中央空调房间温度模糊神经网络控制器的仿真研究

针对中央空调房间温度被控对象的大滞后大惯性,设计了具有smith预估的模糊自整定pid控制器。建立中央空调房间温度控制系统的数学模型,介绍预估模糊pid控制器结构,以及模糊控制规则的生成方法,并且对该控制方案进行了数字仿真。仿真结果表明:该方法调节精度较高,调节迅速,超调小,具有一定的可行性。

以精密注射成型中的料筒温度控制为研究对象,应用现代人工智能控制理论,将模糊控制和人工神经网络控制二者有机结合,创建了注塑机料筒温度模糊神经网络控制的基本结构及其算法模型;运用matlab软件编写模糊神经网络代码,对3段料筒温度的模糊神经网络控制进行了仿真,获得了比较满意的控制效果。仿真表明,提出的新型控制策略,对于提高精密注塑机料筒的温度控制精度,具有重要的参考价值。

中央空调房间温度控制系统是一个复杂系统,针对一次性整定得到的pid参数难以保证系统控制始终处于优化状态和良好的品质特性,提出了参数自整定方法,通过实时改变pid参数从而保证控制系统的优良品质。结合粒子群优化算法和模糊控制以及传统pid控制各自的优势,设计了一种新的自适应模糊pid控制器。鉴于pid控制器的性能完全依赖于其参数的整定和优化,采用粒子群算法离线优化pid参数,并利用模糊控制在线调整pid参数,以取得良好的控制效果。利用matlab软件进行了数字仿真。仿真结果表明,方法调节精度较高,调节迅速,超调小,具有一定的可行性。

变风量空调系统末端的模糊神经网络控制研究——针对目前传统pid控制对模型依赖性强，难以在线调整，有非线性和不确定性的变风量(vav)空调系统的控制动态性能差的特点，提出将模糊神经网络应用于该系统．建立了模糊神经网络控制器．基于变风量空调系统末端装置的...

针对目前传统pid控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(vav)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统pid控制更适合于vav系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.

在基本模糊控制器的基础上,建立参数自调整模糊控制器,用以调节空调房间温度,并用mat-lab软件对该控制器进行仿真。结果表明,参数自调整模糊控制器具有较快的响应速度和较小的稳态误差,同时对被控对象的参数变化有一定的自适应能力。

在基本模糊控制器的基础上，建立参数自调整模糊控制器，用以调节空调房间温度，并用matlab软件对该控制器进行仿真。结果表明，参数自调整模糊控制器具有较快的响应速度和较小的稳态误差，同时对被控对象的参数变化有一定的自适应能力。

针对同一个空调房间构造了pid控制器、模糊控制器和神经网络控制器三种控制器,并利用matlab软件中的simulink工具箱对三种控制器的性能进行了比较.

空调系统在智能建筑中使用越来越普遍,但其能耗大,约占整个建筑能耗的60-70%。因此,如何有效设计空调系统的控制策略成为建筑节能和提高建筑舒适度的重要研究内容。空调房间是一个复杂的热动力模型,受室外气温、人体活动、电源电压波动等干扰。而常规smith预估器对被控对象参数和结构的变化十分敏感,鉴于此,将单神经元pid作为smith预估的主控制器,并对其学习规则进行改进,采用仿人智能思想对神经元的比例系数进行在线自调整。仿真结果表明,所提出的控制方法具有超调小、抗干扰能力和鲁棒性强的优点,对空调房间的温度控制是行之有效的。

引入动量因子对常规bp学习算法进行了改进。在分析模糊神经网络控制模型的基础上,针对模糊神经网络规则多、训练时间长的缺点,采用了给模糊控制规则增加阈值,减少网络训练运算量的优化方法。最后将此优化方法和改进的训练算法应用到逆变点焊电源模糊神经网络(fnn)恒电流控制系统中,通过使用matlab语言编程,对该系统进行了仿真分析。仿真结果表明,动量因子的引入不但减小了bp算法学习过程的振荡趋势,加快了收敛速度,而且较好解决了bp网络容易陷入局部极小点的缺陷。模糊规则阈值的引入,有效减少了网络的训练时间。

针对水下机器人机械手抓取专用工具及操作准确、快速、可靠平稳的要求,设计一种应用rov的模糊神经网络控制器。该控制器将pid控制、模糊控制和神经网络相结合,设计一种基于模糊神经网络(fnn)的复合控制器,并将其应用于机械手的位置控制中,研究变轨迹变周期情况下机械手的位移跟踪特性。仿真结果表明:该控制器具有良好的动态、稳定性能以及较强的鲁棒性,能够使水下机器人的机械手操作快速准确平稳。

用可逼近任意非线性函数的神经网络构造了辨识器和控制器，通过ｂｐ算法对神经网络进行学习训练，修正其权系数及阈值，使学习训练误差趋于零．将该方案应用于纺织厂羊绒生产车间的空调系统，并给出了仿真实验结果．

针对模糊逻辑在co2焊接逆变电源控制中存在响应速度慢、精确性不高的问题,尝试采用模糊神经网络控制算法,对焊接电弧电压进行控制。阐述了模糊神经网络控制器的设计过程,并对所设计的模糊神经网络控制器和模糊逻辑控制器进行仿真对比研究,结果表明模糊神经网络具有更快的响应速度和更高的稳定性;整体仿真研究也表明所设计的控制系统可以更加快速准确地控制弧长的稳定。

在铝包钢丝生产过程中,采用在线中频感应加热方式。基于中频感应加热条件,针对钢丝直径、钢丝运行速度、加热温度、中频频率、中频电压、中频电流、中频功率、加热炉长度之间的函数关系,建立了连续包覆过程的多变量神经网络控制方法。经过多次实验和筛选,选出有效数据,多个模式反复学习,直至网络全局误差函数e小于预先设定的一个极小值。通过网络训练和仿真分析得到较佳的解决方法,该方法应用在铝包钢丝连续包覆生产线上,较好地解决了钢丝加热控制难的问题。

介绍了第3代结构风振控制基准问题的定义。通过观测部分楼层加速度和控制力输出,建立了模糊神经网络控制器,解决了传统控制中有限的传感器数目对系统振动状态估计的困难;利用模糊神经网络预测结构的控制行为,消除了闭环控制系统中存在的时滞;通过模糊神经网络控制器的学习功能,解决了土木工程复杂结构模糊控制中难以依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。以风振控制的基准问题为研究对象,编制了程序对受控系统进行数值仿真分析。分析表明,模糊神经网络控制策略能有效地抑制高层建筑的风振反应。

为提高电阻点焊的控制精度和焊接质量,根据电阻点焊过程的特点和要求,通过集成变论域、人工神经网络和模糊控制技术,提出了基于变论域电阻点焊模糊人工神经网络控制方案,开发了四层模糊神经网络结构,分析了计算过程,推导了四层模糊神经网络各层的计算方法和计算公式,研究了输入输出变论域伸缩因子的确定方法,定义了输入变量的7个模糊子集和输出变量的13个模糊子集,确定了49条模糊控制规则,研究开发了一种电阻点焊变论域模糊人工神经网络控制器,结合实际产品的设计开发进行了试验研究与分析,证明了变论域电阻点焊模糊神经网络控制方法的优越性.

针对中央空调系统房间温度控制系统的大惯性、纯滞后和时变性特点,设计了将等维新息灰色预测控制与模糊自整定pid相结合的新型控制器,建立中央空调房间温度控制系统的数学模型,介绍灰色预测模糊pid控制器结构,并对该控制方案进行了数字仿真。仿真结果表明,该控制器比pid控制器、模糊pid控制器有更多优越性,调节迅速,超调小,有更好的动、静态性能,具有一定的可行性。

根据中央空调系统中房间温度控制系统的时滞、惰性以及非线性等特点,分析了自整定模糊pid控制和动态矩阵预测控制方法,提出了将两种方法相结合的观点,设计出动态矩阵模糊pid控制器,并建立房间温度控制系统的数学模型,对其进行仿真研究;结果显示该控制器较模糊pid控制器的调节时间快约2000s、超调量小约0.5、抗干扰能力更强,控制效果更明显。

利用matlab软件中的模糊工具箱和simulink仿真工具对变频空调器的温度进行模糊控制器设计并仿真。通过仿真模拟发现变频空调器的温度控制采用单纯的模糊控制虽鲁棒性较强,但存在稳态误差,以后可考虑研究采用模糊pid控制器,将两者有力的结合起来,使其达到更快的动态响应、更小的超调。采用该仿真工具其方法简单可靠,易于实现,可以大力推广。

针对目前对高压电缆的温度测量方法大都是只能测量当前的温度,滞后控制,不能进行提前辨识的问题,对传统电缆测温方法进行研究,提出用神经网络控制器对高压电缆温度进行测量的方法.在3种常规控制器的基础上设计了3种基于神经网络的控制器:神经自校正控制器、神经pid(proportionintegrationdifferentiation)控制器和神经自适应控制器,不仅对它们进行神经网络训练,而且用matlab软件进行仿真.通过仿真结果最终选用神经pid控制器,并将其应用于实际高压电缆测温系统当中,经在新疆供电系统检验,效果良好.

目的介绍一种新的复合神经网络控制器的结构。方法结合传统控制、神经网络监督控制、神经网络逆控制的优点提出复合控制器方案,建立用它控制水箱系统的水位和温度的仿真模型,并进行计算机仿真。结果仿真实验表明,复合神经网络控制器中的pd控制器、神经网络监督控制器、神经网络逆控制器,可以协同工作,也可以在某种程度上单独工作。结论复合神经网络控制系统的鲁棒性和抗干扰性得到提高。

本文设计了一种模糊cmac(flcmac)控制器,这种控制器将传统的cmac神经网络和模糊逻辑控制原理相结合,同时具备了cmac的快速学习能力和模糊逻辑的将专家经验融入系统利用模糊规则处理信息的优点,又克服了cmac的精度低和模糊逻辑的缺乏学习能力的缺点,将其应用于空调控制器的设计中,仿真结构验证了其有效性。