随着人们生活水平的不断提高,空调已经成为人们生活以及工作中不可或缺的一部分。本课题以变风量(Variable Air Volume,VAV)空调系统为研究对象,因系统的节能性以及操作相对简便的优点,越来越受人们的欢迎使用。目前空调系统的控制方式采用的一般常规的PID控制方式。在特定的工作情况下,传统常规的PID控制方式还是能够得到比较好的控制性能要求。但对于变风量空调系统来说,系统在运行时会因自身的一些因素,导致控制性能受到限制,尤其是当空调启动时、在工况切换时,空调控制系统很容易出现滞后的情况。因此本文提出利用群体智能算法对PID进行整定。本文主要完成的研究工作分为以下几点:(1)对变风量空调系统在国内的使用情况以及未来发展进行分析,搜集关于智能算法在工业中应用的资料。对变风量空调系统的风机控制方式以及末端装置控制方式进行分析,确定本文仿真的前提是系统采用变静压的风机控制方式以及末端压力无关型的控制方式。(2)基于粒子群算法的优化方法研究。分析PID控制器各调节器的原理和目前工业上应用的PID参数整定的方法。因变风量空调系统具有时滞性、非线性、非平稳性以及不确定的特性,所以采用智能算法中的粒子群算法来对PID控制器(PSO-PID)进行优化,使其能够得到一组使得空调系统运行性能最优。(3)基本粒子群算法的改进。由于基本粒子群算法后期收敛速度较慢、寻优精度低、易陷入局部最优等缺点。本文对基本粒子群算法进行加权的改进,通过对仿真结果的对比分析验证其有效性。(4)空调系统末端的送风量和房间模型的研究。通过空调房间的负荷变化来改变送风状态以及送风量,详细论述了影响送风量的因素以及用曲线表示了送风量大小的决定点。在分析送风量大小时也分析了影响房间温度的因素,房间模型的准确性决定了系统的性能。(5)仿真结果分析。根据房间模型得出被控对象的传递函数,采用了加权后的粒子群算法来优化PID控制器各参数,同时采用基本粒子群优化以及Ziegler-Nichois传统经验法进行整定,将结果进行比较。得出本文提出的带惯性权重的粒子群优化算法对于具有多种变化特性的变风量空调系统应用PID控制器控制的这种系统来说,是非常适用的,而且还可以将此种利用智能算法来优化控制器的方法应用于其他类似的工业控制系统中。