4。3 一阶、二阶和三阶时滞控制系统权重值设置的一般规律 26

4。4 含不同时滞步长的二阶控制系统控制效果对比和研究 28

结 论 30

致 谢 31

参 考 文 献 32

第 II 页 本科毕业设计说明书

本科毕业设计说明书 第 1 页

1 绪论

对于一个门外汉而言，空气调节仅仅意味着空气的冷却和加热。这样简单的理解既无用 也不准确。早在 1844 年约翰戈里在建造他的第一台空调时，已经意识到不仅仅是高温，同时 也是高湿度阻碍了大部分家庭享受他们占有的自然优势，并且对当地的栖息地造成了精神和 物质的伤害[1]。

在建筑物里，恰当地控制室内湿度与温度同等重要，因为这两个因素都会直接影响屋主 的温适性，室内空气质量和空气调节装置的运行效率[2]。对于大型水冷式中央空调，通常有 能力独立控制室内的空气温度和湿度。传统的方式就是过冷再加热[3]，这个可以避免在热交 换器里进行热质传递的解耦，但是很明显，其耗费大和效率不高。除了安装额外的加热器和 除湿器，还要有多种策略来控制室内湿度，比如热管热交换技术，室外空气预调节技术[4]， 蒸发器旁通技术[5]等；传统空调器的温度控制是通过温度传感器感受室内温度变化，来控制 压缩机的开、停(压缩机以恒定的转速运行)[6]。然而，它们经常应用在大型非民用建筑。在 中小型建筑中，向直膨式空调单元加入其他设备通常是不可能的。因此，采用直膨式空调系 统（如图 1 和图 2）比大型中央空调系统来进行室内湿度控制要困难的多。

图 1。 直膨式空调系统实验总图

第 2  页 本科毕业设计说明书

图 2。 直膨式空调系统凝结单元实验图

1。1 国内外直膨式空调系统温湿度解耦控制研究的现状

1。1。1 基于白匣子的控制方法

1。1。2 基于黑匣子的控制方法

（2）ANN 模型

本科毕业设计说明书 第 5 页

人工神经网络（ANN，Artificial neural network）是一种十分流行的以数据为基础的建模 方法[14]。它利用所有能得到的信息，设计控制器使被控系统具有稳定性、最优性、鲁棒性、 快速性，并尽可能地简化和易于实现[15]。它可以轻松地应用于复杂、非线性且变化范围广的 模型建立过程。另外，应用人工神经网络建立的模型不用在意具体的物理过程，只要利用实 验数据就能辨识输入与输出的关系，这大大节省了建模的时间，提高了建模和运行效率。不 仅如此，对于任何输入与输出的数据，ANN 模型都能揭示其间的内在联系，所以对于解决系 统内部的复杂性、参数间的非线性或不确定关系都十分实用。显然，运用 ANN 建模比传统 的建模方式更快速和简单。论文网

因此，对于直膨式空调温湿度控制的研究，Li et al。[16]首次采用 ANN 方式建模。利用 ANN 方法建立了一个 2-6-6-2 的神经网络，通过实验获取 169 组实验数据，将其带入已经建立的神 经网络来训练和测试。研究得出在进气状态为 24℃、相对湿度为 50%时，运用此建模方式和 反馈训练方法，所有参数（总的冷却能力和设备显热率）的相对误差小于 4%，大部分小于 1%，体现出了较高的准确性。然而，这只是在一种进气条件下得到的实验结果，不足以说明 问题。Li et al。[17]又在另外三种进气条件下进行实验，改用直接反向控制（DIC，Direct inverse control）策略，实验结果表明平均相对误差不超过 0。4%，最大相对误差不超过 1。2%。同时， 也进行了指令测试和抗干扰测试，发现以 ANN 为基础的控制器不仅可以追踪指令，也可以 有效地抵抗外界干扰；充分验证了以 ANN 为基础的控制器在此问题上的可行性和实用性。