一、概述

　　1984年，美國(guó)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”（CityPalaceBuilding），這就是世界公認(rèn)的第一座智能大廈。國(guó)內(nèi)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(guó)國(guó)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(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(dá)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(shè)計(jì)的原則就是“以人為本”，一切圍繞著為用戶(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(diào)行業(yè)扮演了一個(gè)舉足輕重的角色。

　　智能大廈房間多、內(nèi)區(qū)負(fù)荷變化大；同時(shí)，由于空調(diào)耗能一般占整個(gè)大廈的40%以上，節(jié)能問(wèn)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(diǎn)：

　　1.由于空調(diào)系統(tǒng)大部分時(shí)間在部分負(fù)荷下運(yùn)行，所以風(fēng)量的減少帶來(lái)了風(fēng)機(jī)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(shí)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(kuò)展的成本大降低；

　　5.系統(tǒng)是自平衡的（Self——balancing），等等。因此，國(guó)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(diǎn)，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(gè)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(gè)干擾大的、高度非線(xiàn)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(dòng)的變化很大，對(duì)系統(tǒng)形成得過(guò)且過(guò)大的干擾；

　　2.空氣調(diào)節(jié)過(guò)程是高度非線(xiàn)性的；各執(zhí)行器的運(yùn)行特性也是非線(xiàn)性的；

　　3.各個(gè)控制回路之間耦合強(qiáng)烈，完全解耦是不可能的；

　　4.隨著時(shí)間的推移，設(shè)備會(huì)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(yùn)用自調(diào)節(jié)預(yù)測(cè)控制器。但是，在將現(xiàn)代化控制理論和大系統(tǒng)理論，運(yùn)用到VAV空調(diào)系統(tǒng)中時(shí)，由于它們的分析、綜合和設(shè)計(jì)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(wèn)題。而智能控制理論正是針對(duì)被控對(duì)象及其環(huán)境和任務(wù)的不確定性提出來(lái)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(zhuān)家系統(tǒng)。它們?cè)赩AV空調(diào)系統(tǒng)中主要用于診斷異常、預(yù)測(cè)能耗。對(duì)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(kāi)始，而專(zhuān)家系統(tǒng)由于其知識(shí)庫(kù)龐大，設(shè)計(jì)十分困難，目前尚難以應(yīng)用過(guò)來(lái)，下面，針對(duì)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(diǎn)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?？刂破魉膫€(gè)基本部件組成，既模糊化接口、知識(shí)庫(kù)、決策邏輯單元、去模糊接口。

　　在過(guò)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(jìn)HVAC控制領(lǐng)域并針對(duì)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(guī)則的調(diào)整方法，應(yīng)用于HVAC系統(tǒng)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(yàn)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。RobertN.Lea和EdgarDohmann應(yīng)用模糊控制器控制壓縮機(jī)、風(fēng)機(jī)，輸入是溫度相對(duì)濕度和設(shè)定點(diǎn)，對(duì)6個(gè)區(qū)域進(jìn)行調(diào)節(jié)。Soetal.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(shù)（供風(fēng)風(fēng)門(mén)后的壓力，室內(nèi)溫度，室內(nèi)相對(duì)濕度和供風(fēng)溫度）靠調(diào)節(jié)五個(gè)執(zhí)行命令（供風(fēng)風(fēng)機(jī)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(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(gè)簡(jiǎn)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(lái)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(shí)間長(zhǎng)，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(diǎn)的主要原因是常規(guī)的模糊控制器在結(jié)構(gòu)上過(guò)于簡(jiǎn)單，在設(shè)計(jì)過(guò)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(dòng)態(tài)地調(diào)整自身，具有自學(xué)習(xí)能力，以達(dá)到預(yù)定的控制品質(zhì)，現(xiàn)在模糊控制的一個(gè)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(zhǎng)補(bǔ)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(zhuān)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(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(yīng)用更多。Curtissetal.首先將其應(yīng)用于熱水盤(pán)管的熱水閥的預(yù)測(cè)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(chǔ)。它是以閥位、制冷負(fù)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(lái)預(yù)測(cè)制冷負(fù)載。這幾位作者又推出了用神經(jīng)網(wǎng)絡(luò)對(duì)HVC中央單元AHU進(jìn)行能源管理，完成對(duì)各局部環(huán)的優(yōu)化運(yùn)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(shí)系統(tǒng)，辯識(shí)的過(guò)程就堅(jiān)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程對(duì)神經(jīng)元之間的連接權(quán)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(xùn)練需要大量的時(shí)間，實(shí)時(shí)辯識(shí)很難做到，所以一般是在線(xiàn)辯識(shí)，實(shí)時(shí)控制。一個(gè)VAV空調(diào)系統(tǒng)中央單元的VAV控制系統(tǒng)的簡(jiǎn)單方框圖如圖5所示：

　　ANN辯識(shí)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(shí)刻t-1的執(zhí)行動(dòng)作（再加熱順功率輸出，加濕器的輸出，供風(fēng)風(fēng)機(jī)速度，制冷水水閥控制，供風(fēng)風(fēng)門(mén)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(duì)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(yīng)為系統(tǒng)時(shí)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(huì)出現(xiàn)真正的控制問(wèn)題，一旦辯識(shí)結(jié)束，控制過(guò)程就開(kāi)始?？刂破髡{(diào)節(jié)進(jìn)刻t的執(zhí)行命令，從而在下一刻到達(dá)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(nèi)溫度和濕度等，使系統(tǒng)的靜、動(dòng)特性能夠滿(mǎn)足性能要求。所以，控制器的目標(biāo)函數(shù)應(yīng)包括兩個(gè)部分，一部分是有關(guān)設(shè)定點(diǎn)（如室內(nèi)溫度，室內(nèi)相對(duì)濕度，供風(fēng)機(jī)后壓力，或者PMV指標(biāo)等），一部分是系統(tǒng)總能耗（如風(fēng)機(jī)功耗，加溫器功耗等），具體參數(shù)的選取要根據(jù)所設(shè)計(jì)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(diǎn)放在任何一項(xiàng)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(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(yīng)用日益受到重視。但是GA往往只能在短時(shí)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(guò)程是隨機(jī)的，帶有一定程度的盲目性和概率性，即使已到達(dá)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(jié)合就能克服這些問(wèn)題。

　　四、結(jié)論

　　在國(guó)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(duì)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(jìn)行空氣調(diào)節(jié)過(guò)程的節(jié)能多工況分區(qū)，然后運(yùn)用多個(gè)回路的PID控制。則于VAV空調(diào)系統(tǒng)是一個(gè)干擾大的、高度非線(xiàn)性的、不確定性系統(tǒng)，而且各個(gè)單回路之間的耦合強(qiáng)烈，運(yùn)用PID控制在靜、動(dòng)特性上常滿(mǎn)足不了性能要求。國(guó)內(nèi)外的學(xué)者嘗試運(yùn)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(yīng)用，在單回路上達(dá)到最優(yōu)性能，在全局上卻達(dá)不到最優(yōu)性能，同時(shí)由于各個(gè)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(yùn)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(tǒng)理論進(jìn)行全局協(xié)調(diào)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(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(yùn)用這些控制方法有很大的難度，而且達(dá)不到全局性能的最優(yōu)。運(yùn)用智能控制方法在全局對(duì)系統(tǒng)進(jìn)行控制，不需要對(duì)系統(tǒng)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(diào)系統(tǒng)的控制提供了更先進(jìn)的方法，但也對(duì)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(lái)，與空調(diào)專(zhuān)業(yè)人員共同交流，設(shè)計(jì)出更好的VAV控制系統(tǒng)。