基于改进PSO算法PID控制在VAV空调系统末端应用.pdfVIP

20l 0年5月 沈阳建筑大学学报(自然科学版) May20l0 Journalof Jianzhu 第26卷第3期 ShenyangUniversity(NaturalScience) V01．26，No．3 文章编号：1671—2021(2010)03—0592—07 基于改进的PSO算法的PID控制在 VAV空调系统末端的应用 马少华，孟繁庆，孙化泽 (沈阳建筑大学信息与控制工程学院。辽宁沈阳110168) 摘要：目的研究变风量空调系统温度一风量PID控制器的整定方法，利用改进粒子群算法 的特点设计一种稳定、高效的自适应控制器．方法以PSO—CF(带收缩因子的PSO)PID控制 方法的整定结果作为参考，在PSO—CF算法中用一个差分向量扰乱粒子的认知能力，再根据 粒子群的演化规则自动完成最优控制．结果采用DPSO—CF(扰乱认知能力的带收缩因子的 粒子群)PID自适应控制器时，系统的调节时间约为PSO—CF粒子群PID控制方法的30％， 超调量减少了约75％．当系统加入扰动时，相比带收缩因子的PSO，扰乱认知能力的带收缩因 子的粒子群PID自适应控制器的调节时间少，超调量小，系统控制品质得到了较大的改善．结 论改进的算法不仅具有良好的鲁棒性，而且还有良好的收敛性．采用上述自适应控制器后，整 个系统体现了良好的动态性能及较强的鲁棒性． 关键词：粒子群算法；收缩因子；认知能力；鲁棒性 中图分类号：TP831．1 文献标志码：A Air 变风量空调(VariableVolume，VAV)系适应能力差，对于非线性系统控制效果不佳以及 统在国外已有30多年的历史，现已经成为商业建 普通粒子群算法收敛速度较慢，搜索能力不强的 筑中最流行和最节能的空调系统之一，在发达国 缺点，进而采用引入了收缩因子的粒子群(PSO— 家高级办公大楼中应用广泛．VAV空调系统具有 CF)PID参数自整定控制．然而PSO—CF算法受 舒适节能的特点．变风量空调系统是通过稳定送 到收缩因子的影响，使得粒子以较快的速度聚集 风温度，改变送风量的方式来适应房间负荷的变 到种群已经搜索到的全局最好位置附近，造成了 化，即当室内空调负荷改变或室内空气参数设定 种群失去多样性、粒子早熟收敛的结果¨J．而惯 值发生变化时，空调系统自动调节进入房间内的 性权重线性递减的PSO算法收敛性较差，如果继 风量，将被调节区域的温度参数调整到设定值．送 续对粒子的认知能力进行扰乱，则势必导致粒子 风量的自动调节可很好地降低风机的能耗，从而 更加难以收敛．基于扰乱粒子速度的PSO(PSO— 降低整个空调系统运行能耗． DV)算法，结合PSO—CF算法收敛性好但容易陷 目前，粒子群算法已经用到了很多不同的领 入局部极值导致早熟收敛的特点，笔者改进了 域，例如：粒子群算法应用到多处理机调度问题以 PSO—CF算法，将采用扰乱认知能力的带收缩因 及基于粒子群的聚类算法在数据挖掘中的应用． 子的粒子群算法(DPSO—CF)来进行PID参数自 变风量空调系统的末端送风量控制方法主要是基 整定控制．该算法能够在一定程度上增加种群多 于传统PID算法的DDC控制．但是由于变风量样性，帮助粒子逃出局部极值的束缚，避免粒子早 空调系统中传统PID控制参数存在整定困难，自 熟收敛，并且搜索到最优解需要迭代的次数比 收稿日期：2009—12—21 基金项目：住房和城乡建设部科研项目(2007一KP一29) 作者简介：马少华(J956一)，男，教授，主要从事智能控制研究． 万方数据 第26卷 马少华等：基于改进的PSO算法的PID控制在VAV空调系统末端的应用 593 tSO—CF算法要多，但比惯性权重线性递减的 从式(3)可以看出，速度更新方程只受认知 PSO算