第4章节-楼宇自控系统中的智能操纵与仿真.pptVIP

第4章、楼宇自控系统中的智能控制及仿真 常规的楼宇控制技术已经较为成熟， 旦受控系统的监控点数较多，被监控的变 量较多和变量间的关系错综复杂，控制目 和任务具有一定程度不确定性，常规的控 制方法和控制系统就不能很好地应对复杂 的工况进行高质量和高可靠性的控制了,此 时，必须借助于基于智能算法的智能控制 方法来设计控制系统了。 4.1、智能控制的基础理论 4.1.1、楼宇智能控制中的智能控制方法 智能控制系统是这样一类系统：具有模仿人的学习，推理功能；能 始终适应变化的环境；具有处理多种信息以减少不确定性；能以安全和 可靠的方式进行规划，产生和执行控制的动作，以获得系统总体上最优 或次优的性能指标的系统。 智能控制领域中多种学科、技术相互渗透和交叉，应用极为广泛， 工控领域、楼控领域都有很深入地应用。智能控制的主要理论内容有： （1) 模糊控制：基于模糊逻辑的智能控制。 （2) 神经网络控制：基于神经网络的智能控制。 （3)基于模式识别的智能控制. （4）混沌控制：基于混沌分形理论的智能控制 。 （5)基于规则的仿人智能控制。 （6) 预测结合其他一些智能控制方法的负荷控制。 结合传统的控制方法，如结合PID控制、Smith控 制、预测控制等，形成各种新的智能控制方法。 智能控制技术是在人工智能、认知科学、现代自适 应控制、最优控制、神经网络、模糊逻辑、学习理论、 混沌与分形等技术的基础上发展起来的。 4.1.2．楼宇智能控制中的神经网络控制方法 1、神经网络控制的发展 上世纪八十年代后，一些标志性的理论和技术陆续 出现： “能量函数”概念，把特殊的非线性动态系统结构用 于解决优化之类问题理论 提出了具有新特征的几种非线性动态系统结构。 提出了Boltzman机模型，在学习过程中，采用了模 拟退火技术，保证了系统全局最优。 提出了BP反向误差传播模型，把学习的结果反馈到 中间层次的隐单元，改变他们的权系数，从而达到预期 的学习目的。BP模型实现了多层网络的学习算法，使得 神经网络研究和应用进入了全盛期。 提出了双向联想存储器和自适应双向联想存储器， 为在有噪声环境下的学习提供了有力的方法。 2、 神经网络控制的适用范围 （1)适于研究非线性系统。神经网络在理论上能够以任意精度 逼近任意非线性映射，可以用来研究复杂的非线性系统。 （2)采用分布式结构存储监测和控制信息。所有监测和控制信 息等势分布储存于网络中各神经元。神经元间具有极大的多径连接 性，网络具有良好的可靠性、鲁棒性和容错性。 （3)并行处理方式。使神经网络具有实现复杂并行控制的能力。 （4)学习和自适应性。应用系统存储的历史数据记录，可对网络 进行训练，通过这种训练,当输入出现训练中未提供的数据时，网络 具有智能辨识的能力。 （5)数据融合。网络能够较好地处理融合定量或定性数据，综 合使用传统控制方法与人工智能方法解决较复杂的控制问题。 （6)适于研究多变量系统。与现代控制理论研究多变量控制系统 的方法相比，使用神经元网络的多输入输出模型，可有效地应用于 多变量控制系统的研究。 在控制理论中，由于非线性系统的多样性与复 杂性，建立系统模型和非线性控制系统是较为困难 的事情，而神经网络理论具有很好的处理非线性系 统的能力，是研究非线性系统的有力工具。 3、神经网络控制研究和应用的热点 当前，研究和应用的热点主要有：模糊控制和神经网络 控制相结合的神经网络模糊控制;神经网络滑模控制；神经 网络专家系统控制；利用神经网络来构造一个模拟器，模拟 系统动态特性，再对系统进行在线控制的BTT控制；神经网 络自适应评判控制；使用经网络对系统装置进行故障诊断, 检测出错误后通过差错控制系统进行调节，保证系统正常运 行的容错控制；神经网络与常规控制方法结合; 神经网络模 型参考自适应控制; 完全神经网络控制等。 神经网络控制技术在楼宇智能化控制中也有较多和深入 的应用，如在变风量空调系统的控制方面，在制冷系统的控 制方面等方面。 4.1.3、模糊控制 1、模糊控制的基本概念 设计一个控制系统的首先知道被控对象精确的数学模型。对控制规 律的设计，是根据被控对象的数学模型和要求的性能指标来进行的。 系统变量多，各种参数又存在不同程度的时变性，且过程具有非线 性