基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的表冷器控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的表冷器控制方法，屬于變風(fēng)量空調(diào)系 統(tǒng)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 變風(fēng)量空調(diào)系統(tǒng)于20世紀(jì)60年代誕生于美國，變風(fēng)量空調(diào)系統(tǒng)的工作原理是通 過改變送風(fēng)量，保持送風(fēng)溫度不變，持續(xù)向房間內(nèi)送入一定工況下的空氣，來維持房間內(nèi)的 溫濕度不變，由于變風(fēng)量空調(diào)系統(tǒng)能夠根據(jù)房間內(nèi)的負(fù)荷變化來調(diào)節(jié)送風(fēng)風(fēng)機(jī)的轉(zhuǎn)速，因 此具有節(jié)能、減噪、舒適等優(yōu)點(diǎn)，得到了廣泛的應(yīng)用。
[0003] 變風(fēng)量空調(diào)系統(tǒng)中主要包括風(fēng)循環(huán)和水循環(huán)，即通過冷水機(jī)組產(chǎn)生冷量，經(jīng)由冷 凍水將冷量帶給空氣，再將攜帶冷量的空氣送入房間。風(fēng)循環(huán)工作流程為：室外新風(fēng)與室內(nèi) 回風(fēng)混合，經(jīng)過濾器過濾掉空氣中的顆粒性物質(zhì)后，在表冷器中與冷凍水接觸，降溫除濕， 接著根據(jù)送風(fēng)要求進(jìn)行相應(yīng)的后續(xù)處理（加熱、除濕），最后在風(fēng)機(jī)的負(fù)壓推動下采用孔板 送風(fēng)方式給室內(nèi)送風(fēng)，完成室內(nèi)降溫控濕，如圖1所示?？梢娙绻軌?qū)Ρ砝淦鬟M(jìn)行準(zhǔn)確、 快速的控制，不但能夠提高空調(diào)機(jī)組的制冷效率，還能夠減少加熱器、加濕器的使用，從而 達(dá)到節(jié)能的目的。

【發(fā)明內(nèi)容】

[0004] 為了達(dá)到以上目的，本發(fā)明提供了一種基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的表冷器控制方 法。
[0005] 本發(fā)明的技術(shù)方案如下：
[0006] -種基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的表冷器控制方法，包括如下步驟：
[0007] (1)、對被控對象表冷器進(jìn)行建立模糊神經(jīng)網(wǎng)絡(luò)模型；
[0008] (2)、設(shè)置模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括層數(shù)、節(jié)點(diǎn)數(shù)；
[0009] (3)、設(shè)置模糊神經(jīng)網(wǎng)絡(luò)的各個參數(shù)，如各層的權(quán)值、閾值等，并通過粒子群算法求 得各參數(shù)最優(yōu)初值；
[0010] (4)、將各參數(shù)最優(yōu)初值賦值給模糊神經(jīng)網(wǎng)絡(luò)；
[0011] (5)、利用樣本和學(xué)習(xí)算法對模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練所述樣本為通常工況下針對 表冷器這個被控對象的輸入數(shù)據(jù)和輸出數(shù)據(jù)；
[0012] 上述步驟（2)中模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)，所述前件網(wǎng)絡(luò)將輸 入量映射到各模糊子集后經(jīng)合成運(yùn)算得到各規(guī)則適應(yīng)度值。后件網(wǎng)絡(luò)對各輸入量線性加權(quán) 后根據(jù)各規(guī)則適應(yīng)度值計(jì)算出網(wǎng)絡(luò)輸出；
[0013] 所述前件網(wǎng)絡(luò)為四層網(wǎng)絡(luò)結(jié)構(gòu)：
[0014] 第一層：輸入層，各輸入變量Xl，x2, ...xn經(jīng)過該層節(jié)點(diǎn)進(jìn)入到網(wǎng)絡(luò)下一層，是外 部信息進(jìn)入該網(wǎng)絡(luò)的入口，該層節(jié)點(diǎn)數(shù)N1= 2,分別為X i、X2，具體為： CN 105117770 A 說明書 2/13 頁
[0016] 式中，Kp K2為量化因子，c(t)和y(t)分別為表冷器出風(fēng)溫度設(shè)定值和實(shí)測值； e(t)表示表冷器出風(fēng)溫度設(shè)定值與實(shí)測值之差；
[0017] 第二層：模糊化層，該層中的所有節(jié)點(diǎn)均表示一個模糊語言變量值，通過采用 隸屬度函數(shù)計(jì)算各輸入量屬于各模糊語言子集的程度，輸入Xl、X2分割為7個模糊子集 {NB，匪，NS, Z0, PS，PM, PB}，隸屬度函數(shù)均采用高斯鈴型函數(shù)，各輸入變量的隸屬度值計(jì)算 公式為：
[0019] 式中，Clj為隸屬度函數(shù)的中心；σ 為隸屬度函數(shù)的寬度，i = 1，2,…，n;j = 1，2,…，Iiii;n為輸入變量個數(shù)，m ;為輸入變量X ;的模糊分割數(shù)，該層節(jié)點(diǎn)數(shù)N2= m Jm2，取η = 2,111^1112=7^2= 14；
[0020] 第三層：模糊規(guī)則適應(yīng)度值計(jì)算層；該層節(jié)點(diǎn)表示模糊系統(tǒng)中的模糊規(guī)則，通過 模糊算子計(jì)算出各規(guī)則適應(yīng)度值，采用的模糊算子為連乘算子，表達(dá)式如下：

該層節(jié)點(diǎn)中，越靠近輸入值的模糊語言子集的隸屬函數(shù)值就越大；反之，距離輸 入值越遠(yuǎn)的模糊語言子集的隸屬度函數(shù)值就越??；隸屬度函數(shù)值越小的節(jié)點(diǎn)對輸出值的貢 獻(xiàn)就越小，而該層節(jié)點(diǎn)中僅有少數(shù)節(jié)點(diǎn)值較大，其余節(jié)點(diǎn)值很小對輸出幾乎無作用，也即是 說它具有局部逼近特性，該層節(jié)點(diǎn)數(shù)N3= m，選取N 3= m = 49 ;
[0023] 第四層：歸一化層，該層主要實(shí)現(xiàn)對上層各規(guī)則適應(yīng)度值的歸一化操作，故本層節(jié) 點(diǎn)數(shù)與上層節(jié)點(diǎn)數(shù)一致。此處N4= N3= 49。
[0025] 后件網(wǎng)絡(luò)為三層網(wǎng)絡(luò)結(jié)構(gòu)：
[0026] 第一層：輸入層。它是外部輸入變量與網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)的接口。該層含有一個值為 1的輸入節(jié)點(diǎn)，為線性加權(quán)算子的常數(shù)項(xiàng)。
[0027] 第二層：模糊規(guī)則推理層。該層與前件網(wǎng)絡(luò)中第三層節(jié)點(diǎn)相同，所有節(jié)點(diǎn)組合成一 個完整的模糊規(guī)則庫，故由前可知節(jié)點(diǎn)數(shù)為m個。主要實(shí)現(xiàn)模糊規(guī)則推理計(jì)算，此處為對輸 入變量進(jìn)行線性組合操作，即
[0029] 第三層：輸出層。該層節(jié)點(diǎn)根據(jù)規(guī)則適應(yīng)度值計(jì)算網(wǎng)絡(luò)輸出。 CN 105117770 A 說明書 3/13 頁
[0031] 上述步驟（5)中的學(xué)習(xí)算法是基于最小均方誤差準(zhǔn)則對網(wǎng)絡(luò)權(quán)值、閾值進(jìn)行有監(jiān) 督學(xué)習(xí)的一種算法，當(dāng)一個含r個樣本的訓(xùn)練樣本集傳入網(wǎng)絡(luò)且計(jì)算出一組輸出時，誤差 性能函數(shù)應(yīng)為各輸出單元誤差的平方和：
[0033] 式中，^與y i分別表示控制器的期望輸出與實(shí)際輸出；
[0034] 假設(shè)模糊神經(jīng)網(wǎng)絡(luò)中第q層第j個神經(jīng)元，則該神經(jīng)元的輸入為：
[0036] 該神經(jīng)元的輸出為
[0037] 為了便于對f和的推導(dǎo)，需要先根據(jù)誤差反向傳播算法計(jì)算出 vtU vog ^Pi
[0040] 式中 j = 1，2,…，m ;i = 1，2,…，η，β > 0 為學(xué)習(xí)速率；
[0041] 將模糊神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中，信號正向傳播經(jīng)過各層節(jié)點(diǎn)的輸入輸出關(guān)系表示 成如下數(shù)學(xué)表達(dá)式：
[0042] 第一層：
[0047] 式中，i = 1，2,…，η ; j = 1，2,…，mi;
[0048] 第三層： CN 105117770 A 說明書 4/13 頁
[ψ ΙΨ
[0059] 由誤差反向傳播特性可知，首先利用誤差反向傳播算法計(jì)算出f和，然后 'ij if 通過一階梯度下降算法來調(diào)整Cl]和σ ι];
[0064] 若gf5 是第三層中第k個規(guī)則節(jié)點(diǎn)的一個輸入時： CN 105117770 A 說明書 5/13 頁
[0066] 最后根據(jù)一階梯度下降法求得：
[0072] 式中，i = 1，2,…，η ; j = 1，2,…，mi; β > 0 為學(xué)習(xí)速率。
[0073] 上述學(xué)習(xí)算法中引入動量項(xiàng)來改善學(xué)習(xí)性能，加動量項(xiàng)后的參數(shù)調(diào)整公式為：
[0074] Aw(k+1) = mc[w (k)-w (k~l) ] - (l-mc) β V f(w(k)) (28)
[0075] 加入動量項(xiàng)后，若▽ f(w(k)) - 0,則 Aw(k+1) = mcAw(k) = mc[w(k)-w(k_l)]， 避免了學(xué)習(xí)停滯陷入局部最優(yōu)及振蕩的情況，但是當(dāng)修正的參數(shù)導(dǎo)致其誤差增長太大時， 應(yīng)暫停動量作用并取消該修正，故引入以下監(jiān)督機(jī)制，引導(dǎo)動量項(xiàng)科學(xué)作用：
[0080] 將附加動量項(xiàng)法與動態(tài)調(diào)整學(xué)習(xí)速率法相結(jié)合，采用的學(xué)習(xí)算法的參數(shù)修正公式 為：
[0084] 上述步驟（3)中的粒子群算法如下：
[0085] 粒子群算法首先將所有粒子位置信息隨機(jī)初始化于