论文部分内容阅读
如今人们对室内环境质量的要求要越来越高,人们最能直接感受到的是室内热湿环境,现今调节室内热湿环境的主要手段是空调控制系统。传统的空调控制系统主要通过单一的温度指标来控制室内的热湿环境,不是真正基于人的热舒适度,并且其能耗也非常巨大。所以建立起室内热湿环境热舒适度控制系统是现在迫在眉睫的问题。然而,选取一个室内热湿环境热舒适度的评价标准是室内热舒适度控制实现的必要前提条件,利用这一评价标准,综合考虑室内的环境因素,使得室内环境朝着人们希望的状态进行调整和改变。综上,本文的研究成果如下:(1)本文选取PMV热舒适模型作为评价室内热湿环境热舒适度的评价标准。因为PMV值的计算过程非常复杂,时滞性非常明显。为了解决这些问题,选用BP神经网络对PMV热舒适度进行预测建模。最后通过实验仿真,验证了面型室内热湿环境热舒适度PMV预测模型的可行性,也能将此模型应用在空调的实时控制之中。(2)由于BP神经网络算法具有预测精度低、收敛速度慢、易于陷入局部最优的缺陷。针对这些缺陷,本文决定选用PSO算法对神经网络算法进行优化。并且在PSO算法的速度更新、惯性权值、加速系数三个方面做出改进,提出了改进的PSO算法—IPSO算法。并且利用IPSO算法对神经网络进行优化,建立起IPSO优化的BP神经网络PMV实时预测模型。通过模型实验仿真,并对比BP预测模型与PSO优化的BP预测模型,得出本文建立的预测模型收敛更快,预测更加准确。(3)由于传统的空调控制系统本身就是非线性、大滞后的复杂系统,所以本文将利用模糊控制算法建立起室内热湿环境热舒适度PMV模糊控制模型。通过实验仿真,得出该系统对舒适度的控制达到预期效果,并对比传统PID控制系统,实验验证出本文的热舒适度控制系统的控制效果更好。