变风量空调系统温湿度解耦控制

闫秀联 颜菲菲 闫秀英

变风量空调系统温湿度解耦控制

闫秀联1颜菲菲2闫秀英3

（1.西安建筑科技大学华清学院 西安 710043；2.中联西北工程设计研究院有限公司 西安 710077;3.西安建筑科技大学信控学院 西安 710055）

变风量空调系统是一个非线性、大滞后、多变量的系统，简单的PID控制对非线性系统控制效果较差，控制精度不高。针对变风量空调系统控制过程中，送风量-房间温度、送风温度-房间湿度两控制回路间存在耦合的现象。采用神经网络算法进行解耦控制，以消除耦合。首先，应用最小二乘法建立被控对象控制回路的数学模型，其次，采用PID神经网络解耦控制算法和交叉解耦控制算法对存在耦合的回路进行解耦控制。最后，进行仿真分析，并加载到空调系统中进行验证。

变风量空调；温湿度控制；PID神经网络；解耦控制

0 引言

随着科技水平的不断提高和高精密仪器设备的不断投入使用，对科学实验环境的温湿度控制精度提出了更高的要求[1]。实际的变风量空调系统（Variable Air Volume，VAV）中，多个控制回路之间存在相互耦合，相互干扰的情况，为了使系统能够稳定运行，就必须对耦合回路进行解耦控制[2-4]，目前变风量空调系统解耦多采用前馈解耦，这种方法依赖于被控对象精确的数学模型，而实际系统中被控对象往往具有非线性时变特性，采用传统的解耦控制方法很难达到预期的控制品质，甚至会引起系统的不稳定[5-8]。基于此本文采用了PID神经网络智能解耦控制方法，该方法结构简单，易于实现。且解耦器与控制器于一体，不仅能够解决传统解耦控制方法精确度低的缺点，同时又能实现对系统的实时在线控制[9,10]。目前大多数解耦控制都停留在仿真阶段，而本文设计的基于末端温湿度耦合现象的交叉解耦和PID神经网络解耦两种控制算法[11-13]，在软件仿真的基础上，进行了在线控制，并对仿真和在线控制效果进行了对比分析。

1 空调系统末端温湿度解耦控制原理

空调系统控制过程中，当送风温度降低时，房间温度会相应降低，而房间湿度则会相应升高。夏季工况，送风量增大时，房间温度会相应降低，房间湿度会相应升高。即房间温湿度与送风量、送风温度都有关系。因此本文研究了空调系统末端温湿度回路运行过程中存在的耦合作用，并对耦合回路采用PID神经网络算法进行解耦控制，如图1所示。房间温湿度实测值、房间温湿度设定值为PID神经网络的输入层，送风量设定值和送风温度设定值为PID神经网络的输出层，输出层参数与各自对应参数的实测值进行对比，控制房间温湿度，该控制方法是通过调节输入层与隐含层，隐含层与输出层之间的权值来达到房间温湿度解耦目的。

图1 PID神经网络解耦控制框图

2 PID神经网络解耦控制算法

PID神经网络是一种动态前馈控制，在神经元网络中融入了PID控制规律，不仅具有传统PID控制器的优点，同时又具有并行结构和学习记忆功能，可以实现任意精度逼近任意连续函数。通过在线学习，根据对象参数变化时对系统输出性能的影响来调整连接权值。从而改变神经网络中比例、积分、微分的强弱，加快系统的收敛速度，使系统具备良好的动态性能和静态性能，来达到解耦目的。算法原理介绍如下：

2.1 前向算法

2.1.1 输入层

输入层包括2个神经元，分别为给定值和实测值，在任意采样时刻，其输入：

输入层神经元的状态为：

输入层神经元的输出为：

式中：=1,2；=1,2,3。

2.1.2 隐含层

隐含层共3个神经元，分别为1个比例神经元，1个积分神经元和1个微分神经元，它们各自的输入值均为：

式中：=1,2,3。ω是输入层至隐含层的连接权值。

比例元状态为：

积分元状态为：

微分元状态为：

隐含层各神经元输出为：

式中：=1,2,3。

2.1.3 输出层

PID神经网络输出层结构比较简单，包含一个神经元，完成网络的综合输出功能，其总输入为：

2.2 反传算法

PID神经网络学习的目标是使式（14）为最小。

按照梯度法调节PID神经网络权值，使控制量不断接近控制目标。

2.2.1 隐含层至输出层

隐含层至输出层的权值迭代公式：

其中：

2.2.2 输入层至隐含层

输入层至隐含层的权值迭代公式：

其中：

3 仿真分析

把空调系统温湿度回路进行简化处理，对前向通道建立线性传递函数，在研究过程中仅对单个控制回路进行简化建模。实际应用中与其它环节还存在耦合。采用PID神经网络解耦控制方法，研究变风量空调系统中房间温湿度之间的耦合现象。在夏季工况下，采用PID神经网络解耦控制和交叉解耦控制，对辨识模型进行仿真控制和对比分析。

3.1 温湿度解耦控制建模

如图1所示，研究对象为双闭环控制系统，风量控制器与风阀执行器集成一体，无法直接采集风量对象的输入输出信号，外环温度反馈也无法断开，即不满足开环辨识条件，因此房间温度内外环控制回路需采用闭环辨识法。

风量设定值作为输入，风量反馈值作为输出，采用最小二乘法闭环辨识得到风量传递函数：

冷冻水阀门开度作为输入，送风温度作为输出，采用开环辨识得到送风温度传递函数：

从图1可以看出，送风量、送风温度的变化，都会影响房间内温湿度，因此末端送风量——房间温度，送风温度——房间相对湿度两个控制回路间存在耦合关系，如图2。图中G11表示送风量和房间温度之间的传递函数，G22表示送风温度和房间湿度之间的传递函数，G12表示送风温度和房间温度之间的传递函数，G21表示送风量和房间湿度之间的传递函数。

图2 温湿度耦合传递函数框图

温湿度解耦过程中被控制对象传递函数如下：

3.2 仿真结果分析

将房间温湿度分别设定在25℃和50%，通过系统建模，采用交叉解耦、PID神经网络解耦对变风量空调系统末端温湿度进行控制仿真，得到房间温度、相对湿度解耦控制图，其与交叉解耦控制进行对比，如图3，图4所示。

图3 房间温度解耦控制

图4 房间相对湿度解耦控制

房间温度解耦控制仿真过程中，PID神经网络解耦控制系统响应时间为450s，超调量为10%左右；交叉解耦控制系统响应时间为700s，超调量为0%。房间相对湿度解耦控制过程中，PID神经网络解耦控制系统响应时间为620s，超调量为5%左右；交叉解耦控制系统响应时间为800s，超调量为0%。由图3、图4综合对比可以看出，PID神经网络解耦控制相比交叉解耦控制可以使系统尽快的达到稳定但在控制过程中会出现超调现象。

4 实验验证

4.1 解耦前控制

对实验控制对象采用LabView软件编写在线控制程序，加载到实际空调系统，将房间温湿度分别设定为25℃和50%进行在线控制。图5为解耦前房间温度控制，图6为解耦前房间相对湿度控制。

图5 解耦前房间温度控制

图6 解耦前房间相对湿度控制

解耦前控制程序在线实验验证，系统运行到3970s时，房间温湿度基本达到稳定，房间温度在26.1±0.04℃波动，房间相对湿度在50.6±0.4%波动。

4.2 交叉解耦控制

实验控制对象采用LabView软件编写交叉解耦控制程序，并将程序加载到系统上，对系统进行在线控制，图7为交叉解耦后房间温度控制图，图8为交叉解耦后房间相对湿度控制图。

图7 交叉解耦后房间温度控制

图8 交叉解耦后房间相对湿度控制

交叉解耦控制在线进行实验验证过程中，系统运行到9398s时，房间温湿度基本达到稳定，房间温度在25.1±0.05℃波动，相对湿度在50.4±0.2%波动。

4.3 PID神经网络解耦控制

对实验控制对象采用LabView软件编写PID神经网络解耦控制程序。图9为PID神经网络解耦后房间温度控制，图10为PID神经网络解耦后房间相对湿度控制。

图9 PID神经网络解耦后房间温度控制

图10 PID神经网络解耦后房间相对湿度控制

PID神经网络解耦控制在线实验验证，系统运行到4375s时，房间温湿度基本达到稳定，房间温度在25.02±0.04℃波动，相对湿度在50±0.4%波动。

由以上实验结果表明，将房间温湿度分别设定在25℃和50%时，交叉解耦控制和PID神经网络解耦控制相比未解耦前，都有效消除了房间温湿度控制回路之间的耦合现象，其中PID神经网络解耦比交叉解耦控制使系统达到稳定时，所用时间更短。

5 结论

本文针对变风量空调系统中送风量——房间温度，送风温度——房间相对湿度两个控制回路之间的耦合现象，在系统建模的基础上采用PID神经网络解耦控制和交叉解耦控制算法，通过仿真和加载到实际空调系统运行，结果对比分析得出，PID神经网络解耦控制和交叉解耦控制技术都具有较好的解耦控制效果。但PID神经网络解耦控制可以使系统更快速的达到稳定，并在设定值小范围内波动，效果更好。

[1] 俞丽华,汪洪军.恒温恒湿科学实验室的空调系统设计[J].制冷与空调,2018,32(5):511-514,527.

[2] 徐玮,张九根,杨伟斌,等.自适应遗传算法在变风量空调系统解耦控制中的应用[J].仪表技术与传感器,2017,(4):95-99,103.

[3] Zhang H, Zhao W. Decoupling control of steering and driving system for in-wheel-motor-drive electric vehicle[J]. Mechanical Systems & Signal Processing, 2018,101:389-404.

[4] 徐颖,谢林柏.多变量时滞系统的伴随解耦控制[J].控制工程,2017,24(5):927-932.

[5] 冯增喜,任庆昌.MFAC和前馈补偿组合的VAV系统解耦控制仿真[J].计算机仿真,2014,31(9):402-406.

[6] 王茹,陶泽炎.基于模糊前馈解耦的变风量空调控制方法研究[J].计算机测量与控制,2015,23(2):450-453,456.

[7] 白辰,樊垚,任章,杨鹏.基于模糊神经网络的MIMO系统自适应解耦控制[J].北京航空航天大学学报,2015, 41(11):2131-2136.

[8] 汪炼,张向南.洁净区温湿度自控系统的内膜PID前馈补偿解耦算法研究[J].自动化技术与应用,2016,35(5): 24-30.

[9] 麦雪凤.智能解耦控制在过程控制实验装置上的设计与实现[J].实验室研究与探索,2017,36(5):139-143,263.

[10] Meng Q, Yan X, Ren Q, et al. Variable air volume air-conditioning experiment system with advanced controls[J]. Indoor & Built Environment, 2016,25(1): 114-127.

[11] Zhong Z, Xu X, Zhang X, et al. Simulation Based Control Performance Evaluation of a Novel Fuzzy Logic Control Algorithm for Simultaneously Controlling Indoor Air Temperature and Humidity Using a Direct Expansion (DX) Air-conditioning (A/C) System[J]. Procedia Engineering, 2017,205:1792-1799.

[12] 刘拴强,刘晓华,江亿.温湿度独立控制空调系统中独立新风系统的研究(1):湿负荷计算[J].暖通空调,2010, 40(1):80-84.

[13] 马燕.UPFC控制策略研究及交叉解耦控制器设计[D].鞍山:辽宁科技大学,2015.

Variable Air Volume Air Conditioning System Temperature and Humidity Decoupling Control

Yan Xiulian1Yan Feifei2Yan Xiuying3

( 1.Xi’an University of Architecture and Technology Hua Qing College, Xi’an, 710043;2.China United Northwest Institute for Engineering Design&Research Co.,Ltd, Xi’an, 710077;3.School of Information and Control Engineering, Xi’an University of Architecture & Technology, Xi'an, 710055 )

Variable air volume air conditioning system is a non-linear, large delay, multi-variable system, simple PID control on the non-linear system control effect is poor, control precision is not high.In the control process of variable air volume air conditioning system, the two control loops of air supply - room temperature and air supply temperature-room humidity are coupled.In this paper, neural network algorithm is used for decoupling control to eliminate coupling.Firstly, the mathematical model between control loops of the controlled object is established by using the least square method. Secondly, PID neural network decoupling control algorithm and cross decoupling control algorithm are adopted to decouple control the coupled circuits. Finally, the simulation analysis is carried out and the validation is carried out in the air conditioning system.

Variable air volume air conditioning system; Temperature and Humidity control; PID neural network; Decoupling control

TP29

A

1671-6612（2019）03-298-05

陕西省教育厅专项科研基金项目（17JK1002）

闫秀联（1985-），女，硕士，讲师，E-Mail：yanxiulian325@163.com

2019-03-11