论文部分内容阅读
变风量空调系统传统的变静压模糊控制方法依赖人为经验获取模糊规则,存在有效模糊规则覆盖率不全的问题,从而导致系统控制时间长、超调、能耗大.针对这一问题,提出了一种基于减聚类和自适应神经模糊推理系统(SC-ANFIS)的变静压模糊控制方法,该方法利用减聚类算法的学习能力对输入样本进行聚类分析,优化输入样本数据和生成模糊规则,用神经模糊推理的方法训练模糊规则以实现VAV系统变静压模糊控制.在某VAV系统实验平台上的对比实验表明:该方法对比定静压法减少了67％的送风机电耗;对比经验变静压模糊控制方法,其调节时间更短、控制过程更加稳定、抗干扰性更强,并且可以减少7％的送风机电耗.