基于模糊神经网络的空调冷冻水系统模型预测研究
Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用
Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用一、本文概述随着科技的进步和人们对生活质量要求的提高，模糊控制理论因其独特的处理不确定性和非线性问题的能力，在众多领域得到了广泛应用。
特别是，在暖通空调（HVAC）系统中，Mamdani模糊控制系统以其高效、灵活和适应性强的特点，成为了研究热点。
本文旨在对Mamdani模糊控制系统的结构分析理论进行深入研究，并探讨其在暖通空调领域的应用。
本文首先介绍了模糊控制理论的基本概念和Mamdani模糊控制系统的基本原理，包括其模糊化、模糊推理和去模糊化等关键步骤。
接着，文章重点分析了Mamdani模糊控制系统的结构特点，包括其模糊规则库、模糊推理机、输入输出接口等组成部分的功能和设计方法。
同时，文章还对Mamdani模糊控制系统的稳定性和性能优化进行了讨论，提出了相应的改进措施。
在介绍完Mamdani模糊控制系统的基本理论后，本文将重点探讨其在暖通空调领域的应用。
通过对现有文献的综述和案例分析，文章总结了Mamdani模糊控制系统在暖通空调中的实际应用情况，包括温度控制、湿度控制、空气质量控制等方面。
文章还分析了Mamdani模糊控制系统在暖通空调应用中存在的问题和挑战，并提出了相应的解决方案和发展方向。
本文总结了Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用现状，并展望了未来的发展趋势。
通过本文的研究，希望能够为Mamdani模糊控制系统在暖通空调领域的应用提供理论支持和实践指导，推动该领域的技术进步和应用发展。
二、Mamdani模糊控制系统的基本理论Mamdani模糊控制系统是由E.H.Mamdani教授于1974年首次提出的，它是一种基于模糊逻辑和模糊集合理论的控制系统。
相较于传统的控制系统，Mamdani模糊控制系统能够更好地处理系统中的不确定性和模糊性，因此在许多领域中得到了广泛的应用。
Mamdani模糊控制系统的基本结构主要包括模糊化接口、模糊推理机、解模糊化接口和执行机构四个部分。
基于神经网络和等SCOP算法的中央空调节能控制技术研究
2021年第3期工业仪表与自动化装置-131-基于神经网络和等SCOP算法的中央空调节能控制技术研究顾正宜(中铁上海设计院集团有限公司，上海200070)摘要：为了提高中央空调节能控制系统的通用性和控制精度，该文利用神经网络算法建立了系统各设备的数学模型，并开发了等SCOP算法对模型进行能效最优求解。
该文以某地铁项目冷冻机房设备配置应用为例，利用厂家提供的设备设计性能模型,验证了神经网络模型的精度以及等SCOP算法的可行性。
同时研究也发现，利用设计模型数据训练的神经网络模型直接用于实际项目控制，会带来较大误差。
模型需要根据现场实际数据进行训练，才能提高控制精度。
关键词：等SCOP；神经网络;节能群控；中央空调中图分类号:TU831.3文献标识码：B文章编号#1000-0682(2021)03-0131-03Research on energy saving control technology of central air conditioningbasee on neural network and Equal-SCOP algorithmGU Zhengyi(China Railoay Shanghai Design Institu*Group Co.,Ltd,Shanghai200070,China)Abstracr:In order to improve the versatility and control precision of the central air conditioning eneray一saving control system,the mathematical model of each device in the system is established by using the neural network algorithm,and the Equal-SCOP algorithm is developed to solve the optimal eneray diciency of the model.In this paper,the application of equipment configuration of a subway project is taken as an example,and the accuracy of the neural n-work model and the feasibility of the Equal一SCOP algorithm are yeriPed by using the equipment design peeormoco model provided by the manufacturer.At the same time,the study also found that the neural network model trained by the design model datadnaectyused nn theactua\paoeectcontao\wn\banng aagee a oas.Themode\needstobetaanned ac-coadnngtotheactua\datann thetne\d tonmpaovethecontao\paecnsnon.Keywords：EquO-SCOP;neural network；eneray-saving control;central Or conditioning0引言随着我国碳达峰和碳中和目标［1］的提出，节能减排将从经济和市场层面走向法律层面，其重要性和紧迫性将更加显著。
Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用
Mamdani模糊控制系统的结构分析理论探究及其在暖通空调中的应用暖通空调作为现代建筑中不行或缺的设备之一，其能够有效地调整室内温度和湿度，为人们创设舒适的室内环境。
然而，传统的空调控制系统屡屡接受精确的数学建模方法，对于复杂的室内环境变化难以进行精确的建模和控制。
因此，Mamdani模糊控制系统应运而生，为暖通空调系统的控制提供了一种灵活且有效的方法。
Mamdani模糊控制系统是基于模糊逻辑理论的一种控制方法。
它模拟了人类的思维方式，将模糊的输入通过模糊推理得到模糊的输出，再通过解模糊可以得到详尽的控制量。
与传统的数学建模方法相比，Mamdani模糊控制系统无需精确的数学模型，而是通过一系列的模糊规则和模糊集合来描述和控制系统的行为。
Mamdani模糊控制系统的基本结构包括输入变量、输出变量、模糊化、模糊推理、解模糊等几个重要组成部分。
输入变量是依据系统实际状况选择的具有模糊性质的变量，通常包括室内温度、室内湿度等。
输出变量则是表示控制量，如空调送风量等。
模糊化是将实际的输入变量映射到模糊集合上，通常接受三角形、梯形等外形的隶属函数进行描述。
模糊推理是通过一系列的模糊规则对输入变量进行推理得到模糊的输出变量，通常接受“若果-那么”规则进行描述。
解模糊是将模糊的输出变量通过一定的数学方法转化为详尽的控制量。
Mamdani模糊控制系统在暖通空调中的应用主要体此刻两个方面：控制策略的制定和控制指标的优化。
控制策略的制定是指依据实际需求和环境变化，通过设计一定的模糊规则和隶属函数来实现对室内温湿度的控制。
例如，当室内温度较高时，模糊控制系统可以通过增大送风量或降低制冷剂的温度来实现降温的目标。
控制指标的优化是指通过合理的模糊规则和隶属函数设计，实现对室内环境的最优化调整。
例如，Mamdani模糊控制系统可以依据室内温湿度的变化，自动调整送风量和制冷剂的温度，以实现室内环境的舒适度和能源效益的最大化。
在实际的暖通空调系统中，Mamdani模糊控制系统的应用已经取得了显著的效果。
基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用
调房间的温度波动很大 ， 使人产生不舒适感 。 变 风量 空调 系统是 保持送 风温 度一 定 ，通 过 改变
送 入空调 房 间的送 风量来 适应 负荷 的 ，系统需 求 总风
将 信号 送 到控制 器 Ｔ ２ Ｃ ，根据 房 间温 度 与设 定值 温度
之 差 来控 制变 频 调速 器 ｓ ， 变 风机 转 数 ， 而 改变 ｃ改 从 对 大会 议 室的送 风量 ，达 到控 制室 内 的舒 适 温度 的 目
。
。
。
●
●
－
－
－
－
。
●
－
－
－
●
－
。
。
－
●
－
●
－
●
。
。
－
－
－
－
－
。
‘
●
。
－
●
＿
－
●
● ● ● ຫໍສະໝຸດ ： 摘 要 ：针 对 空调 温度控 制 的 大惯性 、 大滞后 、 线性 等特 点 ， 出采 用基 于 小波神 经 网络辨 非 提
：
： 识 器的模糊 神 经 自适应控 制 的 中央 空调房 间温度控 制 器 的设计 方 案 。 由于小 波神 经 网络 的 非线 ： ： 性 映射能 力 比一般神 经 网络要 强 ， 以基 于小 波神 经 网络 的辨 识 器可 以获得很 高的辨识精 度 。而 ： 所
空调 ， 前在国外 的智能建筑已有广泛应用 ， 目 在我国起 步虽 然 比较 晚 ， 是 发展很 快 。 但 本文对 变 风量空 调 系统 的风量控 制进行 了初 步探 索 ，从 节 能和舒 适 的双重 目
标 出发 ，提 出一种智 能控 制方 案来 实现对 室 内温度 的
空调系统中模糊控制技术仿真研究
２８ ０ 年６月 ０
电 脑 学 习
第３ 期
空调 系统 中模糊控制技术仿真研究
黄 辉’ 叶奇 明
摘 要 ： 采用遗传算法优 化的模糊控制网络技术更准确地描述空调 系统 的数学模型。 关 键 词 ： 遗传算法
中 图 分类 号 ： Ｔ ２ ３ Ｐ７
Ｈ ａ ｇ Ｈｕ ｕｎ ｉ Ｙ ｍｌｇ ｅＱｉ ｎ
Ａｂｔ ａ ｔ Ｆ ｚｙ ｃ ｎｒ ｌｎ ｔ ｏｋ ｔｃ ｎ ｌｇ ｙ ｇ ｎ ｔ ｌｏ ｉ ｍ ｐｉ ｚｔ ｎ ｃ ｌ ｄ ｓｒｂ ｃ ｕ ａｅｙ ｍａ ｍａ ｅ ｓｒ ｃ： ｕ ｚ ｏ ｔ ｅｗ ｒ ｅ ｈ ｏｏ ｙ ｂ ｅ ｅｉ ａｇ ｒｈ ｏ ｔ ａｉ ａｌ ｅｃｉｅ ａｃ ｒｔｌ ￣ｅ ｆ ｓｍ－ ｏ ｃ ｔ ｍｉ ｏ ｉ ｏ ｅ ｆｔｅ ａｒ ｃ ｎ ｌｏ ｉｇ ｓ ｓ ｍ． ｄ ｌｏ ｈ ｉ－ ｏ ｄｔ ｎｎ ｙｔ ｉ ｅ Ｋｅ ｗｏ ｄ Ｇｅ ｅｉ ｇ ｒ ｈ ｙ ｒ： ｎ ｔ Ａｌｏｉ ｍ Ｆ ｚｙ Ｎｅ ａ ｔ ｏｋ ｃ ｔ ｕ ｚ ｕ ｌＮｅｗ ｒ ｒ Ａ ｒ ｃ ｎ ｉｏ ｉｇ Ｃｏ ｔ ｌＳ ｓ ｍ ｉ－ ｏ ｄｔ ｎｎ ｎｒ ｙｔ ｉ ｏ ｅ
ｌ控 制器 结构 模 型
１１ Ｆ Ｎ控 制器的结构 ． Ｎ
Ｆ Ｎ （ ｕｚ ｅｒｌＮ ｔｏｋ Ｎ Ｆｚｙ Ｎ ｕａ ｅ ｒ）控 制 器 结 构 采 用 图 １ ｗ 所
示 的组 成 图， 输入 变量 为 Ｅ和 Ｅ 输 出变 量 为 ｕ。将 Ｅ和 Ｃ， Ｅ Ｃ划分 为 ７个模糊子 集 （ Ｂ Ｎ Ｎ 、 Ｏ Ｐ 、Ｍ、 Ｂ） 表 Ｎ 、 Ｍ、 Ｓ Ｚ 、 Ｓ Ｐ Ｐ ，
量 ， 、 和 Ｋ 分别 为 ｅ ｅ Ｋ 、ｃ和 ｕ的 比例 因子 。控制 系统主 要特点为 ：
基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计
房问的灯光负荷、 设备负荷差别较大 ， 每层 采 用 １台组 合式 空调 机 ， 造成 了房 间温 度 因不 能调 节
而产 生 的过 冷或 过热 的现 象 ， 同时 各设 备 问 及演
播室、 语 录 室冬 季严 重超 温 。
效果 。 由于 变 风 量 空 调 系 统 灵 活 性 高 ， 节 能 性 强， 因此 ， 已成 为 现代 智 能 建 筑领 域 炙 手 可 热 的 研 究对 象 。现 在 大部 分 空 调 控 制仍 采 用 传 统 的
中图分类弩 ： Ｔ Ｐ ３ ９ １ 文 献标 志 码 ： Ｂ 文 誊 缡 号 ：１ ６ ７ ４ ～ ８ ４ ｌ ７ （ ２ （ ） １ ３ ） ０ １ ４ ） ０ ５ ３ ４ ） ５
０ 引 言
变 风量 （ Ｖ ａ ｒ ｉ ａ ｂ ｌ ｅ Ａ ｉ ｒ Ｖ ｏ ｌ ｕ ｍ ｅ ， Ｖ Ａ Ｖ） 空 调 系 统 是 一种 全 空 气 系统 ， 它通过使送风温度 固定 ， 并 自动根 据 室 内参 数 要 求 的 变 化 或 空 调 的负 荷 变 化 情况 调 节 送 风 量 ， 因 此 获 得 了显 著 的 节 能
（ ）＋
｛
个 关键 步骤 是确 定 隐层结 点数 ｆ ， 其中 ｆ 的初 始值
确 定式 为
ｌ ： Ｊｏ ． ４ ３ ａ ｒ ｎ＋ ０ ． １ ２ ｎ ＋ ２ ． ５ ４ ｍ＋ ０ ． ７ ７ ｎ＋ ０ ． ３ ５＋ ０ ． ５ １
变 风量 空调 系统 主 要 由空气 处 理 机组 、 送 回 风 系统 （ 送、 回风 风道 ） 、 末 端装 置 （ 有 些末 端 装 置 带有 送 风散 流器 ） 和 相 关 的 自动 控 制 系统 组 成 。
１ 工 程 背 景
基于PSO_-LSSVM模型空调负荷预测研究
#BA?+++样本 空调负荷实测值#NZ
#W=>+++样本 空调负荷预测值#NZ
平均相对误差绝对值 '#(的计算式为*
'#(
]&
]&
#BA?*#W=> #BA?
式中!'#(+++平均相对误差绝对值
预测结果与分析
8 月() 月 空 调 负 荷 实 测 值( 预 测 值 分 别 见 图 &($$
!数据预处理 对数据进行缺失检查#并采用箱形图检测方法 检测异常数据#对于异常数据进行剔除再填充符合 实际 的 数 据# 填 充 方 法 采 用 牛 顿 插 值 法$ 采 用 'B<KDEKBU函数对输入变量进行归一化处理$ !预测过程 B3输入训练集(测试集#并进行数据预处理#建 立 0..1'模型$ V3初 始 化 粒 子 群# 包 括 随 机 位 置 和 速 度# 设 定 -./算法的参数和 0..1'模型的参数$ A3计算每个粒子的初始适应度$ T3将初始适应度作为当前每个粒子的最优解# 并记录当前的位置作为局部最优位置$ 将最佳初始 适应度作为当前全局最优解#并记录当前位置$ @3更新粒子速度和位置$ W3评价(比较 粒 子 的 个 体 最 优 解( 全 局 最 优 解# 求最优适应度$ X3判断是否满足迭代终止条件#若满足#则输出 最优正 则 化 参 数( 核 函 数 参 数$ 否 则# 进 入 下 一 步骤$ C3依 据 适 应 度 值# 更 新 粒 子 的 位 置 和 速 度# 重 复该循环#直至满足迭代终止条件$ D3输出全局 最 优 正 则 化 参 数( 核 函 数 参 数 作 为 0..1'模型的训练参数#得到最终预测模型$
模糊PID_控制算法在空调用制冷机组控制系统中的应用
值为 {-4，-3，-2，-1，0，1，2，3，4}。
2.3.1.3 模糊语言变量的语言值设定
模糊语言变量与模糊论域的取值具有一一对应的关系，
变量 E 和 EC 的模糊取值均为 7 个，变量 Kp、Td、Ti 的模糊
取值均为 9 个，其对应的语言值设计结果见表 1。
表 1 模糊语言变量的模糊语言值
- 41 -
中国新技术新产品 2024 NO.3（上）
工业技术
2.1.1.2 模糊控制器的结构及工作原理
模糊控制器是模糊控制系统的核心，将偏差 s 输入模糊控 制器，经过推理机处理，就可以输出精确的控制量 u。模糊化 接口用于量化处理模糊论域中的元素，进而实现模糊论域元 素的量化分级。在知识库中存储模糊子集的隶属度数据和模 糊规则库数据，推理机需要从知识库中调用信息，进行模糊判 断。糊控制器的结构及工作原理如图 1 所示。
隶属度值
NB
NM
NS ZERO PS
PM
PB
PB
0
0
0
0
0
0.5
1.0
PM
0
0
0
0
0.5
1.0
0.5
PS
0
0
0
0.5
1.0
0.5
0
Zero
0
0
0.5
1.0
0.5
0
0
NS
0
0.5
1.0
0.5
0
0
0
NM
0.5
1.0
0.5
0
0
0
0
NB
1.0
0.5
0
0
0
0
0
2.3.1.5 量化因子及比例因子
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
其 输 出分 别是 各输 入 量 属于 输 出值模 糊 集 合 的隶 属 度 函数 （ 誓） ， （ ） 代 表 ， 的第 个 模糊 集合 。 ３ ）规 则 层 ：每 个 节 点 表 示 一 条模 糊 规 则 ，该
节 点可 以实 现模糊 规 则 的匹配 ．为
Ｊ
＝
当 温控 系统 检 测到 冷冻 水 的 回水 温度 低 于预 设
１ 温 室 空调 冷 冻水 系统 组成
温 室空 调 系统 分 为多 个子 系统 ．冷冻 水 系统 即 为 其 中较难 调节 的环节 之 一 。亦 是整 个 系统 的重 要
图 １ 冷 冻 水 系统 设 备 结 构 图
通 过风 机 盘管 组件 调 节 冷量 即可大 大 降低 冷 冻
子 系 统 之 一 。冷 冻 水 系统 具 有 管 网结构 分 布 复杂 、 绀 成 系统设 备 繁 多 、温 度滞 后时 间 长等 难点 。冷冻 水系统 就 是将 空 调 系统 中 的冷热 源产 生 的冷 量通 过 在 楼 宇 中分 布 的管 网输 送到 末端 用 户 系统 。温 室空
系统 的 非 线性 预 测 建模
关键词 ： 空调 ； 冷 冻 水 系统 ； 模 糊理 论 ； 径 向 基神 经 网 络 ； 节 能 控 制 中图分类号 ： Ｔ Ｐ ２ ７ ３ 文献标志码 ： Ａ Ｄ ０ｌ ： １ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ４ — ９ １ ４ ６ ． ２ ０ １ ７ ． ０ ３ ． ０ ２ ６
ｌ Ｓ ＣＩ ＿ ＴＥ ＣＨ Ｉ ＮＮ ０Ｖ ＡＴＩ ＯＮ＆ Ｐ Ｒ ＯＤ ＵＣ ＴＩ ＶＩ ＴＹ
一
６一
Ｎ ｏ ・ ３ Ｍａ ｒ ・ ２ ０ １ ７ ． Ｔ ｏ ｔ ａ ｌ Ｎ ｏ ・ ２ ７ ８
理论探 薯
末端 负 荷增 加 ，这 时控 制 系统 发 出加 大 冷冻水 流 量
能 源 危 机 已逐 渐 成 为 当今 时 代 的 重 要 话 题 之
一
管 、泵 组 、定 压 设 备 、管 路 、分 水 器 、水 处 理 设 备 、末端 设 备等 （ 见图 １ ） 。
，
其 中建 筑 节能话 题 尤 为突 出 。温室 空调 系统
的重要 组成 部 分之 一 是空 调冷 冻水 系统 ．研究 温 室 空 调冷 冻水 系统 的节 能控 制方 法 。已成 为 当下 的研 究 热点 。 温室 空 调冷 冻水 系 统具 有非 线性 、大滞 后 、大 惯 性 及 强耦 合 典 型 特性 ，本 文设 计 模 糊 Ｒ Ｂ Ｆ神 经 网络 对 系统 模 型进 行辨 识学 习 。以提升 系 统模 型 的 精度 ，降低 系统 在运 行 中的能 耗 。
值时 ．表明空调系统末端负荷减小 ，此时需要降低 空调 冷冻 水流 量 。 以上 即为冷 冻水 系 统变 流量 调 节 的节 能＿ Ｔ作 原
理 。图 ２中的 系统 框 图给 出 了冷冻 水 系统 变流 量 的
温度 控 制 实现过 程 。
模 糊 ＲＢＦ预 测
。
（ 。 ） （ ｚ ） … （ ） ．
涮 的 冷冻 水 系统 包 含水 处理 设备 、冷水 机组 、旁通
水水 泵 电机 的能 耗 ，进 而节 约 冷冻 水 整体 输送 环 路
的运行 与维 护 费用
根 据 上述 分 析 ，保持 冷 冻 水空 调 主机 的供水 温 度不 变 ．持续 对冷 冻水 的 回流水温 度进 行检 测 。
当冷 冻水 的 回水 水温 高于 预设 值 时 ，空 渊 系统
Ｅ — ｍａ ｉ ｌ ： ９ ４ ５ ２ ４ ７ ２ １ ４ ＠ｑ ｑ ． Ｃ Ｏ ｉ ｌ ］
通信作者 ： 贾鹤呜 （ １ ９ ８ ３ 一） ， 男， 黑龙 江哈 尔滨人 ， 博 士， 副教授 ， 硕士 生导师 ， 主要从事非线性控 制理论 与应 用研 究
Ｅ— ｍａ ｉ ｌ ： ｊ ｉ ａ ｈ ｅ ｍｉ ｎ ｇ ｌ ｕ ｃ ｋ ｙ ９ ９ ＠１ ２ ６ Ｃ Ｏ ｌ ｌ ｌ
［ 基金项 目】 中火高校基本科研业务费专项 资金 资助项 目（ ２ ５ ７ ２ ０ １ ４ Ｂ Ｂ ０ ３ ） ； 黑龙汀省研究生教育 创新 １ 二 程资助项 目
（ Ｊ ＣＸＭ ＨＵ一 ２ ０ ｌ ６ ０１ ４）
—
收稿 日期 ： ２ ０ ｌ ７ － ０ １ — １ ７ ： 修 回 日期 ： ２ ０ １ ７ － ０ ２ — １ ７ 作者简介 ： 李 元（ １ ９ ９ 卜 ） ， 男， 黑龙 江哈 尔滨人 ， 在读硕士 ， 主要从 事复杂 系统建模仿真与智能控制研 究，
Ｊ＝ １ ‘
（ ５ ）
粪 囊 妻 毳 ｝ ． ＿
（ ３ ）
４ ）去模 糊 层 ：该 层 的作 用是 实 现归 一 化计 算 ，
即 ＝ ． （ ４ ）
∑
＝ ｌ
回水温度 ｌ
Ｉ 未来时刻水流量
５ ）输 出层 ：加 权平 均计算 ，即
空调 负荷 变化 Ｈ 冷冻水流量ｌ
Ｉ 回水温度
ｙ ：∑ （ ） ．
理 论 探 索
文章编号 ： ｌ ６ ７ ４ — ９ １ ４ ６ （ ２ ０ Ｉ ７ ） ０ ３ — ０ ０ ２ ６ — ０ ３
李 元 ， 贾鹤鸣
（ 东北林业大学机 电工程 学院 ，黑龙江 哈 尔滨 １ ５ ㈨４ （ ） ）
摘
要： 针 对 温 室空 调 冷 冻 水 系统 回水 温度 快 速 准 确 调 节 问题 回 水 温度 智 能
预 测 方 法 首 先 ，按 照 模 糊 控 制 理 论 对 冷 冻 水 系 统 旁 通 阀 门的 水 量 开 度 、泵 组 转 速 等 输 入 量进 行 模 糊 化 处 理 ； 然后 利 用径 向基 神 经 网络 进 行 温度 预 测 ， 当期 望 温度 与预 测 温 度 残 差 小 于 门限 值 时 。停 止 迭代 并输 出温 度 。 完成 冷 冻 水