表冷器出風(fēng)溫度的模糊神經(jīng)網(wǎng)絡(luò)控制仿真

□ 王 孟 □ 白建波 □ 李 洋

河海大學(xué) 機(jī)電學(xué)院 江蘇常州 213022

變風(fēng)量空調(diào)系統(tǒng)是通過改變送入室內(nèi)的送風(fēng)量來對室內(nèi)溫、濕度進(jìn)行調(diào)節(jié)的全空氣空調(diào)系統(tǒng)，它的送風(fēng)狀態(tài)保持不變［1］。在該系統(tǒng)中，表冷器是冷凍水冷卻空氣的主要設(shè)備，是為系統(tǒng)提供一定狀態(tài)的送風(fēng)的重要環(huán)節(jié)，故對表冷器出風(fēng)溫度控制的研究具有重要意義。

本系統(tǒng)的空氣處理機(jī)組中采用JW30-4型6排翅片管式表冷器，基管為圓管，翅片為槽型間斷式翅片。為了便于對表冷器的研究，本文首先運用熱濕交換及質(zhì)交換原理建立表冷器在濕工況下 （表冷器常工作于濕工況）的數(shù)學(xué)模型［2］。然后運用MATLAB的仿真模塊對表冷器出風(fēng)溫度進(jìn)行了模糊神經(jīng)網(wǎng)絡(luò)控制仿真。

1 表冷器建模

表冷器的熱濕交換是在主體空氣與緊貼表冷器外表面的邊界層空氣之間的溫差以及水蒸氣壓力差作用下進(jìn)行的。本變風(fēng)量空調(diào)系統(tǒng)中使用的表冷器工作在濕工況下，且管內(nèi)流體為7℃的冷凍水。由于表冷器表面溫度低于空氣露點溫度，表冷器外壁上出現(xiàn)凝結(jié)并形成一層冷凝水膜，且水膜保持一定厚度，多余的冷凝水不斷從換熱面流走。冷凝過程放出的凝結(jié)熱使水膜溫度略高于壁表面溫度，由于水膜溫升及膜層熱阻影響較小，故可認(rèn)為緊貼冷凝水膜的飽和空氣邊界層溫度及水蒸氣分壓力與不存在水膜時一樣。實際工作中，既定結(jié)構(gòu)的表冷器常通過實驗的方法將總傳熱系數(shù)Ks整理成以下形式［2］：

式中：ξ為析濕系數(shù)，表示由于存在質(zhì)交換而增大的換熱量，并反映表冷器上凝結(jié)水析出量；vf為表冷器迎風(fēng)面風(fēng)速，m/s；vw為流過表冷器的冷凍水流速，m/s；A、B、a、b、c 由實驗測得， 此處 A=41.5，B=325.6，a=0.52，b=1.02，c=0.8［3］；h1、h2分別為進(jìn)口和緊靠水膜的飽和空氣焓值，kJ/kg；ca為空氣熱容，kJ/（kg·℃）；t1、t2為進(jìn)口空氣和出口空氣溫度，℃；ma為流過表冷器的空氣流量，kg/s；Ff為表冷器迎風(fēng)面積，m2；ρa(bǔ)為空氣密度，kg/m3；mw為流過表冷器的冷凍水流量，kg/s；f為表冷器通水截面積，m2；ρw為冷凍水密度，kg/m3。

空氣側(cè)換熱微分方程為：

冷凍水側(cè)換熱微分方程為：

式中：Ma、Mw分別為表冷器中空氣容量和冷凍水容量，kg；tai、tao、twi、two分 別 為 進(jìn) 、 出 口 空 氣 和 冷 凍 水 的 溫度，℃；tb為緊靠水膜的飽和空氣溫度，℃；cw為冷凍水的熱容，kJ/（kg·℃）；F 為表冷器換熱面面積，m2。

2 模糊神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法

如圖1所示，模糊神經(jīng)網(wǎng)絡(luò)由前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)構(gòu)成，前件網(wǎng)絡(luò)匹配模糊規(guī)則前件，后件網(wǎng)絡(luò)產(chǎn)生模糊規(guī)則后件［4］。

前件網(wǎng)絡(luò)為四層網(wǎng)絡(luò)結(jié)構(gòu)。

第一層：輸入層，此處輸入變量為x、x2，該層節(jié)點數(shù)N1=2。

第二˙層：模糊化層，將輸入x1、x2都劃分為7個模糊子集｛NB,NM,NS,O,PS,PM,PB｝，每個節(jié)點代表一個語言變量值。它們的隸屬度函數(shù)均采用高斯鈴型函數(shù)，各變量的隸屬度值為：

式中：cij和σij分別為隸屬度函數(shù)的中心和寬度（i=1,2,…,n；j=1,2, …,mi；n 為輸入變量個數(shù)，n=2；mi為變量 xi的模糊分割數(shù)，m1=m2=7，該層節(jié)點數(shù)N=m1+m2=14）。

第三層：模糊規(guī)則計算層，該層節(jié)點完成模糊推理操作，采用的模糊算子為連乘算子。

式中：j1=j2=1，2，…,7；i=1，2，…，m，m=m1m2；該層節(jié)點數(shù)N3=m=49。

第四層：歸一化層，該層節(jié)點數(shù)與第三層節(jié)點數(shù)相同，N4=N3=49，主要實現(xiàn)歸一化操作：

后件網(wǎng)絡(luò)如圖1所示，為三層網(wǎng)絡(luò)結(jié)構(gòu)。

第一層：輸入層，它是將輸入變量傳遞給第二層。輸入層中第一個節(jié)點的輸入值為1，它的作用是提供模糊規(guī)則后件中的常數(shù)項。

子網(wǎng)第二層共有49個節(jié)點，每個節(jié)點代表一條規(guī)則，該層作用是計算每一條規(guī)則后件，即：

子網(wǎng)第三層是計算系統(tǒng)輸出：

由此可知，模糊神經(jīng)網(wǎng)絡(luò)輸出y是各個規(guī)則后件的加權(quán)，加權(quán)系數(shù)是各個模糊規(guī)則歸一化后的使用度，也即前件網(wǎng)絡(luò)的輸出為后件網(wǎng)絡(luò)的連接權(quán)值。

模糊神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)階段分為離線學(xué)習(xí)與在線學(xué)習(xí)階段。離線學(xué)習(xí)采用改進(jìn)粒子群算法（PSO），在線學(xué)習(xí)為BP算法。BP算法過度依賴網(wǎng)絡(luò)初始值，不佳的初始值可能導(dǎo)致效果很差或根本不收斂。此外，BP算法全局搜索能力較差，極易陷入局部極小。將PSO與BP算法結(jié)合，既能保證學(xué)習(xí)全局收斂性，又可克服梯度法對初始值的依賴和局部收斂問題，還克服了單純粒子群算法造成的隨機(jī)性、概率性問題。

3 表冷器出風(fēng)溫度控制仿真

本節(jié)對該表冷器模型的出風(fēng)溫度進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)控制算法（FNN）的控制仿真，并將控制結(jié)果與相應(yīng)的PID控制結(jié)果進(jìn)行比較分析。

▲圖1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

3.1 系統(tǒng)無干擾時控制性能的比較

系統(tǒng)無干擾時，模糊神經(jīng)網(wǎng)絡(luò)算法控制仿真與常規(guī)PID控制仿真的結(jié)果如圖2所示，由圖2可知，兩者在該工況下的整體控制性能都較好，但是，模糊神經(jīng)網(wǎng)絡(luò)控制算法效果更優(yōu)。模糊神經(jīng)網(wǎng)絡(luò)控制算法響應(yīng)速度更快，控制精度更高，且無超調(diào)、無靜態(tài)誤差。

3.2 系統(tǒng)有干擾時控制性能的比較

系統(tǒng)實際運行中，會受到各種信號干擾。同時，系統(tǒng)的進(jìn)風(fēng)溫度、進(jìn)風(fēng)濕度及進(jìn)風(fēng)量都在時刻變化，為模擬這些干擾，引入一個正弦波干擾信號。此時，模糊神經(jīng)網(wǎng)絡(luò)控制算法及PID控制的仿真結(jié)果如圖3所示。由圖3可知，模糊神經(jīng)網(wǎng)絡(luò)控制算法具有更快的響應(yīng)速度、更小的超調(diào)量、更高的控制精度、更強(qiáng)的自適應(yīng)能力與抗干擾能力。

4 結(jié)論

▲圖2 系統(tǒng)無干擾時FNN和PID控制

▲圖3 系統(tǒng)有干擾時FNN和PID控制

本文運用熱、質(zhì)交換原理對表冷器系統(tǒng)建模，結(jié)合改進(jìn)的PSO算法對模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)初始值尋優(yōu)且仿真，并與PID控制算法仿真比較，得到以下結(jié)論：在各種工況下，模糊神經(jīng)網(wǎng)絡(luò)算法的控制性能都較PID控制性能更優(yōu)，它具有更快的響應(yīng)速度、更小的超調(diào)量、更高的控制精度、更強(qiáng)的自適應(yīng)能力與抗干擾能力。

［1］ 安大偉.暖通空調(diào)系統(tǒng)自動化［M］.北京:中國建筑工業(yè)出版社,2009.

［2］ 趙榮義,范存養(yǎng),薛殿華，等.空氣調(diào)節(jié)（第四版）［M］.北京:中國建筑工業(yè)出版社,2008.

［3］ 錢頌文.換熱器設(shè)計手冊 ［M］.北京:化學(xué)工業(yè)出版社,2002.

［4］ 李國勇,楊麗娟.神經(jīng)·模糊·預(yù)測控制及其MATLAB實現(xiàn)［M］.北京:電子工業(yè)出版社,2013.