版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、目前,變風量(VAV,Variable-Air-Volume Air—condition System)空調系統(tǒng)以其巨大的節(jié)能潛力逐漸成為國內(nèi)外空調系統(tǒng)的主流。但變風量(VAV)空調系統(tǒng)具有多變量、非線性、大延遲、時變等特點,傳統(tǒng)的PI、PID等線性控制理論難以獲得精確的數(shù)學模型,控制效果欠佳,影響了系統(tǒng)的節(jié)能和舒適性。同時,隨著生活水平的提高,人們對室內(nèi)熱舒適度的要求也越來越高,而單純以室內(nèi)溫度為被控參數(shù)的傳統(tǒng)控制法(室內(nèi)溫度設定值恒
2、定)顯得過于粗糙,無法營造一個真正舒適的環(huán)境。 針對上述問題,本文以變風量空調系統(tǒng)末端作為研究對象,設計了以熱舒適指標為室內(nèi)被控參數(shù),廣義預測自校正算法為控制算法的變風量空調末端控制系統(tǒng)。通過分析影響人體熱舒適的因素,選擇PMV指標作為舒適指標,采用舒適指標控制,使空調系統(tǒng)的作用點從室內(nèi)空氣轉移到人體,提高了系統(tǒng)的舒適性,也有利于最大限度地發(fā)揮系統(tǒng)的節(jié)能潛力。針對VAV空調非線性、時變性等特點,在傳統(tǒng)廣義預測控制自校正方法的基礎
3、上,設計了時變遺忘因子參數(shù)估計的廣義預測自校正控制器,該方法可以依據(jù)系統(tǒng)動態(tài)特性的變化自動調整遺忘因子,可及時修正模型誤差、提高預測精度和保證控制效果。采用隱式算法求解輸出量,減少了廣義預測控制的計算量,便于實際工程應用。 為驗證以上設計的合理性,提高控制算法開發(fā)效率,本文設計了基于組態(tài)軟件和Matlab的VAV末端實時在線仿真平臺,在該平臺上對基于熱舒適指標的廣義預測自校正控制方法進行仿真驗證,仿真結果表明本文設計的控制方法能
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 變風量空調系統(tǒng)末端裝置的控制與仿真研究.pdf
- 變風量空調系統(tǒng)的預測控制研究.pdf
- 基于風量預測控制的變風量空調系統(tǒng)控制策略的實驗研究.pdf
- 變風量空調系統(tǒng)末端控制裝置研究.pdf
- 變風量空調系統(tǒng)末端控制策略淺析
- 概述變風量空調系統(tǒng)的末端及控制
- 基于預測控制技術的變風量控制研究.pdf
- 基于迭代學習與預測控制的變風量空調溫濕度控制研究.pdf
- 變風量空調系統(tǒng)的控制特性仿真研究.pdf
- 變風量空調系統(tǒng)室溫大滯后智能預測控制方法.pdf
- 變風量空調系統(tǒng)的建模與控制仿真.pdf
- 基于TRNSYS的變風量空調系統(tǒng)優(yōu)化控制仿真.pdf
- 客房變風量空調末端智能控制系統(tǒng)的研究.pdf
- 多區(qū)域變風量空調系統(tǒng)的神經(jīng)網(wǎng)絡預測控制研究.pdf
- 基于蟻群與神經(jīng)網(wǎng)絡算法的變風量空調末端控制研究
- 變風量空調系統(tǒng)末端(VAVBOX)控制器的設計研究.pdf
- 基于Simulink變風量空調系統(tǒng)變靜壓控制仿真.pdf
- 變風量空調系統(tǒng)仿真和送風控制研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡的變風量空調系統(tǒng)末端裝置控制研究.pdf
- 基于蟻群與神經(jīng)網(wǎng)絡算法的變風量空調末端控制研究.pdf
評論
0/150
提交評論