基于模糊增益单神经元PID控制的地源热泵空调系统的建模与仿真

曹振华

(陕西国防工业职业技术学院 建筑与热能工程学院,陕西 西安　710302)



基于模糊增益单神经元PID控制的地源热泵空调系统的建模与仿真

曹振华

(陕西国防工业职业技术学院 建筑与热能工程学院,陕西 西安710302)

摘要：针对地源热泵空调控制系统复杂性、非线性、运行过程中所受干扰多且难以建立精确的数学模型等特点,目前多采用常规PID控制系统或相对较好一些的模糊PID控制系统,但都存在不足,很难达到其节能和舒适的作用。本文针对其特点提出了利用模糊控制和单神经元PID控制相结合的控制方法。并通过MATLAB仿真工具对其三种控制方法分别进行动态仿真,其结果表明该方法运用于地源热个泵空调系统中,其控制效果明显优于其它两种控制方法,大大提高了控制系统的控制品质,受外界影响较小,响应快,鲁棒性较强,节能和舒适性效果更明显。

关键词：地源热泵空调系统; 模糊增益单神经元PID控制; 动态仿真

1引言

随着智能建筑的大力发展,人民生活水平的提高,空调已成为现代社会中必不可少的一部分。中央空调的种类很多,其中最有发展潜力的一种空调为地源热泵空调系统。原因是其能源来源于地下并可以循环利用,不但大大的节约了能源,而且清洁无污染。然而在传统的系统设计中,地源热泵中央空调系统的各个设备都是按照最大负荷来进行设计的,各电机无论季节、昼夜或用户负荷的怎样变化都长期在工频状态下满负荷运行[1]。这种设计不能随负荷变化而调整系统功率,因此造成了较大的能源浪费。其次,地源热泵中央空调是一个非线性,大滞后,在运行过程中所受干扰多的复杂系统,对其控制比较困难,目前多采用常规PID控制系统或相对较好一些的模糊PID控制系统,但都存在不足,很难达到其节能和舒适的作用。

本文针对其特点提出了模糊控制和单神经元PID控制相结合的方法。并通过MATLAB仿真工具对其三种控制方法分别进行动态仿真,其结果表明该方法运用于地源热个泵空调系统中,其控制效果明显优于其它两种控制方法,大大提高了控制系统的控制品质,受外界影响较小,响应快,鲁棒性较强,节能和舒适性效果更明显。其研究结果在实际工程中具有一定的实际应用价值。

2地源热泵空调系统模型的建立

地源热泵空调系统的控制模型目前多采用低阶函数近似模拟的方法来表示,因为地源热泵空调控制系统影响因素复杂多变,与空调系统本身、外界环境及其他干扰等众多因素有关,如果都考虑其建立的模型将很复杂,很难处理计算。而采用低阶函数建立模型忽略了其它环节的滞后,并将其他输入视为干扰的情况下,则整个控制系统用一个带滞后环节的二阶简化控制模型表示[2]。经实践证明可知,用带迟延的二阶模型来近似实际控制对象可以改善模型与对象间的相位差,实际应用中完全可以满足。地源热泵空调系统的冷却水和冷冻水控制系统基本相同,因此本文在仿真中以冷冻水系统模型为例进行。

其冷冻水系统模型的传递函数:

(1)

3地源热泵空调系统模糊神经元PID控制器的设计

3.1单神经元PID控制器简介

单神经元控制的特点是具有自适应性,可以自调被控参数,对模型的不确定性和非线性不敏感,具有自学习能力、并行计算能力,可以任意逼近非线性函数的能力。其广泛应用于非线性系统领域中。为了提高常规PID控制器在控制复杂和时变系统时的性能,本文将单神经元与PID控制器相结合(即单神经元PID控制器),以期获得更满意的控制效果。单神经元PID控制器的数学模型为[3]:

(2)

式中:u(k)为单神经元控制器的输出,Wi(k)(i=l,1,…n)为对应于Xi(K)的加权系数。

通过公式(2)可知,单神经元PID控制器是一个非线性的控制器,其控制系统结构图如图1所示。

图1　单神经元PID控制器结构图Fig.1　structure diagram of single neuron PID controller

3.2模糊增益单神经元PID控制器设计

在单神经元PID控制系统中,由于热源水泵空调系统的水系统环境随时可能发生变化,因此控制系统中增益K对控制器的效果影响较大,通常情况下,K值较小时,控制系统能够保持稳定,但当K值太小时,控制系统反应就比较慢,控制的快速性要求就会达不到;当K值较大时,快速性要求倒能满足,但会增大超调量,从而导致系统的不稳定。因此K值大小的选取对控制器具有重要的作用。为使单神经元PID控制器能够对增益K进行在线调整,本文使用模糊控制器在线自动调节神经元增益K的大小,提出了一种基于模糊模型的增益自调整的单神经元自适应PID控制器的控制法(即模糊增益单神经元PID控制器),这样可以避免一维控制其控制的不精确性和三维控制器的复杂性,提高了计算速度。

模糊增益单神经元PID控制器结构图如图2所示[4,5]。

图2　模糊增益单神经元PID控制器结构图Fig.2　Gain fuzzy single neuron PID controller structure diagram

4地源热泵空调控制系统的仿真结构图及仿真结果

4.1三种控制系统仿真模型的建立

仿真模型建立的方法是:首先将MATLAB/Simulink模块库中相应的模块调出并拖入其模型界面内,其次设置各模块之间的对应参数,最后将各模块之间对应的用线条连接好。对模糊控制的控制器来说,建立仿真模型的方法是:首先编好该控制器对应的S-Function函数,然后封装,这样MATLAB/Simulink仿真模型就建立好了[6]。

4.1.1单神晶元PID控制仿真模型

单神晶元PID控制仿真模型如图3所示。

4.1.2模糊PID控制仿真模型

模糊控制和常规PID控制相结合,即模糊PID控制仿真模型如图4所示。[7]

图3　单神经元PID控制仿真模型Fig.3　Single neuron PID control simulation model

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

4.1.3模糊增益单神经元PID控制仿真模型

模糊控制和单神经元PID控制相结合,即本文采用的方法模糊增益单神经元PID控制仿真模型如图5所示。[8]

图5　模糊增益单神经元PID控制仿真模型Fig.5　Gain fuzzy single neuron PID control simulation model

4.2三种控制系统仿真结果

为了正确评价被控对象的动静态特性,在仿真中,典型的做法是给被控对象施加一个阶跃输入信号,从而观察被控对象的输出响应曲线。另外为了验证控制器的抗干扰能力,本文在600s时加了干扰进行仿真分析[9]。

为了能够更加清楚明了的验证本文提出的模糊增益单神经元PID控制系统的优势和正确性,本文将传统的单神经元PID控制系统和模糊PID控制系统三种系统同时进行仿真模拟,从而发现三种控制系统的优缺点。

4.2.1三种控制系统的阶跃响应仿真结果

三种控制系统的阶跃响应仿真结果图如图6所示。

图6　三种控制系统的阶跃响应仿真结果图Fig.6　Three control system step response simulation results

说明:A线——单神经元PID控制响应曲线;B线——模糊增益单神经元PID的控制响应曲线;C线——模糊PID控制的响应曲线。

4.2.2三种控制系统的加干扰仿真结果

三种控制系统的加干扰仿真结果图如图7所示。

图7　三种控制系统的加干扰仿真结果图Fig.7　The simulation results of three kinds of interference with the control system diagram

5仿真结果分析

从仿真结果图6中可以发现,模糊增益单神经元PID控制器所产生的超调量最小,过度时间最短,其远小于常规单神经元PID控制器,比模糊PID控制器的过度时间也短,可见本文所研究的控制系统的控制品质比其他两种控制系统的控制品质要更好。且其曲线变化也较平滑,稳定性也较好。

图7中分别对传统的单神经元PID控制器、模糊PID控制器和模糊增益自调整单神经元PID控制器在600s时加了一个大小相同的扰动,从仿真结果图可以发现,常规单神经元PID控制曲线在扰动信号作用下产生的超调量最大,模糊PID控制曲线产生了比较明显的波动,而模糊增益单神经元PID控制虽然在响应时间上差别不大,但产生的超调量最小,系统鲁棒性最强,相对而言,其对扰动信号的适应能力要略强一些。因此,在地源热泵空调控制系统中选用模糊増益单神经元PID控制器要比常规单神经元PID控制器和模糊PID控制器都要好。

6结论

综上所述,在地源热泵空调控制系统中采用模糊增益单神经元PID控制方法要优于目前普遍使用的PID控制和模糊PID控制的方法,其研究结果希望能为广大空调设计和空调研究人员在地源热泵空调系统控制问题上的研究提供一定的帮助。

参考文献:

[1]李高建,胡玉叶,朱秀斌.地源热泵技术的研究与应用现状[J].制冷与空调,2007,21(04):105-108.

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

[2]刘洋,刘金样,丁高.水源热泵机组变工况运行的数学模型研究[J].暖通空调,2007,37(03):21-24.

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

[3]李文涛.神经PID在地源热泵空调系统中的应用[J].工业控制计算机,2012,25(9):52-53.

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

[4]郭昌,高清维,崔桂梅.模糊PID控制算法在变频调速中的新应用[J].电机与应用控制,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神经网络PID参数自整定的研究[J].系统仿真学报,2005,17(7):1711-1713.

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

[6]姚 俊.Simulink建模与仿真[M].西安:西安电子科技大学出版社,2002.

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

[7]黄忠霖.控制系统MATLAB计算及仿真[M].北京:国防工业出版社,2001.

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

[8]赵娜.基于HVAC冷冻水系统的模糊控制研究[J].科学技术与工程,2008,12(11):3187-3190.

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

[9]高翔,吴刚,陈金增.制冷空调系统的模糊控制与模拟仿真[J].海军工程学报,1998,84(03):62-66.

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

曹振华男(1978-),陕西蒲城人,副教授,硕士,主要研究方向为暖通空调。

中图分类号：TU 831.6

文献标识码：A

基金项目：陕西国防工业职业技术学院自然科学类研究项目(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