17、基于改进算法的模糊神经网络在空调与水轮机调速系统中的应用

基于改进算法的模糊神经网络在空调与水轮机调速系统中的应用

1. 模糊神经网络控制器研究背景

在优化控制领域，模糊神经网络控制器（FNNC）的研究是非常活跃且成果丰硕的方向。不过，模糊神经网络在一些复杂状态下学习速度较慢。而遗传算法（GAs）具有综合优化功能，可用于训练获取所需参数。在设计控制器或实时控制过程中，采用遗传算法来优化模糊神经控制器的部分参数和规则。当性能指标无法达到系统要求时，遗传算法会对一些特征参数进行训练。为获得更好的控制效果，使用改进的遗传算法对FNNC进行优化。

2. 控制系统结构

控制系统的控制对象包含空调和房间环境两部分。空调的制冷量与压缩机的旋转速度相关，运行时通过控制压缩机的旋转频率来获取所需热量。经过大量实验，确定空调模型由积分环节和惯性环节串联组成，输入为频率信号，输出为通过散热器的温度变化。构建房间模型时，需要考虑房间内外、散热器效率等干扰因素，这些因素通过空气传播共同影响房间初始温度，控制过程存在较大延迟，房间模型可简化为具有大延迟的一阶或二阶惯性系统。

在控制过程中，控制器根据测量值与给定值的误差输出计算信号来控制空调。输出控制信号U通过转换器转换为频率信号f，用于调节压缩机的输出功率P，输出功率经积分环节累积后转换为压缩机的能量输出，空调的不同能量信号相当于温度变化值ΔT。系统结构如图1所示。

3. FNN控制器设计

FNNC是一种基于神经网络模拟模糊推理机的知识模型和参考模型，网络包含四层，其结构如图2所示。
- 第一层 ：以误差e和误差变化率ec作为输入值，输入输出关系为：
[
\begin{cases