空调系统神经模煳控制器结构和算法.doc

PAGE PAGE 1 空调系统神经模糊控制器——结构和算法 谭良才* 陈沛霖** *University of Nevada Las Vegas，Las Vegas, 89154, U.S.A. **同济大学，200092 摘 要 本文提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。 关键词：神经网络，模糊控制，精确值法，空调系统，神经模糊控制器 1 引言 本文作者在研究高大空间恒温空调系统的温度控制时，设计总结了一种新型的神经模糊控制器[1]。仿真和优化的结果表明，这种控制器较常规的模糊控制器和PID控制器有更好的控制精度、稳定性和鲁棒性。这种控制器特别适用于系统不确定、模型不精确的纯滞后大惯性的暖通空调系统的精确控制。在近几年的研究中，作者也经常评论和阅读神经网络和模糊控制应用于暖通空调领域的文章，这些文章大多在介绍了神经网络和模糊控制的基本原理后，只是简短地介绍了自己如何应用这些方法于暖通空调系统，而没有对某种具体的空调系统控制器作详细的专门的介绍。应《制冷空调与电力机械》杂志之约，作者将上述新型的神经模糊控制器的结构和算法，以及仿真和优化部分分别整理成文，供同行参考，也欢迎有兴趣的读者与作者讨论神经模糊控制器在空调系统控制中的实现。本文力求简洁，略去了神经网络和模糊控制的基本原理部分，只介绍与空调系统控制相关的部分。关于神经网络和模糊控制的基本原理部分，读者可以参考文献[2，3]。本文的介绍将以空调系统温度控制为例，但是神经模糊控制算法本身是通用的，它可以用于其它物理量，如湿度、压力和流量等的控制。 2 神经模糊控制器结构 神经模糊控制器（Neural Fuzzy Controller）的结构见图1，其中，R为室内要求温度，e和c为实际温差（室内要求温度与控制点温度之差）和温差变化率，E和C为经过变换的温差和温差变化率，和为温差和温差变化率的模糊量，为控制量（如电加热器功率）的模糊量，U为恒温模糊控制器输出的控制量，u为实际控制量。神经模糊控制器是以精确值法模糊推理和模糊控制规则神经网络为基础组成的，包括以下三个部分： 1) 精确量的模糊化，即把标准论域[-1,1]上的精确值变化成语言变量值论域上的模糊子集，具体过程见第3.1节。 2) 模糊控制规则BP神经网络，即用BP神经网络实现控制规则的记忆和控制推理，详见第3.2节。 3) 模糊量的反模糊化，即把语言变量值论域上的模糊子集变化成标准论域[-1,1]上的精确值，具体过程见第3.3节。 神经模糊控制器实际上是一种用神经网络存储模糊控制规则并执行控制推理的模糊控制器。神经模糊控制器具有如下特点： 1) 它结合了模糊控制和神经网络的优点，具有两者的智能，是一种高度智能的控制器。 2) 神经网络具有学习能力，通过在系统运行时不断地增加和完善模糊控制规则，可以不断提高系统控制的精度。也就是说，神经模糊控制器在运行过程中具有较强的自适应能力。 3) 对于不同的控制系统，在不改变总体结构的情况下，通过采用不同的模糊控制规则和神经网络的输入输出量定义就可以直接采用神经模糊控制器进行控制。因此，神经模糊控制器对不同的系统具有自适应能力，它有很强的通用性。 4) 由于上述特点，它特别适用于不确定性的、模糊的、非线性的和时变的复杂系统的控制。 计算c 模糊化模糊化模糊控制规则神经网络反模糊化 EC UecR +恒温室图1 神经模糊控制器结构?u学习模块调整神经网络权系数神经模糊控制器 计 算 c 模糊化 模糊化 模糊 控制规则 神经网络 反模糊化 E C U e c R + 恒温室 图1 神经模糊控制器结构 ? u 学习模块 调整神经网络权系数 神经模糊控制器 3 神经模糊控制器算法 3.1 精确量的模糊化 1.温差e的模糊化 n时刻的实际温差e（℃）为： e=R(n)-T(n) （1） 其中， n―采样时刻，s； e― n时刻的实际温差e, ℃; R(n) ― n时刻室内要求温度，℃; T(n) ― n时刻室内控制点温度，℃。 根据系统工作情况、实际检测条件和要求的控制精度，设定温差e的论域为[-1,1]。 当采用精确值法推理时，E的标准论域为[-1,1]，比例因子为： 模糊量分为8个等级：PB（正大）、PM（正中）、PS（正小）、PO（正零）、NO（负零）、NS（负小）、NM（负中）、NB（负大）。这些模糊量的隶属函数均采用高斯函数，它们在标准论域[-1,1]中的定义