制冷与低温应用.docVIP

1、经典控制方法在本领域的局限性？原因？策略？ （1）经典控制论是建立在精确数学模型基础上的，而在制冷空调领域由于被控对象的时滞，时变，非定常，非线性，难以建立被控对象的精确数学模型。（2）经典控制只适用于单输入单输出系统。 为克服经典控制的缺陷，可采用智能控制，包括模糊控制、神经网络、遗传算法、专家系统。模糊控制不依赖于被控对象精确的数学模型,能够直接从专家和操作者的控制经验归纳、优化而得到对被控对象的控制方案,并具有较好的控制效果，达到节能的目的。因此在制冷空调领域采用模糊控制技术实施自动控制是当前制冷空调优化控制研究的热点。 2、常用系统辨识方法 所谓系统辨识就是系统建模法，即通过分析未知系统地实验或运行数据（输入输出数据），来建立一个与所测系统等价的数学模型。 常用系统辨识方法：（1）时域法（阶跃响应）(2) 频域法（Bode图）（3）伪随机序列相关辨识法（适应存在干扰、噪声的实验环境）。 如何测得维护结构传递函数？ 首先假设围护结构传递函数模型，然后通过系统辨识确定各参数。 3、模糊控制 （1）计算题 合成算法（先取小后取大）（会计算P115例4.2） (2) 综合法/并行法实现（见课件P114-116） （3）量化因子和比列因子的取值 在进行模糊化处理时，输入变量从基本论域转换到模糊集合论域，由此必须引入相应的比列因子Ke,Kec,Ku。增大Ke可以有效地减小系统响应的稳态误差，但是Ke过大会引起系统的超调较大并降低系统的收敛速度;增大Kec值一方面加快了系统的响应速度，另一方面也使系统超调次数明显增加;而Ku的变化是对FLC控制查询表的修正，其值不仅影响误差变量e的覆盖域，也影响误差变化ec的覆盖域。在保证Ke和Kec不变的条件下，增大Ku“值一方面可以减少系统的动态响应过程的时间，另一方面会引起较大的超调，并产生振荡。在不同工况下，可以采用不同量化因子和比例因子，以最大的改善控制性能。在实际的控制中，可以通过调整Ku“值来改善系统的控制效果，即:在被控对象时间常数较长时，采用较大的Ku。值以减少系统的动态响应时间;被控对象时间常数较小时，采用较小的Ku值以防止系统产生振荡。 4、神经网络 （1）控制原理：对人脑神经系统功能的模拟，一个人工神经元模拟生物神经元包括三个基本功能步骤（见课件）。 （2）BP算法 BP学习算法属于有教师监督的学习方式，训练模式提供给BP网络后，输入信号先向前传播到隐含节点，经过激励函数后，把隐含节点的输出信息传播到输出节点，给出输出响应结果。然后再按照减少希望输出与实际输出误差的方向，从输出层向隐含层逐层修正网络的权值和阀值，直至回到输入层，如此反复直到误差达到最小。因此得名“误差反向传播算法”。BP算法学习规则是Delta学习规则。 5 基因算法 （1）基本原理：遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的全局优化自适应概率搜索方法。 遗传算法主要步骤是:首先对研究的变量或对象进行编码,并随机地建立一个初始群体;其次计算群体中诸个体的适应度,再根据适应度来选择个体进行复制、交叉、突变操作来形成新群体,最后根据某种条件,判断计算过程是否可以结束,如果不满足条件,则再次计算新群体的适应度,再进行复制、交叉、突变操作,就这样循环操作,直到满足结束条件为止。 （2）基本操作步骤 复制：从一个就种群中选择生命力强的个体位串产生新的种群的过程。（把好东西留下来的内部机制） 交叉：第一步是将新复制产生位串个体随机两两配对，第二步是随机地选择交叉点，将匹配的位串进行交叉繁殖，产生一对新的位串。（产生新东西的内部机制） 变异：某个字符串某一位的值偶然的随机的改变，即在某些特定位置上简单的把0变成1或反之。（保持多样性的内部机制） (3) 如何建立适用度函数？ 一般而言，适用度函数是由目标函数转换而成的 1、从控制角度出发，基于对象的动态响应指标（超调量、调节时间、稳态误差等）构建； 2、基于控制输出与参考输入之间的累计误差最小,或误差的平方对时间的积分最小来构建。 （4）基因算法与模糊控制的融合 模糊控制规则的自调整和自寻优,是提高和改善模糊控制器性能的重要手段。将遗传算法用于该寻优过程，可较有效的确定出模糊控制器的结构和参数。 用遗传算法优化模糊控制器时，优化的主要对象是模糊控制器的隶属函数和规则库。 （5）遗传算法与神经网络的融合 遗传算法用于神经网络主要是用遗传算法学习神经网络的权重和学习神经网络的拓扑结构。 6、如何评价控制效果？ ,超调量、调节时间、稳态误差适应性、抗干扰能力、上升时间、超调。 7、变频空调的工作机制：室内室外如何通讯，