基于粒子群算法的PID控制在变风量空调系统中的应用.docVIP

基于粒子群算法的PID控制在变风量空调系统中的应用 摘要：本文通过采用引入收缩因子的粒子群算法设计一种稳定、高效的自适应控制器。以常规PID控制方法的整定结果作为参考，选择PID参数的取值区间，根据粒子群的演化规则自动完成最优控制。通过仿真结果表明，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 变风量空调系统 PID控制器 0 引言 变风量(VAV)空调系统因其优良的节能性和舒适性，获得了越来越广泛的应用。VAV空调系统的控制机理并不是很复杂，末端送风装置是实现变风量功能的关键，而选择何种控制系统并与末端送风装置进行有机结合是整个VAV空调系统最重要的环节之一 目前，由于传统的变风量空调系统中PID控制参数存在整定困难，所以效果往往不是那么理想，自适能力存在着一定的问题，为了解决传统方法对于非线性系统控制效果不佳的问题，很多传统学者将一些智能算法引入到送风量控制当中，比较有代表性的是PID参数自整定控制方法，它是基于遗传算法、神经网络或模糊控制这几项算法基础的。与传统的神经网络和遗传算法等为代表的自整定算法相比，本文所采用的引入收缩因子的粒子群算法来进行PID参数自整定控制更具有优势，首先，它计算效率高，计算方法简单易行，由于计算量小，它又具有易实现的特点。采用引入收缩因子的粒子群算法的PID控制策略可以使系统具有更好的适应性，更适合于VAV 空调系统的控制，也更加适合空调行业未来的发展 1 基于改进的粒子群算法 1999年Clerc提出带收缩因子的粒子群算法更有效的控制了微粒的飞行速度，他认为带收缩因子的粒子群算法具有良好的收敛性，同时又不用限制最大速度，因此，比惯性权重的粒子群算法更简单，能使算法达到全局探测与局部开采两者之间的有效平衡 算法如下： 式（1）中λ称为收缩因子，起类似于Vmax的作用，用来控制和约束微粒的飞行速度。同时，Eberhart和Shi在文献中也证明了收缩因子λ比惯性权重ω更能有效的约束微粒飞行的速度，同时增强了算法的搜索能力。而通过有关人员研究发现，采用收缩因子的粒子群算法，其种群规模取20~50，C参数取4.05~4.1时，可以有较好的收敛速度和精度 2 建模 2.1 空调房间模型的建立 为了方便研究，建模时暂不考虑它的纯滞后。空调房间基本上可以看做是恒温室。根据能量守恒定律，恒温室中能量蓄存量的变化率，等于单位时间内进入恒温室的能量与单位时间内由恒温室流出的能量之差。即： 上述关系的数学表达式是： 式（2）中，C1为恒温室的容量系数(包括室内空气的蓄热和设备与围护结构表层的蓄热)，kJ/℃；tn、ts为室内空气温度（或回风温度）和送风温度；w为送风量，m3/h；ρ为空气密度，kg/m3，可取ρ=1.2；c为空气定压比热，KJ/kg?K，可取c=1.01；qn为室内散热量kJ/h；r为恒温室围护结构的热阻，K/W；t0为室外空气温度，℃ 对于变风量空调系统，由于采用一定的送风温度，因此将（4）式进行如下处理： （3） 式（3）右边可分别看做房间调节通道和干扰通道两部分，经化简为： （4） 其中，T为空调房间的时间常数，h；kw为房间调节通道的放大系数，℃/(m3/s)；kq为房间扰动通道的放大系数，℃/(kJ/s)；Δq为室内外干扰量的变化换算成室内热量的变化，kJ/h。式（5）就是空调房间在变风量系统下的数学模型。由式（5）可得到调节通道及扰动通道的传递函数，并考虑到实际传感器往往存在延迟，故在仿真时加入纯滞后环节τ： （5） 2.2 压力无关型末端装置建模 目前，