GPC的PID自适应控制器在空调系统中的仿真分析.docxVIP

PAGE 1 PAGE 1 GPC的PID自适应控制器在空调系统中的仿真分析  本文介绍了一种基于广义预估掌握思想的自适应PID掌握器，能够较好的适应这些特征。并利用MATLAB对掌握系统进行了仿真，与常规的PID掌握进行比较，发觉其能够处理大范围变化的运行工况，并且能够达到好的掌握效果。  0引言  随着能源供应的日趋紧急及人们对室内热环境、空气质量的要求愈来愈高，迫切要求在保持空调区域一定舒适度的前提下最大限度地降低空调能耗。这就要求对智能化建筑内的空调系统进行有效、合理的监控和管理，使其达到最佳工作状态。目前在空调领域中，自控设计工程师普遍采用常规的比例积分微分（PID）掌握方法，通过转变冷冻水的流量使送风温度保持在设定值。由于空调系统的被控对象是房间的温度场，它与空调器进行换热的工况相当复杂，制约因素许多，对这种大时滞、强扰动、被控对象参数未知或是时变的系统实施常规PID掌握往往效果欠佳。  广义预估掌握（GPC）是80年月产生的一种新型计算机掌握方法，是模型预估掌握（MPC）中最具代表性的算法之一。它有如下的特点：（1）基于传统的参数模型，因而模型参数少。（2）是在自适应掌握研究中发展起来的，保留了自适应掌握方法的优点，但比自适应掌握方法更具有鲁棒性。（3）采用多步预估、滚动优化和回馈校正等策略。针对空调对象大惯性、大时滞、多变量和非线性等动态特性，本文在相关学者研究基础上，将GPC与PID结合起来，实现多级掌握策略。通过预估及优化系统输出，PID掌握器的放大系数为一个变量，以适应系统的变化以及环境的不确定性。  1系统模型的建立  由于空调区域的负荷变化显著，所以必需要掌握空气处理机组（AHU）使送风温度保持在设定值左右，以满意空调区域的逐时最大冷（热）负荷，图1是空调掌握系统的示意图。 图1空调掌握系统示意图 输出信号Tao关于参数Fcw、Fa、Tai、Tcwi的表达式如下：  其中：Fcw——空调供水流速；  Fa——经过风机盘管的空气流速；  Tai——进入风机盘管前的空气干球温度；  Tcwi——空调供水温度  稳态过程中，上述方程可以写成：  其中：Ccw——空调供水比热；  Ca——空气比热  结合上述两式，可以写出关于Tao的表达式如下：  系统变量随风量与水流量变化而转变。假如风量或水流量大，时间常数及延时就会很小，反之亦然。  2GPC-PID掌握策略的实现  2.1自适应PID掌握策略  对于空调系统的掌握，目前自控设计工程师一般选取常规的PID掌握器，其数学表达式为：  PID掌握方法的优点是，结构简洁，参数较少以及对干扰有较好的鲁棒性。但前提是系统模型的参数只在较小的范围内变化。但是，空调对象的随机、时延、时变和非线性等特性都比较明显，运行工况在较大的范围内变化，采用常规的PID掌握器很难收到良好的掌握效果。一种解决方法就是不断地整定掌握器参数；另一种就是开发先进的掌握器以适应更大范围的运行工况。但是考虑到操作人员及设备运行成本方面的约束，一般采用前一种方案。  广义预估掌握是在工业实践过程中发展起来的，用不断的在线有限优化即所谓的滚动优化取代了传统的最优掌握，利用测量信息不断进行反馈校正，在一定程度上克服不确定性的影响，增加了掌握得鲁棒性。但是广义预估掌握律在线求解时需进行高纬矩阵的计算，计算量大且不能从理论上保证该矩阵可逆，同时在计算过程中还可能出现数值病态问题。因此，本文考虑到了多级结构的GPC-PID掌握策略，由基本环节与优化环节两部分组成。基本环节的掌握器参数通过优化环节微小化性能指针后得以重新整定，所以与常规PID掌握器相比能够获得更好的效果。其结构示意图如图2所示。 图2GPC-PID自适应掌握系统结构示意图 2.2算法的实现  由于当模型和环境不确定因素出现时，预先整定好的参数便不再适用，此时优化环节开始工作以查找新的最优掌握参数，即通过广义预估掌握方法所使用的性能指标来打算（3）式中的KP、KI、KD。使被控对象的输出y(t+j)尽可能接近设定值yr(t)。  性能指标函数为：  其中E为在时刻t上可利用数据的条件数学期望，N0是最小预估时域，N1是最大预估时域，Nu是掌握时域，λ(j)使掌握加权序列。为简化计算，设λ(j)为常数λ，N0=1。令?J/?u=0，便可以得到使J取得最小值的掌握律。  首先设定被控对象的阶次、预估时域N和性能指标加权序列λ(j)。  第1步：使用参数估计算法估计被控对象参数。  第2步：利用GPC算法的