变风量空调系统的迭代学习控制研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 211-213.

变风量空调系统的迭代学习控制研究

闫秀英1，2，任庆昌1，孟庆龙3

1.西安建筑科技大学信息与控制工程学院，西安 710055
2.西安建筑科技大学环境与市政工程学院，西安 710055
3.西安交通大学能源与动力工程学院，西安 710049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Research on iterative learning control in VAV air-conditioning system

YAN Xiuying1，2，REN Qingchang1，MENG Qinglong3

1.Department of Information & Control Engineering，Xi’an University of Architecture & Technology，Xi’an 710055，China
2.School of Environmental& Municipal Engineering，Xi’an University of Architecture & Technology，Xi’an 710055，China
3.School of Energy & Power Engineering，Xi’an Jiaotong University，Xi’an 710049，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 针对变风量（VAV）空调系统下位机设定点变动时，整个系统完全达到稳态时间过长，且各子系统易出现超调的问题，提出采用一种迭代学习控制（ILC）的设定值序列优化方法。以空调系统中变频风机—管道静压控制回路为实例，说明该方法的可行性。采用递推最小二乘法（RLS）建立该回路的动态模型，并给出了一种新的迭代学习期望轨迹，应用迭代学习PD控制律对其动态过程进行仿真分析，并将此算法用于空调实验平台验证其控制效果。结果表明，ILC可以改善空调子系统的动态特性，为VAV空调系统的全局稳态优化奠定了基础。

关键词: 变风量, 迭代学习控制, 期望轨迹, 稳态

Abstract: A set-point sequence optimization method based on ILC is proposed to solve the problems of long adjusting time and overshoot when controller’s set-point changes in VAV air-conditioning system.The methodology is demonstrated feasible through the variable frequency fan-static pressure control loop.The dynamic model of static pressure loop is acquired with Recursive Least Square method（RLS）.A novel trajectory is also proposed.The dynamic response of the process is analyzed with PD-ILC theme through simulation and experiment.The results show that ILC can improve the dynamic characteristics of subsystems，which lays the foundation of full steady-state optimization of VAV air-conditioning system.

Key words: variable air volume, iterative learning control, desired trajectory, steady state

闫秀英1，2，任庆昌1，孟庆龙3. 变风量空调系统的迭代学习控制研究[J]. 计算机工程与应用, 2011, 47(16): 211-213.

YAN Xiuying1，2，REN Qingchang1，MENG Qinglong3. Research on iterative learning control in VAV air-conditioning system[J]. Computer Engineering and Applications, 2011, 47(16): 211-213.

[1]	乔敏，张德雨，刘思宇，闫天翼，相洁. 新颖的稳态视觉诱发电位脑机接口系统[J]. 计算机工程与应用, 2021, 57(8): 153-159.
[2]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[3]	侯锐，卜旭辉. 任意初始位置机器人领航跟随型迭代学习编队[J]. 计算机工程与应用, 2020, 56(20): 226-231.
[4]	陈景霞，郝为，张鹏伟，谢佳. RSVP与SSVEP混合脑电信号刺激与多类事件检测[J]. 计算机工程与应用, 2020, 56(15): 132-139.
[5]	管海娃. 机器人系统有限时间自适应迭代学习控制[J]. 计算机工程与应用, 2020, 56(14): 231-239.
[6]	梁嘉琪，卜旭辉，刘建. 数据丢失下多智能体系统迭代学习跟踪控制[J]. 计算机工程与应用, 2018, 54(20): 42-47.
[7]	陈大鹏1，2，张九根1，2，梁星1，2. 基于解析法的变风量空调解耦优化控制[J]. 计算机工程与应用, 2018, 54(18): 235-241.
[8]	董恩增，郭光瑞，陈超. 基于稳态视觉诱发电位的在线脑机接口研究[J]. 计算机工程与应用, 2017, 53(3): 154-159.
[9]	张克军1，2，彭国华2，孙天凯3. 线性广义系统P型迭代学习控制离散频域收敛性[J]. 计算机工程与应用, 2017, 53(24): 59-63.
[10]	董元发1，2，晋良海1，燕乔1. 混凝土坝非稳态施工过程异常监控与管理研究[J]. 计算机工程与应用, 2017, 53(20): 208-213.
[11]	刘晓斌，杨贯中，欧阳柳波，李勇军. 软件体系结构动态演化的元胞自动机模型研究[J]. 计算机工程与应用, 2015, 51(9): 87-92.
[12]	刘名武1，2，万谧宇1，彭冠军3. 绩效保障模式下的装备可修部件售后保障策略[J]. 计算机工程与应用, 2015, 51(17): 245-249.
[13]	王娟，李国宁，刘雨佳. 基于迭代学习控制的列车自动运行研究[J]. 计算机工程与应用, 2014, 50(9): 219-224.
[14]	赵丹1，刘名武2，彭冠军3. 装备系统可修部件闭环保障系统绩效研究[J]. 计算机工程与应用, 2014, 50(18): 54-58.
[15]	孟庆龙1，王元2，李彦鹏1. 阵风环境模拟用控制器设计与实验研究[J]. 计算机工程与应用, 2014, 50(13): 228-233.