第4章、楼宇自控系统中的智能控制和仿真.pptx

会计学;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??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