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(jìn)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。國內于九十年代初開(kāi)始興建了一些智能型的大廈，如北京的中國國際貿易中心和京廣中心、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(gè)建筑物，它創(chuàng )造了一個(gè)環(huán)境使建筑物占有者的工作效率達到最大，同時(shí)以最小的人時(shí)消耗保證有效的資源管理。智能大廈是智力勞動(dòng)場(chǎng)所，所以其環(huán)境設計的原則就是“以人為本”，一切圍繞著(zhù)為用戶(hù)創(chuàng )造舒適環(huán)境、提高用戶(hù)的工作效率進(jìn)行。其中，暖通空調行業(yè)扮演了一個(gè)舉足輕重的角色。

　　智能大廈房間多、內區負荷變化大；同時(shí)，由于空調耗能一般占整個(gè)大廈的40%以上，節能問(wèn)題日益突出。在各種空調方式中，VAV空調系統有其自身的優(yōu)點(diǎn)：

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

　　2.能實(shí)現局部區域的靈活控制；

　　3.利用系統多樣性，可使中央系統的初始成本低；

　　4.同樣，由于可利用系統的多樣性，今后擴展的成本大降低；

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

　　雖然VAV空調系統具有上述優(yōu)點(diǎn)，但是它的控制卻最復雜。目前，VAV空調系統的控制方式基本上采用多個(gè)回路的PID控制。在系統模型參數變化不大的情況下，PID控制效果良好。但是，VAV空調系統是一個(gè)干擾大的、高度非線(xiàn)性的、不確定性系統，這是由于：

　　1.外界氣候和空調區域里的人員活動(dòng)的變化很大，對系統形成得過(guò)且過(guò)大的干擾；

　　2.空氣調節過(guò)程是高度非線(xiàn)性的；各執行器的運行特性也是非線(xiàn)性的；

　　3.各個(gè)控制回路之間耦合強烈，完全解耦是不可能的；

　　4.隨著(zhù)時(shí)間的推移，設備會(huì )老化和更換，從而造成系統參數的變化；

　　5.在許多系統里，系統的數字模型很難建立。

　　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，如MacArthur和Grald采用自適應控制方法，Dexter和Haves運用自調節預測控制器。但是，在將現代化控制理論和大系統理論，運用到VAV空調系統中時(shí)，由于它們的分析、綜合和設計都是建立在嚴格和精確的數字模型之上的，所以同樣遇到這樣的問(wèn)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(lái)的，在VAV空調系統的控制領(lǐng)域應當具有廣闊的前景。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(zhuān)家系統。它們在VAV空調系統中主要用于診斷異常、預測能耗。對于VAV空調系統控制，神經(jīng)網(wǎng)絡(luò )控制和模糊控制的研究都已開(kāi)始，而專(zhuān)家系統由于其知識庫龐大，設計十分困難，目前尚難以應用過(guò)來(lái)，下面，針對模糊控制、神經(jīng)網(wǎng)絡(luò )控制在VAV空調系統中的應用作一點(diǎn)探討。

　　二、模糊控制

　　模糊控制是基于規則的智能控制，以模糊數學(xué)為基礎。系統的基本結構如圖1所示�？刂破魉膫�(gè)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(guò)去幾年里，有一些應用于暖通空調系統的模糊邏輯控制，S.Huang和R.M.Nelson將PFC（PID和模糊控制相結合）介紹進(jìn)HVAC控制領(lǐng)域并針對單元的二階傳函進(jìn)行了仿真。這兩位作者又介紹了一種模糊控制規則的調整方法，應用于HVAC系統的控制，用來(lái)控制一個(gè)熱交換器的氣動(dòng)閥，將回風(fēng)溫度作為輸入，實(shí)驗結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空調系統的控制。Robert N.Lea和Edgar Dohmann應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定點(diǎn)，對6個(gè)區域進(jìn)行調節。So et al.推出一了一種基于模糊邏輯的控制的控制器，四個(gè)單元狀態(tài)參數（供風(fēng)風(fēng)門(mén)后的壓力，室內溫度，室內相對濕度和供風(fēng)溫度）靠調節五個(gè)執行命令（供風(fēng)風(fēng)機速度，供風(fēng)風(fēng)門(mén)角度，制冷水流速，再加熱器的功率和加濕器的溫度比）來(lái)控制。

　　模糊控制器的控制思路是將VAV空調系統的的狀態(tài)參數作為輸入，輸出是VAV空調系統的執行命令。一個(gè)簡(jiǎn)單的VAV空調系統的FLCD的方框圖如圖2所示狀態(tài)參數需要根據不同的控制方案來(lái)選取。

　　常規的模糊控制器，有許多不足之處，比如系統的上升特性不理想，超調大，調節時(shí)間長(cháng)，甚至產(chǎn)行振蕩，抗干擾能力差，穩態(tài)誤差大，產(chǎn)生這些缺點(diǎn)的主要原因是常規的模糊控制器在結構上過(guò)于簡(jiǎn)單，在設計過(guò)程中也有許多主觀(guān)因素，而且一旦模糊規則確定就不再變化等，我們希望模糊控制器能夠動(dòng)態(tài)地調整自身，具有自學(xué)習能力，以達到預定的控制品質(zhì)，現在模糊控制的一個(gè)重要研究方向是自適應模糊控制，主要有兩種，模型參考自適應模糊控制（圖3a）和自校正模糊控制（圖3b）。模糊控制器可調整部分主要有：控制規則、隸屬函數和規范化因子。

　　各種智能控制方法之間的結全可取長(cháng)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)習能力，還有與專(zhuān)家系統的結合，或者與經(jīng)典控制方法，現代控制方法的相互結合，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，并盡快應用到VAV空調系統中來(lái)。

　　三、神經(jīng)網(wǎng)絡(luò )控制

　　神經(jīng)網(wǎng)絡(luò )在HVAC控制領(lǐng)域里的研究和應用更多。Curtiss et al.首先將其應用于熱水盤(pán)管的熱水閥的預測控制，該工作為以后的進(jìn)一步研究提供了一個(gè)很好的基礎。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據作為輸入來(lái)預測制冷負載。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(jìn)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 )控制的應用同樣為VAV空調系統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，辯識的過(guò)程就堅神經(jīng)網(wǎng)絡(luò )的訓練過(guò)程對神經(jīng)元之間的連接權值的修改過(guò)程，然后可用于優(yōu)于控制。由于神經(jīng)網(wǎng)絡(luò )的訓練需要大量的時(shí)間，實(shí)時(shí)辯識很難做到，所以一般是在線(xiàn)辯識，實(shí)時(shí)控制。一個(gè)VAV空調系統中央單元的VAV控制系統的簡(jiǎn)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，訓練樣本的輸入應為系統在時(shí)刻t-1的執行動(dòng)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(mén)角度等）和表征系統特性的狀態(tài)參數（室內溫度，室內相對濕度，供風(fēng)風(fēng)門(mén)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），輸出應為系統時(shí)刻t的狀態(tài)參數。由于VAV空調系統慣性很大，同ANN訓練速度相比，單元特征變化很慢，所以不會(huì )出現真正的控制問(wèn)題，一旦辯識結束，控制過(guò)程就開(kāi)始�？刂破髡{節進(jìn)刻t的執行命令，從而在下一刻到達一個(gè)希望的控制�？刂频哪康氖怯米钚〉臅r(shí)延和能耗來(lái)獲得期望的室內溫度和濕度等，使系統的靜、動(dòng)特性能夠滿(mǎn)足性能要求。所以，控制器的目標函數應包括兩個(gè)部分，一部分是有關(guān)設定點(diǎn)（如室內溫度，室內相對濕度，供風(fēng)機后壓力，或者PMV指標等），一部分是系統總能耗（如風(fēng)機功耗，加溫器功耗等），具體參數的選取要根據所設計的空調系統和控制方案確定，并且從可以調節它們之間的比例因子從而將側重點(diǎn)放在任何一項上。

　　目前，神經(jīng)網(wǎng)絡(luò )的訓練主要采用BP算法，但是BP算法有兩個(gè)突出的缺點(diǎn)：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(lái)解決這些問(wèn)題，尤其是遺傳算法近年來(lái)的研究與應用日益受到重視。但是GA往往只能在短時(shí)間內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(guò)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(jiàn)”，與其“擦肩而過(guò)”，將BP算法和遺傳算法相結合就能克服這些問(wèn)題。

　　四、結論

　　在國外的智能建筑里的空調系統大多數是采用VAV空調系統，本文僅僅是對模糊控制和神經(jīng)網(wǎng)絡(luò )在VAV空調系統中的研究應用作一些探討，VAV空調系統一般是進(jìn)行空氣調節過(guò)程的節能多工況分區，然后運用多個(gè)回路的PID控制。則于VAV空調系統是一個(gè)干擾大的、高度非線(xiàn)性的、不確定性系統，而且各個(gè)單回路之間的耦合強烈，運用PID控制在靜、動(dòng)特性上常滿(mǎn)足不了性能要求。國內外的學(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(lái)代替PID控制，但都是在單回路上的應用，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(shí)由于各個(gè)回路之是的調節溫濕度有抵消作用，造成能耗的增加。有些學(xué)者運用一些優(yōu)化方法進(jìn)行全局上的優(yōu)化控制或者用大系統理論進(jìn)行全局協(xié)調控制，來(lái)確定各個(gè)單回路的給定值，但它們也是基于系統的模型比較確定的基礎上，在系統很難建模的情況下，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進(jìn)行控制，不需要對系統建模，可解決以往控制回路由于耦合帶來(lái)的許多控制性能問(wèn)題。

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