基于神经网络预测控制的水源热泵控制系统研究

【摘要】：本文以北方工业大学开发的水源热泵空调控制系统为工程背景,着眼于解决系统运行中的时间滞后问题,研究了基于神经网络预测控制的集中空调的最优控制问题。 北方工业大学研制的水源热泵空调控制系统现已投入实际应用,在地面盘管安装方式下运行中,夏天制冷过程中经常出现地面结露现象,影响了水源空调系统在制冷状态下的使用。 针对这一实际问题,首先寻求环境温度、湿度条件下的制冷临界结露曲线。在临界结露曲线的约束条件下,设计了基于水源热泵空调系统的预测控制模型。 集中空调系统是个大惯性、大滞后、非线性系统,系统本身容易受到来自外界多方面的干扰,这种干扰有时是非常严重的,如果处理不好有可能造成系统不稳定。 在实际试验中考虑到整个水源热泵空调系统的复杂性,以及存在的非线性和大滞后因素,搭建了一个温度控制箱实验平台来模拟水源热泵空调控制系统。 在这个温控箱实验平台上先试验了传统PID控制策略,验证了系统的设计结构和各个控制单元的功能,并且取得了预期的效果。 针对系统非线性、大惯性、大滞后的问题,采用了基于神经网络的预测控制策略。神经网络具有较强的自学习、自适应和容错能力,预测控制来自工业实践,对复杂系统具有较强的适应性。将神经网络对非线性对象的逼近能力和预测控制的优化策略相结合,提出了基于BP神经网络的预测控制方案。采用两个神经网络分别构建神经网络预测模型和非线性优化控制器。 本文提出的基于BP神经网络的预测控制算法设计思想是:首先采用BP神经网络模型预测器建立被控对象的预测模型;然后利用该预测模型,根据系统当前的输入输出信息,预测对象的未来输出值,并采用反馈校正,以克服系统中由于其他不确定性扰动造成的模型预测误差,得到较为精确的对象预测值;在此基础上,基于校正后的未来一段时间内对象的预测值,结合给定的系统输出值,根据定义的二次性能指标对控制变量进行滚动优化,得到系统未来的控制序列。