:“B17050322_大作业21”涉及的主要知识点是利用神经网络在变风量空调控制系统中的应用,特别是预测湿负荷和冷负荷。 :描述中提到,神经网络预测模型在预测控制系统中扮演重要角色,用于获取室内湿负荷和冷负荷等关键参数,以便在采样时间间隔内进行滚动优化。 **详细知识点解释:** 1. **变风量空调系统(VAV)**: 变风量空调系统是一种节能的空调方式,但其非线性的特性导致建模和控制困难。VAV系统受环境气候和室内活动影响大,需要高效稳定的控制策略。 2. **人工神经网络(Artificial Neural Networks, ANNs)**: - ANNs是一种模仿人脑神经元结构的计算模型,能处理复杂的非线性关系,适合VAV空调系统的控制问题。 - 在本案例中,使用了3个前向神经网络,分别用于空调区域预测模型、负荷预测模型和优化反馈控制器。 3. **神经网络建模**: - **BP(Backpropagation)网络**:用于离线辨识空调区域的预测模型。选取训练样本集,涵盖各种操作条件下的室内温湿度、送风参数等,以训练神经网络并防止过拟合(泛化问题)。 4. **预测湿负荷和冷负荷**: - 利用3层前向神经网络预测模型,输入包括室内外环境参数、建筑结构参数和室内活动参数。 - 输出层预测湿负荷和冷负荷,采用线性函数作为激活函数,隐层使用非线性函数(如tansig)增强模型表达能力。 5. **神经网络优化控制算法**: - 非线性MIMO(Multiple-Input Multiple-Output)系统的控制可通过Hamilton-Jacobi-Bellman(HJB)方程实现,但直接解HJB方程计算复杂且存储需求大。 - 多层前向神经网络可以近似解决动态规划(DP)问题,提供最优反馈控制解,降低计算和存储需求。 6. **神经网络控制器结构**: - 控制器采用3层前向神经网络,输入层接收室内温湿度和送风温度,输出层决定送风量和冷水流量。 - 隐层神经元数量为5,负责处理非线性转换。 7. **神经网络控制器训练**: - 在线训练神经网络控制器以获得控制序列,最小化性能指标J,实现滚动优化。 综上,该文主要讨论了神经网络在变风量空调控制系统中的应用,包括模型预测、负荷预测和优化控制策略,展示了神经网络在解决非线性控制问题上的优势。通过神经网络的训练和优化,实现了对室内环境的精准控制,提高了系统的能效和稳定性。
- 粉丝: 27
- 资源: 297
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
评论0