)定性分析，設(shè)計(jì)了前饋解耦矩陣。借助MATLAB軟件，對(duì)VAVACS三參數(shù)前饋解耦控制系統(tǒng)進(jìn)行了組態(tài)與數(shù)值模擬并得到以下結(jié)論：

（1）本文提出的基于MSNPIDA的前饋解耦控制策略不僅消除了VAVACS三個(gè)控制回路之間的耦合效應(yīng)，且提升了相關(guān)控制性能指標(biāo)。

（2）改進(jìn)后的單神經(jīng)元PID控制器可以依據(jù)被控制量的實(shí)時(shí)誤差在線(xiàn)調(diào)整增益與權(quán)值的數(shù)值，控制系統(tǒng)具有更小的超調(diào)量和更快的響應(yīng)速度，很好的提升了控制系統(tǒng)的運(yùn)行性能，對(duì)VAVACS的實(shí)際工程應(yīng)用具有一定的指導(dǎo)意義。

[1] 高佳佳,徐新華,黃公勝.變風(fēng)量空調(diào)系統(tǒng)室內(nèi)溫度控制[J].華中科技大學(xué)學(xué)報(bào),2015,43(12):86-89,105.

[2] 閆秀聯(lián),顏菲菲,閆秀英.變風(fēng)量空調(diào)系統(tǒng)溫濕度解耦控制[J].制冷與空調(diào),2019,33(3):298-302,342.

[3] 曹振華.變風(fēng)量空調(diào)系統(tǒng)的控制仿真研究[J].制冷與空調(diào),2013,27(4):407-410.

[4] 郭方敏,任慶昌.VAV空調(diào)系統(tǒng)末端解耦控制研究[J].自動(dòng)化與儀器儀表,2010,(4):141-143.

[5] Archana T, Amit P, Souvik B. Feedback linearizationbased control of a variable air volume air conditioning system for cooling applications[J].ISA Transactions, 2008,47(3):339-349.

[6] 王雁,王軍,王瑞祥,等.采用對(duì)角矩陣解耦法提高變風(fēng)量空調(diào)的性能[J].建筑電氣,2004,(6):3-7.

[7] 陳大鵬,張九根,梁星.基于解析法的變風(fēng)量空調(diào)解耦優(yōu)化控制[J].計(jì)算機(jī)工程與應(yīng)用,2018,54(18):235- 241.

[8] 付龍海,李蒙.基于PID神經(jīng)網(wǎng)絡(luò)解耦控制的變風(fēng)量空調(diào)系統(tǒng)[J].西南交通大學(xué)學(xué)報(bào),2005,40(1):13-17.

[9] Godwine S O, Ye Y.A review of recent developments and technological advancements of variable-air- volume (VAV) air-conditioning systems[J]. Renewable and Sustainable Energy Reviews,2016, 59(1):784-817.

[10] 孫寧,李吉生,彥啟森.變風(fēng)量空調(diào)系統(tǒng)設(shè)計(jì)淺談[J].暖通空調(diào),1997,27(5):53-59.

[11] 方康玲.過(guò)程控制及其MATLAB實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2013:160-163.

[12] Wang J,Wang Y. Performance improvement of VAV air conditioning system through feedforward compensation decoupling and genetic algorithm[J]. Applied Thermal Engineering,2008,28(5): 566-574.

[13] 徐瑋,張九根,楊偉斌,等.自適應(yīng)遺傳算法在變風(fēng)量空調(diào)系統(tǒng)解耦控制中的應(yīng)用[J].儀表技術(shù)與傳感器, 2017,(4):95-99,103.

[14] 鄭輯光,韓九強(qiáng),楊清宇.過(guò)程控制系統(tǒng)[M].北京:清華大學(xué)出版社,2012:178-179.

[15] 王建玉,任慶昌.變風(fēng)量空調(diào)系統(tǒng)的模型預(yù)測(cè)控制及仿真研究[J].系統(tǒng)仿真學(xué)報(bào),2008,20(16):4446-4450.

[16] 劉金琨.先進(jìn)PID控制MATLAB仿真[M].北京:電子工業(yè)出版社,2016:311-312.

[17] 陳靜杰,顧澤龍,陸道溢.面向航站樓環(huán)境二氧化碳濃度控制研究[J].計(jì)算機(jī)仿真,2019,36(1):23-28.

[18] 沈斌,尹斌,孫維廣.基于單神經(jīng)元自適應(yīng)PID的光伏發(fā)電MPPT[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2017,29(2): 89-95.

[19] 曹振華.地源熱泵空調(diào)系統(tǒng)的控制仿真研究[J].制冷與空調(diào),2017,31(3):313-316,340.

[20] 陸亞俊,馬最良,鄒平華.暖通空調(diào)[M].北京:中國(guó)建筑工業(yè)出版社,2007:133-145.

[21] MinN, Zaheeruddin M.Neuro-optimal operation of a variable air volume HVAC&R system[J].Applied Thermal Engineering,2010,30(5):385-399.

Feedforward Decoupling Control for Variable Air Volume Air Conditioning System with Three-parameter Based on Modified Single Neuron PID Algorithm

Chen Zongshuai Li Shaoyong He Dongchen Sun Zhidong

( School of Civil Engineering, Lanzhou University of Technology, Lanzhou, 730050 )

For the variable air volume air conditioning system (VAVACS) with characteristics of multi-parameter, nonlinear and strong coupling effects among the main control loops, a design idea of feedforward compensation decoupling control policy based on a modified single neuron PID algorithm (MSNPIDA)is proposed. Firstly, for three main control loops: the flow rate of chilled/hot water (CW/HW) and supply air temperature (SA), the speed of supply air fan (1) and static pressure of supply air (SA) and the flow rate of indoor supply air (SA) and indoor air temperature (n), the feedforward compensation method is adopted to construct the transfer function matrix of decoupling compensator in order to eliminate the coupling effect among them. Secondly, a modified single neuron PID algorithm (MSNPIDA) is designed. On the basis of the errors and the variant rates of supply air temperature, the static pressure of supply air and indoor temperature, this MSNPIDA can adaptively tuneweight value and gain coefficient of three single neuron PID controllers’ parameters, respectively, and obtain the corresponding optimal values. Finally, the feedforward decoupling single neuron PID control systems based on MSNPIDA for VAVACS with three-parameter is programmed and configured by MATLAB tool and then the corresponding simulations are carried out. The results show that the feedforward decoupling single neuron PID control systems based on MSNPIDA for VAVACS with three-parameter are theoretically feasible, and the corresponding control indexes of supply air temperature, the static pressure of supply air and indoor temperature can meet the relevant requirements of air conditioning technical process.

variable air volume air conditioning system; feedforward decoupling; gain coefficient; modified single neuron PID algorithm

1671-6612（2020）06-655-09

TP273/TU831.3

A

蘭州理工大學(xué)博士研究基金項(xiàng)目（B04-237）；蘭州理工大學(xué)建工七七基金項(xiàng)目（TM-QK-1301）

陳宗帥（1993-），男，碩士研究生，E-mail：2459216554@qq.com

2020-02-13