一、概述

　　1984年，美國康涅狄格（Connecticut）州哈特福特市（Hargford），將一座舊金融大廈進行改造，定名為“城市宮”（City Palace Building），這就是世界公認的第一座智能大廈。國內(nèi)于九十年代初開始興建了一些智能型的大廈，如北京的中國國際貿(mào)易中心和京廣中心、上海的新錦江飯店和上海市面市政大廈等。智能大廈就是一個建筑物，它創(chuàng)造了一個環(huán)境使建筑物占有者的工作效率達到最大，同時以最小的人時消耗保證有效的資源管理。智能大廈是智力勞動場所，所以其環(huán)境設(shè)計的原則就是“以人為本”，一切圍繞著為用戶創(chuàng)造舒適環(huán)境、提高用戶的工作效率進行。其中，暖通空調(diào)行業(yè)扮演了一個舉足輕重的角色。

　　智能大廈房間多、內(nèi)區(qū)負荷變化大；同時，由于空調(diào)耗能一般占整個大廈的40%以上，節(jié)能問題日益突出。在各種空調(diào)方式中，VAV空調(diào)系統(tǒng)有其自身的優(yōu)點：

　　1.由于空調(diào)系統(tǒng)大部分時間在部分負荷下運行，所以風(fēng)量的減少帶來了風(fēng)機能耗的降低和末端設(shè)備里的再加熱器能耗的降低；

　　2.能實現(xiàn)局部區(qū)域的靈活控制；

　　3.利用系統(tǒng)多樣性，可使中央系統(tǒng)的初始成本低；

　　4.同樣，由于可利用系統(tǒng)的多樣性，今后擴展的成本大降低；

　　5.系統(tǒng)是自平衡的（Self——balancing），等等。因此，國外智能大廈的空調(diào)系統(tǒng)多采用VAV空調(diào)系統(tǒng)，或與CAV空調(diào)系統(tǒng)、FCU空調(diào)系統(tǒng)相結(jié)合的方式。

　　雖然VAV空調(diào)系統(tǒng)具有上述優(yōu)點，但是它的控制卻最復(fù)雜。目前，VAV空調(diào)系統(tǒng)的控制方式基本上采用多個回路的PID控制。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制效果良好。但是，VAV空調(diào)系統(tǒng)是一個干擾大的、高度非線性的、不確定性系統(tǒng)，這是由于：

　　1.外界氣候和空調(diào)區(qū)域里的人員活動的變化很大，對系統(tǒng)形成得過且過大的干擾；

　　2.空氣調(diào)節(jié)過程是高度非線性的；各執(zhí)行器的運行特性也是非線性的；

　　3.各個控制回路之間耦合強烈，完全解耦是不可能的；

　　4.隨著時間的推移，設(shè)備會老化和更換，從而造成系統(tǒng)參數(shù)的變化；

　　5.在許多系統(tǒng)里，系統(tǒng)的數(shù)字模型很難建立。

　　所以，PID控制的效果很糟糕。在HVAC控制領(lǐng)域，許多新的控制方法不斷出現(xiàn)，如MacArthur和Grald采用自適應(yīng)控制方法，Dexter和Haves運用自調(diào)節(jié)預(yù)測控制器。但是，在將現(xiàn)代化控制理論和大系統(tǒng)理論，運用到VAV空調(diào)系統(tǒng)中時，由于它們的分析、綜合和設(shè)計都是建立在嚴(yán)格和精確的數(shù)字模型之上的，所以同樣遇到這樣的問題。而智能控制理論正是針對被控對象及其環(huán)境和任務(wù)的不確定性提出來的，在VAV空調(diào)系統(tǒng)的控制領(lǐng)域應(yīng)當(dāng)具有廣闊的前景。目前，智能控制理論主要有三大方向，即，神經(jīng)網(wǎng)絡(luò)控制，模糊控制和專家系統(tǒng)。它們在VAV空調(diào)系統(tǒng)中主要用于診斷異常、預(yù)測能耗。對于VAV空調(diào)系統(tǒng)控制，神經(jīng)網(wǎng)絡(luò)控制和模糊控制的研究都已開始，而專家系統(tǒng)由于其知識庫龐大，設(shè)計十分困難，目前尚難以應(yīng)用過來，下面，針對模糊控制、神經(jīng)網(wǎng)絡(luò)控制在VAV空調(diào)系統(tǒng)中的應(yīng)用作一點探討。

　　二、模糊控制

　　模糊控制是基于規(guī)則的智能控制，以模糊數(shù)學(xué)為基礎(chǔ)。系統(tǒng)的基本結(jié)構(gòu)如圖1所示。控制器四個基本部件組成，既模糊化接口、知識庫、決策邏輯單元、去模糊接口。

　　在過去幾年里，有一些應(yīng)用于暖通空調(diào)系統(tǒng)的模糊邏輯控制，S.Huang和R.M.Nelson將PFC（PID和模糊控制相結(jié)合）介紹進HVAC控制領(lǐng)域并針對單元的二階傳函進行了仿真。這兩位作者又介紹了一種模糊控制規(guī)則的調(diào)整方法，應(yīng)用于HVAC系統(tǒng)的控制，用來控制一個熱交換器的氣動閥，將回風(fēng)溫度作為輸入，實驗結(jié)果顯示該控制方案大大優(yōu)于PID控制。這些控制思想同樣可用于VAV空調(diào)系統(tǒng)的控制。Robert N.Lea和Edgar Dohmann應(yīng)用模糊控制器控制壓縮機、風(fēng)機，輸入是溫度相對濕度和設(shè)定點，對6個區(qū)域進行調(diào)節(jié)。So et al.推出一了一種基于模糊邏輯的控制的控制器，四個單元狀態(tài)參數(shù)（供風(fēng)風(fēng)門后的壓力，室內(nèi)溫度，室內(nèi)相對濕度和供風(fēng)溫度）靠調(diào)節(jié)五個執(zhí)行命令（供風(fēng)風(fēng)機速度，供風(fēng)風(fēng)門角度，制冷水流速，再加熱器的功率和加濕器的溫度比）來控制。

　　模糊控制器的控制思路是將VAV空調(diào)系統(tǒng)的的狀態(tài)參數(shù)作為輸入，輸出是VAV空調(diào)系統(tǒng)的執(zhí)行命令。一個簡單的VAV空調(diào)系統(tǒng)的FLCD的方框圖如圖2所示狀態(tài)參數(shù)需要根據(jù)不同的控制方案來選取。

　　常規(guī)的模糊控制器，有許多不足之處，比如系統(tǒng)的上升特性不理想，超調(diào)大，調(diào)節(jié)時間長，甚至產(chǎn)行振蕩，抗干擾能力差，穩(wěn)態(tài)誤差大，產(chǎn)生這些缺點的主要原因是常規(guī)的模糊控制器在結(jié)構(gòu)上過于簡單，在設(shè)計過程中也有許多主觀因素，而且一旦模糊規(guī)則確定就不再變化等，我們希望模糊控制器能夠動態(tài)地調(diào)整自身，具有自學(xué)習(xí)能力，以達到預(yù)定的控制品質(zhì)，現(xiàn)在模糊控制的一個重要研究方向是自適應(yīng)模糊控制，主要有兩種，模型參考自適應(yīng)模糊控制（圖3a）和自校正模糊控制（圖3b）。模糊控制器可調(diào)整部分主要有：控制規(guī)則、隸屬函數(shù)和規(guī)范化因子。

　　各種智能控制方法之間的結(jié)全可取長補短，如模糊神經(jīng)網(wǎng)絡(luò)控制，就是利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，還有與專家系統(tǒng)的結(jié)合，或者與經(jīng)典控制方法，現(xiàn)代控制方法的相互結(jié)合，這些都是控制領(lǐng)域研究的前沿課題，需要控制人員深入研究，并盡快應(yīng)用到VAV空調(diào)系統(tǒng)中來。

　　三、神經(jīng)網(wǎng)絡(luò)控制

　　神經(jīng)網(wǎng)絡(luò)在HVAC控制領(lǐng)域里的研究和應(yīng)用更多。Curtiss et al.首先將其應(yīng)用于熱水盤管的熱水閥的預(yù)測控制，該工作為以后的進一步研究提供了一個很好的基礎(chǔ)。它是以閥位、制冷負載、空氣溫度、空氣流速、熱水溫度、熱水流速以及它們的歷史數(shù)據(jù)作為輸入來預(yù)測制冷負載。這幾位作者又推出了用神經(jīng)網(wǎng)絡(luò)對HVC中央單元AHU進行能源管理，完成對各局部環(huán)的優(yōu)化運行控制，這些神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用同樣為VAV空調(diào)系統(tǒng)的控制提供了許多思路。

　　神經(jīng)網(wǎng)絡(luò)控制一般是先辯識系統(tǒng)，辯識的過程就堅神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程對神經(jīng)元之間的連接權(quán)值的修改過程，然后可用于優(yōu)于控制。由于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的時間，實時辯識很難做到，所以一般是在線辯識，實時控制。一個VAV空調(diào)系統(tǒng)中央單元的VAV控制系統(tǒng)的簡單方框圖如圖5所示：

　　ANN辯識器由三層神經(jīng)元組成輸入層、隱藏層和輸出層，訓(xùn)練樣本的輸入應(yīng)為系統(tǒng)在時刻t-1的執(zhí)行動作（再加熱順功率輸出，加濕器的輸出，供風(fēng)風(fēng)機速度，制冷水水閥控制，供風(fēng)風(fēng)門角度等）和表征系統(tǒng)特性的狀態(tài)參數(shù)（室內(nèi)溫度，室內(nèi)相對濕度，供風(fēng)風(fēng)門后的壓力，供風(fēng)溫度，供風(fēng)風(fēng)速，回風(fēng)風(fēng)速，供風(fēng)含濕量等），輸出應(yīng)為系統(tǒng)時刻t的狀態(tài)參數(shù)。由于VAV空調(diào)系統(tǒng)慣性很大，同ANN訓(xùn)練速度相比，單元特征變化很慢，所以不會出現(xiàn)真正的控制問題，一旦辯識結(jié)束，控制過程就開始�？刂破髡{(diào)節(jié)進刻t的執(zhí)行命令，從而在下一刻到達一個希望的控制。控制的目的是用最小的時延和能耗來獲得期望的室內(nèi)溫度和濕度等，使系統(tǒng)的靜、動特性能夠滿足性能要求。所以，控制器的目標(biāo)函數(shù)應(yīng)包括兩個部分，一部分是有關(guān)設(shè)定點（如室內(nèi)溫度，室內(nèi)相對濕度，供風(fēng)機后壓力，或者PMV指標(biāo)等），一部分是系統(tǒng)總能耗（如風(fēng)機功耗，加溫器功耗等），具體參數(shù)的選取要根據(jù)所設(shè)計的空調(diào)系統(tǒng)和控制方案確定，并且從可以調(diào)節(jié)它們之間的比例因子從而將側(cè)重點放在任何一項上。

　　目前，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練主要采用BP算法，但是BP算法有兩個突出的缺點：收斂速度慢，容易陷入局部最優(yōu)。而模擬退火算法、單純形法和遺傳算法（GA）可用來解決這些問題，尤其是遺傳算法近年來的研究與應(yīng)用日益受到重視。但是GA往往只能在短時間內(nèi)尋找到接近全局最優(yōu)解的近優(yōu)解，原因在于GA的尋優(yōu)過程是隨機的，帶有一定程度的盲目性和概率性，即使已到達最優(yōu)解的附近，也很可能“視而不見”，與其“擦肩而過”，將BP算法和遺傳算法相結(jié)合就能克服這些問題。

　　四、結(jié)論

　　在國外的智能建筑里的空調(diào)系統(tǒng)大多數(shù)是采用VAV空調(diào)系統(tǒng)，本文僅僅是對模糊控制和神經(jīng)網(wǎng)絡(luò)在VAV空調(diào)系統(tǒng)中的研究應(yīng)用作一些探討，VAV空調(diào)系統(tǒng)一般是進行空氣調(diào)節(jié)過程的節(jié)能多工況分區(qū)，然后運用多個回路的PID控制。則于VAV空調(diào)系統(tǒng)是一個干擾大的、高度非線性的、不確定性系統(tǒng)，而且各個單回路之間的耦合強烈，運用PID控制在靜、動特性上常滿足不了性能要求。國內(nèi)外的學(xué)者嘗試運用智能控制，如模糊控制、神經(jīng)網(wǎng)絡(luò)以及各種混合控制方法，來代替PID控制，但都是在單回路上的應(yīng)用，在單回路上達到最優(yōu)性能，在全局上卻達不到最優(yōu)性能，同時由于各個回路之是的調(diào)節(jié)溫濕度有抵消作用，造成能耗的增加。有些學(xué)者運用一些優(yōu)化方法進行全局上的優(yōu)化控制或者用大系統(tǒng)理論進行全局協(xié)調(diào)控制，來確定各個單回路的給定值，但它們也是基于系統(tǒng)的模型比較確定的基礎(chǔ)上，在系統(tǒng)很難建模的情況下，運用這些控制方法有很大的難度，而且達不到全局性能的最優(yōu)。運用智能控制方法在全局對系統(tǒng)進行控制，不需要對系統(tǒng)建模，可解決以往控制回路由于耦合帶來的許多控制性能問題。

　　智能控制理論的發(fā)展為VAV空調(diào)系統(tǒng)的控制提供了更先進的方法，但也對研究人員提出了很大的挑戰(zhàn)。需要更多的控制人員投入到VAV控制的領(lǐng)域中來，與空調(diào)專業(yè)人員共同交流，設(shè)計出更好的VAV控制系統(tǒng)。