采取单神经元自适应控制高精度空调系统仿真.pdfVIP

维普资讯 第21卷 第2期 计 算 机 仿 真 2O04年2月 文章编号 ：1006—9348(20o4)02—0105—04 采用单神经元 自适应控制高精度空调系统仿真 安大伟 ，王晋，娄承芝 (天津大学建筑环境与设备工程系，天津 30(1072) 摘要：暖通空调领域中的被控对象(空调房间)大多具有大滞后、慢时变、非线性特点，且受各种不确定因素影响，经典控制方 法难以实现精确控制。该文正是针对上述实际，将具有 自学习、自适应功能的神经元控制算法引入高精度空调控制领域，并 通过MATLAB仿真，考察了系统的控制效果。仿真结果表明此控制方法具有超调小、抗干扰能力强、控温精度高的优点，从 而为空调系统的高精度控制提出了一个新的途径。 关键词：单神经元；自适应控制；高精度空调；仿真 中圈分类号：TP391．9 文献标识码：B 1 引言 2 单神经元自适应PID控制器及其算法 传统的PII)(P—PH)pc0l1Ial、I--~egral、D--Derivative)控制 传统的基于模型的控制方式 ，是根据被控对象的数学模 器以其结构简单、调整方便、稳定性好、可靠性高，在工业过程 型及对控制系统要求的性能指标来设计控制器，并对控制规 控制中得到广泛应用u1J。但是常规PID控制要根据被控对象 律加以数学解析描述，具有显式表达知识的特点，而神经元 适当地整定它的三个参数(比例增益 、积分时间 、微分时 网络不善于显式表达知识，但是它具有很强的逼近非线性函 间 ％)，才能获得比较满意的控制效果。然而在空调控制领 数的能力，即非线性映射能力L5J。把神经网络用于控制正是 域中，被控对象变量 (房间空气温、湿度)具有非线性、大时滞、 利用它的这个独特优点。 慢时变、强耦合等特性，并受各种不确定因素(人员流动、门窗 2．1 神经元的数学模型 启闭、生产工艺、设备散热等)影响，这就要求控制器参数必须 神经元是以生物神 随对象特性变化而不断地调整 (显然这是一个非常复杂而难 经系统的神经细胞为基 ： 以实现的过程)。为改善传统 PID控制器的性能，人们提出各 础的生物模型。图 1给 种改进型PID控制器，如自整定PID控制器、自适应PID控制 出了一个简单的人工神 器等，但是这些 PID控制器的参数过分依赖于被控对象的特 经元的模型。可以看出， 征和模型辨识，计算量大、方法复杂，使其不能有效跟踪被控 神经元是一个多输入单 圈 1 简单人工神经元模型 对象参数变化过程L2j，因此难以满足快速性、无超调、无静差、 输出的非线性处理单 抗干扰和鲁棒性(适应性)强等多方面的要求。 元，其中 l，2，… 为神经元的输入；l，lt)2，…． 为神经 近十几年来，一 门新兴的交叉学科——人工神经网络 元对应于 。，2，…， 的权系数 (称突触权重值)；为神经元 (A,tm~aNeuralNetmak，ANN)的迅速发展引起了国内外控制 的阈值；u宫是神经元的输出；，(·)为激发函数。若不考虑输入 界学者的极大关注。ANN的魅力在于：1)能充分逼近任意复 输出之间的滞后，则输入输出关系可描述成： 杂的非线性关系；2)能够学习和适应不确定系统的动态特 性；3)具有很强的容错性和鲁棒性；4)采用信息的分布式并 行处理，可以进行快速大量运算 ，这对于具有不确定和非线 {us==“fu(l)一 c 性特征的空调系统的控制来说，ANN控制无疑是一种有效的 若令阈值 ：0，则式(1)可写成 解决途径L3J。本文正是从以上的事实出发，提出了一种基于 单神经元的自适应控制器。其结构简单 ，具有 自学习、自适应