智能变频空调模煳神经网络.ppt

BP神经网络控制变频空调的压缩机。 多层感知网络主要包括:输入层、隐含层(也称中间层)、输出层。相邻层之间的各神经元实现全连接。其结构如图1.4所示。 图1.4 神经网络结构图 采用神经网络模拟模糊推理机的知识模型和推理模型，表达if-then控制规则的知识结构。在常规模糊系统模型中，规则if-then的后件部分为常数。 FNN的模型为： (4)控制室内风机的运行方式，即进行风速调节； (5)控制导风板的工作状态，即调节导风板的开度大小， 从而控制风向； (6)控制百叶窗的工作状态，调节室内吹风是否摆风。 系统保护控制流程 神经网络部分的参数学习，尽管使用改进了的BP算法，但是由于BP算法本身的固有缺点，全局寻优能力不好。 直流无刷电动机高效、节能和噪音小，有逐步取代异步交流电动机的趋势，在变频空调的硬件方面，直流无刷电动机的智能变频调速有待深入研究。 　智能变频空调控制系统的模糊神经网络算法设计 模糊神经网络的学习算法 图4.5 模糊神经网络对变频压缩机的控制原理图 　智能变频空调控制系统的模糊神经网络算法设计 仿照BP网络，用误差反传的方法来设计调整参数,使被控对象的输出逼近期望输出。 变频空调智能控制算法 图4.6 变频空调智能控制系统结构图 　智能变频空调控制系统的模糊神经网络算法设计 系统由两类神经网络组成：一类是用于控制变频压缩机的模糊神经网络控制器(FNNC)，位于前向通道；另一类是用于压缩机输出预测的神经网络预测器(NNP)，控制器预先感知系统输出状态的变化趋势，从而作出相应的调整。 变频压缩机模糊神经网络控制器的设计 FNNC模型描述为： 　智能变频空调控制系统的模糊神经网络算法设计 神经网络预测器NNP的设计 　智能变频空调控制系统的模糊神经网络算法设计 神经网络NNP的预测输出为： 图4.7 神经网络NNP结构  参数整定： =14.5， =0.025， =0.050，PID算法仿真图形 如图所示 仿真分析：PID控制 　智能变频空调控制系统的模糊神经网络算法设计 图4.11 PID算法变频空调温度系统响应图 常规模糊控制算法 常规模糊控制的方法与PID控制不同，它是根据经验进行推理决策，这就使控制器参数的调整可相对地独立于系统模型的变化，保持隶属函数的形状。系统的响应如图4.12所示。 图4.12 常规模糊控制算法变频空调温度系统响应图 　智能变频空调控制系统的模糊神经网络算法设计 模糊神经网络算法 这种算法直接利用神经网络调整隶属度函数，由计算机程序来获得，不再依赖专家经验。系统响应如图4.13所示，横坐标单位为s，纵坐标单位为℃。 图4.13 模糊神经网络算法变频空调温度系统响应图 　智能变频空调控制系统的模糊神经网络算法设计 结论： 对变频空调这样纯滞后、多变量耦合的非线性系统，将神经网络技术和模糊控制技术相结合形成的新型智能控制系统——模糊神经网络控制器，可以通过神经网络的自学习，实现输入变量隶属函数的在线自调整，有较好的模糊预测及控制功能，能够实现变频空调的智能控制。 　智能变频空调控制系统的模糊神经网络算法设计 智能变频空调控制系统硬件设计 室内机控制 室内机控制主要有以下功能： (1)检测室内温度和室内盘管温度，计算出室内温度变化率； (2)接受遥控器传来的信号，并判断用户要求是否合理； (3)将室内各温度参数以及用户要求传递给室外控制单元， 并接受反馈的目标信号，确定工作状态的变化； 智能变频空调控制系统硬件设计 室内机结构图 图5.1 室内机控制板示意图 智能变频空调控制系统硬件设计 温度检测电路 遥控接收及LED显示电路 导风板、百叶窗控制电路 风机调速电路 室内机主要控制电路 智能变频空调控制系统硬件设计 室外机控制主要完成如下功能 ： (1)与室内控制板通讯，接受室内控制板命令并返回外机的状态； (2)室外环境温度、盘管温度以及压缩机温度采集； (3)控制室外风机的运行； (4)通过IPM模块对压缩机转速进行调整； (5)制热/制冷控制，即控制四通换向阀的动作； (6)过流、欠压保护运行； 室外机控制 智能变频空调控制系统硬件设计 图5.7 室外机控制板示意图 室外机结构图 智能变频空调控制系统硬件设计 室外机主要电路 电压检测电路 室外风机及四通阀驱动电路 内外机通讯电路 变频压缩机控制电路。 智能变频空调控制系统硬件设计 　智能变频空调控制系统软件设计 室内机控制系统软件设计 室内机控制板需要完成的工作主要包括室内遥控器信号接收、风机的速度调整、温度检测、摆页电机控制、内外机通讯控制等，其控