CN101498534A - 制冷空调热泵系统电子膨胀阀多目标智能控制方法 - Google Patents
制冷空调热泵系统电子膨胀阀多目标智能控制方法 Download PDFInfo
- Publication number
- CN101498534A CN101498534A CNA2008101538270A CN200810153827A CN101498534A CN 101498534 A CN101498534 A CN 101498534A CN A2008101538270 A CNA2008101538270 A CN A2008101538270A CN 200810153827 A CN200810153827 A CN 200810153827A CN 101498534 A CN101498534 A CN 101498534A
- Authority
- CN
- China
- Prior art keywords
- expansion valve
- electronic expansion
- fuzzy
- deviation
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明属于建筑物独立冷热供能技术领域,涉及一种制冷空调热泵系统电子膨胀阀多目标智能控制方法,包括下列步骤:(1)确定受电子膨胀阀影响的两个或两个以上的受控参数;(2)对各个受控参数给定设定值,并进行实时检测;(3)对每个受控参数,将检测值与设定值相比较,计算偏差和偏差变化率,然后进行模糊处理,产生各自的电子膨胀阀控制量;(4)以步骤(3)计算得到各个电子膨胀阀控制量作为神经网络控制器的输入层,通过单神经元神经网络训练,得到各个受控参数的开度权值;(5)根据实时检测的各个受控参数值,得到电子膨胀阀的反馈控制量。采用本方法能够智能调整运行参数,实现各种气候条件下智能供冷热和稳定高效运行。
Description
技术领域
属于建筑物独立冷热供能技术领域,涉及一种制冷空调热泵系统电子膨胀阀的控制方法。
背景技术
制冷空调热泵系统的控制特点包括多变量、非线性、强耦合、大延迟、纯滞后、时变等,其应用的地区和运行环境复杂。电子膨胀阀的开度影响着众多的参数,如过热度、过冷度和压缩机压比。一般而言,电子膨胀阀的控制都是一个参数作为控制目标来实现控制的。这样的控制方法和现实相去甚远。目前在这类系统的电子膨胀阀控制上多采用简单的PID控制、模糊控制或者是两个方法的简单组合,而无法收到满意的控制效果。其主要问题在于动态与静态性能之间,跟踪设定值与抑制扰动之间,鲁棒性与控制性能之间存在着矛盾。目前应用的控制方法的控制对象多单一的以过热度或者过冷度为目标控制,这与系统本身的多变量特点相矛盾,不可能会达到最优效果。
发明内容
本发明的目的是克服现有技术的上述不足,提供一种制冷空调热泵系统电子膨胀阀多目标智能控制方法,采用该控制方法,系统能够智能判断各种运行工况,智能调节电子膨胀阀开度,使系统的上述重要参数均能处在合理的范围内。使制冷空调热泵系统能够更加稳定、高效的运行。
本发明采用如下的技术方案:一种制冷空调热泵系统电子膨胀阀多目标智能控制方法,包括下列步骤:
(1)确定受电子膨胀阀影响的两个或两个以上的受控参数;
(2)对各个受控参数给定设定值,并进行实时检测;
(3)对每个受控参数,将检测值与设定值相比较,计算偏差和偏差变化率,然后进行模糊处理,产生各自的电子膨胀阀控制量;
(4)以步骤(3)计算得到各个电子膨胀阀控制量作为神经网络控制器的输入层,通过单神经元神经网络训练,得到各个受控参数的开度权值;
(5)根据实时检测的各个受控参数值,得到电子膨胀阀的反馈控制量。
作为优选实施方式,上述的电子膨胀阀多目标智能控制方法,步骤(1)所确定的参数为过热度、过冷度和压缩机压比;步骤(3)中,对每个模糊处理,模糊控制器的输入语言变量取为偏差及偏差变化率,输出语言变量为电子膨胀阀控制量,令这三个语言变量的模糊集合论域的量化因子及比例因子依控制要求变化的基本论域而定,确定隶属函数,根据受控参数与电子膨胀阀开度的联系建立模糊控制规则,对于给定的模糊控制输入语言变量论域上的模糊集,利用推理合成规则完成对输出语言变量论域上的模糊集合的模糊推理,以偏差的论域元素为行,偏差变化率的论域元素为列,两种元素相应的交点为输出量U制成查询表;对于每一个控制周期中,将偏差和计算得到的偏差变化率分别乘以各自的量化因子,取得以相应论域元素表征的查找查询表所需的i行的偏差和j列的偏差变化率后,通过查找查询表相应的行和列即可输出所需的控制量变化,再乘以比例因子,即得到电子膨胀阀的反馈控制量。
本发明提供的这种新的电子膨胀阀多目标智能控制方法,不但在控制方法上抛弃常规的控制方法而采用智能的控制方法,而且以系统的多个变量为目标而不再以单一变量为目标。本发明提出的单神经元模糊控制方法,单神经元模糊多变量控制器是分别采集各个变量,然后和各个变量的设定值比较,产生偏差和偏差变化率后进行模糊处理,然后产生各自的电子膨胀阀的控制量。然后通过神经网络训练,得出各个变量的开度权值,将他们联合起来,得出一个确定的控制量来控制电子膨胀阀。这样的控制器适应了GEHP多参数、强耦合的特点,使得系统性能大大提高。
本发明的控制方法不但具有结构简单,工作稳定,鲁棒性强,各参数物理意义明确和工程上易于实现等优点,又具有并行结构和本质学习记忆功能及任意函数逼近的能力,在不同工况下具有广泛的自适应性。
附图说明
图1是采用了本发明提出的控制方法的建筑独立供能系统原理图;
图1中:
1——热水储用装置 2——燃气流量控制装置 3——缸套换热器
4——燃气发动机 5——排烟换热器 6——低压传感器
7——压缩机 8——高压传感器 9——四通阀
10——温度传感器 11——室外换热器 12——室外风机
13——温度传感器 14——电子膨胀阀驱动器 15——电子膨胀阀
16——电子膨胀控制器 17——温度传感器 18——温度传感器
19——板式换热器 20——室内换热器 21——室内风机
图2是电子膨胀阀控制系统框图;
图3是模糊控制原理图。
具体实施方式
下面首先说明一下本发明采用的控制原理。
制冷空调热泵系统是一个多变量、强耦合的多参数协调的系统。电子膨胀阀的开度影响着众多的参数。系统之间的差异性决定经典控制方法的在本系统不具有广泛的适应性。一般而言,电子膨胀阀的控制都是一个参数作为控制目标来实现控制的。这样的控制方法和现实相去甚远。本发明提出的单神经元模糊控制系统能够有效地解决这样的问题,参见图2。单神经元模糊多变量控制器是分别采集各个变量,然后和各个变量的设定值比较,产生偏差和偏差变化率后进行模糊处理,然后产生各自的电子膨胀阀的控制量。然后通过神经网络训练,得出各个变量的开度权值,将他们联合起来,得出一个确定的控制量来控制电子膨胀阀。这样的控制器适应了制冷空调热泵系统多参数、强耦合的特点,使得系统性能大大提高。
参见图3,本发明采用的基本模糊控制器是将采集量与设定值做差后,将得出的差值模糊处理以后送入模糊控制算法进行计算。将计算结果经过反模糊化处理就可以作为控制量送执行机构去执行。基本模糊控制器的控制机理是按一定的语言控制规则进行工作,而这些控制规则建立在总结操作者对控制过程所进行的手动控制策略基础上,或归纳设计者对被控过程所认识的模糊信息的基础上,因此,基本模糊控制器适用于控制那些因具有高度非线性,或参数随工作点的变化较大,或交叉耦合严重,或环境因素干扰强烈,而不易获得精确数学模型和数学模型不确定或多变的一类控制过程。电子膨胀阀的控制正具有这样的特点,所以,模糊控制很适合控制这样的过程。
本发明采用采集压缩机吸气压力作为蒸发器蒸发压力。通过蒸发压力和蒸发温度的拟合公式来实时计算蒸发温度。本模糊控制器输入变量为压缩机吸气过热度。实时测量压缩机吸气过热度,将其与设定值比较,得出的偏差e和偏差变化率送入模糊控制器进行计算。输入语言变量选为E,偏差变化率的语言变量为EC,输出变量为控制电子膨胀阀开度的信号u,输出变量为U。这样就为过热度控制系统选定了一个双输入、单输出结构的模糊控制器。这样的模糊控制器具有PD控制规律,有利于保证系统得稳定性,减少响应过程的超调量以及削弱其振荡现象。
设偏差e的基本论域为E,求得偏差e的量化因子ke。其语言变量E选取7个语言值:{PB,PM,PS,O,NS,NM,NB}。总结操作者的实践经验,可确定在x上用以描述模糊子集PB,…,NB的隶属函数u(x)如图7所示,并据此建立语言变量E的赋值表如下所示。
偏差变化率EC赋值表。基于偏差e语言变量E的选取原理,选取偏差变化率的语言变量EC的论域Y,其语言变量EC选取7个语言值:{PB,PM,PS,O,NS,NM,NB}。
总结操作者的实践经验,可确定在x上用以描述模糊子集PB,…,NB的隶属函数u(x)并据此建立语言变量EC的赋值表。
输出语言变量U赋值表。基于上述编制语言变量E、EC赋值表,可选定U的论域Z,其语言变量U选取7个语言值:{PB,PM,PS,O,NS,NM,NB}。
总结操作者的实践经验,可确定在x上用以描述模糊子集PB,…,NB的隶属函数u(x)并据此建立语言变量U的赋值表。
根据操作者手动控制的总结,得出49条模糊语句构成的控制规则。这些规则对于双输入单输出的模糊控制器,通常采用以下形式,如
if E and EC then U
表示为
if E=PB and EC=NB then U=PB
它代表了操作者这样的经验,即如果过热度偏差很大并且具有很小的下降趋势,则电子膨胀阀的开度应取很大。将类似以上形式的49条控制规则制成一个表,这个表为反映压缩机吸气过热度控制的模糊控制表。每一条规则都决定一个模糊关系,它们一共有49个,其中R1、R2、R48、R49分别为:
R1=[(PB)E×(PB)EC]T×(PB)U
R2=[(PB)E×(PM)EC]T×(PB)U
R48=[(NB)E×(O)EC]T×(NB)U
R49=[(NB)E×(NS)EC]T×(NB)U
通过49个模糊关系,Ri(i=1,2,…,49)的“并”运算,可获取表征压缩机吸气过热度控制系统控制规则的总的控制关系R,即
根据上述论述计算出R后,利用推理合成规则计算:
考虑E和EC中所有的元素(E为13个,EC为13个)在某所对应的论域上的独立点模糊集Ei和ECj,便可求得输出语言变量U的模糊子集Uij,Uij有13×13=169个模糊子集合,应用最大隶属度法对此模糊集合进行模糊判决,并以偏差E的论域元素为行,偏差变化率EC的论域元素为列,两种元素相应的交点为输出量U制成表,此表为查询表。
在实际控制中,只要在每一个控制周期中,将采集到的实测偏差e(k)(k=1,2,…)和计算得到的偏差变化率分别乘以量化因子ke和取得以相应论域元素表征的查找查询表所需的ei和èj后,通过查上表相应的行和列即可输出所需的控制量变化uij,再乘以比例因子ku,便是加到被控过程的实际控制量变化值。
上述数路模糊控制算法同时计算,计算得到的控制量变化值作为单神经元控制算法的输入量:过热度x1(k),过冷度x2(k),压比x3(k)。w1(k)w2(k)w3(k)为神经元权系数。u(k)为控制器输出量。
w1(k)=w1(k-1)+η1z1(k)u(k)x1(k)
w2(k)=w2(k-1)+η2z2(k)u(k)x2(k)
w3(k)=w3(k-1)+η3z3(k)u(k)x3(k)
式中η1η2η3为权学习率,z(k)为教师信号,z1(k)=e1(k)z2(k)=e2(k)z3(k)=e3(k)
上式中对w1(k)做加权处理是为了保证神经元算法的收敛性。
本实施例为空气源建筑独立供能系统机组形式,在图1中,电子膨胀阀多目标联合智能控制系统,包括数据采集装置,控制器(本实施例采用可编程控制器PLC),执行器和存在于控制器中的控制算法。本实施例控制系统工作过程描述如下:制冷空调热泵系统稳定运行过程中,发动机转速稳定在1000r/min运行,其变化不大,前馈环节的输出值比较小,对系统的控制影响不大。系统设定的过热度为5℃、过冷度5℃、压缩机压比为10。系统采集的当前过热度为7℃、当前过冷度为6℃压缩机压比为10.5。那么,过热度的差值为2℃,过冷度的差值为1℃,压比的差值为0.5。将这些差值与其变化速度一起送入各自的模糊控制器里计算,得出相应的控制量分别为:12000,10500,8000(输出模拟量范围为-32000~32000)。单神经元经过自学习调整权值,最后得到其权值分别为0.5,0.3,0.2。各个控制量经过单神经元计算后的唯一输出控制量为10800。将本控制量与前馈量(因稳定状态运行,前馈量基本为零)相加后,送入电子膨胀阀驱动器驱动电子膨胀阀运行。当制冷空调热泵系统的发动机转速从1000r/min,提高到2000r/min运行。由于转速刚刚提高,系统的过热度、过冷度、压缩机压比等变化量不是很大,此时的单神经元输出值增加到11000.但是此时转速增加较多,系统势必会发生较大的状态变化,系统参数势必发生剧烈变化。根据制冷空调热泵系统的专业知识可知,发动机转速增加,电子膨胀阀开度应该同比增加。本控制算法采用比例算法,即将发动机转速比例放大或者缩小来提供前馈值。本例中发动机转速增加1000r/min,其与比例系数5相乘,得出输出量为5000。与10800相加后得15800为最终的控制输出量。把这个控制量送入到电子膨胀阀的驱动器中驱动电子膨胀阀运行。当发动机转速从2000r/min降到1000r/min时,由于转速刚刚降低,系统的过热度、过冷度、压缩机压比等变化量不是很大,此时的单神经元输出值比稳态的减少不多,减少到-10000.但是此时转速减少较多,系统势必会发生较大的状态变化,系统参数势必发生剧烈变化。根据制冷空调热泵系统的专业知识可知,发动机转速减少,电子膨胀阀开度应该同比减少。本控制算法采用比例算法,即将发动机转速比例放大或者缩小来提供前馈值。本例中发动机转速减少1000r/min,其与比例系数5相乘,得出输出量为-5000。与-10000相加后得-15000为最终的控制输出量。把这个控制量送入到电子膨胀阀的驱动器中驱动电子膨胀阀运行。
Claims (3)
1.一种制冷空调热泵系统电子膨胀阀多目标智能控制方法,包括下列步骤:
(1)确定受电子膨胀阀影响的两个或两个以上的受控参数;
(2)对各个受控参数给定设定值,并进行实时检测;
(3)对每个受控参数,将检测值与设定值相比较,计算偏差和偏差变化率,然后进行模糊处理,产生各自的电子膨胀阀控制量;
(4)以步骤(3)计算得到各个电子膨胀阀控制量作为神经网络控制器的输入层,通过单神经元神经网络训练,得到各个受控参数的开度权值;
(5)根据实时检测的各个受控参数值,得到电子膨胀阀的反馈控制量。
2.根据权利要求1所述的电子膨胀阀多目标智能控制方法,其特征在于,步骤(1)所确定的参数为过热度、过冷度和压缩机压比。
3.根据权利要求1所述的电子膨胀阀多目标智能控制方法,其特征在于,步骤(3)中,对每个模糊处理,模糊控制器的输入语言变量取为偏差及偏差变化率,输出语言变量为电子膨胀阀控制量,令这三个语言变量的模糊集合论域的量化因子及比例因子依控制要求变化的基本论域而定,确定隶属函数,根据受控参数与电子膨胀阀开度的联系建立模糊控制规则,对于给定的模糊控制输入语言变量论域上的模糊集,利用推理合成规则完成对输出语言变量论域上的模糊集合的模糊推理,以偏差的论域元素为行,偏差变化率的论域元素为列,两种元素相应的交点为输出量U制成查询表;对于每一个控制周期中,将偏差和计算得到的偏差变化率分别乘以各自的量化因子,取得以相应论域元素表征的查找查询表所需的i行的偏差和j列的偏差变化率后,通过查找查询表相应的行和列即可输出所需的控制量变化,再乘以比例因子,即得到电子膨胀阀的反馈控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101538270A CN101498534A (zh) | 2008-12-08 | 2008-12-08 | 制冷空调热泵系统电子膨胀阀多目标智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101538270A CN101498534A (zh) | 2008-12-08 | 2008-12-08 | 制冷空调热泵系统电子膨胀阀多目标智能控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101498534A true CN101498534A (zh) | 2009-08-05 |
Family
ID=40945715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101538270A Pending CN101498534A (zh) | 2008-12-08 | 2008-12-08 | 制冷空调热泵系统电子膨胀阀多目标智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101498534A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102467135A (zh) * | 2010-11-09 | 2012-05-23 | 财团法人工业技术研究院 | 满液式蒸发器冷媒液位控制方法 |
CN103020481A (zh) * | 2012-12-29 | 2013-04-03 | 杭州电子科技大学 | 一种基于节能的确定空气源热泵地暖最佳运行工况的方法 |
CN103064285A (zh) * | 2012-12-29 | 2013-04-24 | 杭州电子科技大学 | 一种基于模型的热泵供暖多目标优化控制方法 |
CN103558756A (zh) * | 2013-11-19 | 2014-02-05 | 福州大学 | 基于组态元件的单神经元pid控制器的实现方法 |
CN103743174A (zh) * | 2013-12-26 | 2014-04-23 | 柳州职业技术学院 | 基于神经网络的车用空调控制系统方法 |
CN103868290A (zh) * | 2014-02-26 | 2014-06-18 | 大连冰山嘉德自动化有限公司 | 基于制冷能效比和过热度控制电子膨胀阀的方法 |
CN104019520A (zh) * | 2014-05-20 | 2014-09-03 | 天津大学 | 基于spsa的制冷系统最小能耗的数据驱动控制方法 |
CN104132432A (zh) * | 2014-08-22 | 2014-11-05 | 四川长虹空调有限公司 | 电子膨胀阀逼近式控制方法 |
CN104406272A (zh) * | 2014-11-25 | 2015-03-11 | 珠海格力电器股份有限公司 | 一种空调控制方法 |
CN105157292A (zh) * | 2015-07-06 | 2015-12-16 | 重庆美的通用制冷设备有限公司 | 风冷螺杆机组的电子膨胀阀控制方法和装置 |
CN106403334A (zh) * | 2016-09-13 | 2017-02-15 | 克莱门特捷联制冷设备(上海)有限公司 | 能优化控制冷水机组的压力比的制冷系统 |
CN106839546A (zh) * | 2017-01-24 | 2017-06-13 | 深圳市冰润冷链科技有限公司 | 变容量调节热力学逆循环系统过热度控制方法 |
CN106931559A (zh) * | 2017-03-31 | 2017-07-07 | 江苏万全科技有限公司 | 多功能空气净化器 |
CN107388809A (zh) * | 2017-06-14 | 2017-11-24 | 楚天科技股份有限公司 | 一种烘箱层流风压平衡控制方法及控制装置 |
CN108333918A (zh) * | 2018-01-29 | 2018-07-27 | 江苏拓米洛环境试验设备有限公司 | 电子膨胀阀动态刹车控制方法 |
CN108375237A (zh) * | 2018-02-28 | 2018-08-07 | 四川长虹空调有限公司 | 一种空调系统及经济器电子膨胀阀控制方法 |
CN108444201A (zh) * | 2018-02-09 | 2018-08-24 | 东南大学 | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 |
CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
CN109143870A (zh) * | 2018-10-23 | 2019-01-04 | 宁波溪棠信息科技有限公司 | 一种多目标任务的控制方法 |
CN109798626A (zh) * | 2019-01-07 | 2019-05-24 | 广东美的暖通设备有限公司 | 外机换热器的电子膨胀阀的控制方法和装置 |
CN110567093A (zh) * | 2019-09-26 | 2019-12-13 | 上海朗绿建筑科技股份有限公司 | 一种应用于空气处理机组的过冷度控制方法和系统 |
CN110726232A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调器设备 |
CN110849051A (zh) * | 2019-12-02 | 2020-02-28 | 江苏拓米洛环境试验设备有限公司 | 一种制冷系统过热度控制方法及装置 |
CN111649441A (zh) * | 2020-05-28 | 2020-09-11 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀控制方法、控制装置、空调器及存储介质 |
CN111878964A (zh) * | 2020-07-27 | 2020-11-03 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀的控制方法、装置、空调器及存储介质 |
CN113418275A (zh) * | 2021-05-13 | 2021-09-21 | 青岛海尔空调电子有限公司 | 多联机中内机电子膨胀阀的控制方法 |
CN113654143A (zh) * | 2021-08-18 | 2021-11-16 | 四川省建筑科学研究院有限公司 | 一种基于神经网络的空调水系统泵阀联动控制方法 |
CN114021461A (zh) * | 2021-11-04 | 2022-02-08 | 浙大城市学院 | 基于XGBoost的电子膨胀阀质量流量特性预测方法 |
CN114199963A (zh) * | 2021-12-15 | 2022-03-18 | 福州大学 | 一种可实现多种电化学检测方法的现场检测装置 |
CN114322383A (zh) * | 2021-12-29 | 2022-04-12 | 南京楷德悠云数据有限公司 | 用于机房空调电子膨胀阀的变周期多区间的模糊控制方法 |
CN115727579A (zh) * | 2022-11-28 | 2023-03-03 | 江苏拓米洛环境试验设备有限公司 | 制冷系统的控制方法及装置 |
-
2008
- 2008-12-08 CN CNA2008101538270A patent/CN101498534A/zh active Pending
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102467135B (zh) * | 2010-11-09 | 2013-06-05 | 财团法人工业技术研究院 | 满液式蒸发器冷媒液位控制方法 |
CN102467135A (zh) * | 2010-11-09 | 2012-05-23 | 财团法人工业技术研究院 | 满液式蒸发器冷媒液位控制方法 |
CN103064285B (zh) * | 2012-12-29 | 2015-08-26 | 杭州电子科技大学 | 一种基于模型的热泵供暖多目标优化控制方法 |
CN103020481A (zh) * | 2012-12-29 | 2013-04-03 | 杭州电子科技大学 | 一种基于节能的确定空气源热泵地暖最佳运行工况的方法 |
CN103064285A (zh) * | 2012-12-29 | 2013-04-24 | 杭州电子科技大学 | 一种基于模型的热泵供暖多目标优化控制方法 |
CN103020481B (zh) * | 2012-12-29 | 2016-03-30 | 杭州电子科技大学 | 一种基于节能的确定空气源热泵地暖最佳运行工况的方法 |
CN103558756A (zh) * | 2013-11-19 | 2014-02-05 | 福州大学 | 基于组态元件的单神经元pid控制器的实现方法 |
CN103558756B (zh) * | 2013-11-19 | 2016-08-03 | 福州大学 | 基于组态元件的单神经元pid控制器的实现方法 |
CN103743174A (zh) * | 2013-12-26 | 2014-04-23 | 柳州职业技术学院 | 基于神经网络的车用空调控制系统方法 |
CN103868290A (zh) * | 2014-02-26 | 2014-06-18 | 大连冰山嘉德自动化有限公司 | 基于制冷能效比和过热度控制电子膨胀阀的方法 |
CN103868290B (zh) * | 2014-02-26 | 2016-05-18 | 大连冰山嘉德自动化有限公司 | 基于制冷能效比和过热度控制电子膨胀阀的方法 |
CN104019520A (zh) * | 2014-05-20 | 2014-09-03 | 天津大学 | 基于spsa的制冷系统最小能耗的数据驱动控制方法 |
CN104132432A (zh) * | 2014-08-22 | 2014-11-05 | 四川长虹空调有限公司 | 电子膨胀阀逼近式控制方法 |
CN104132432B (zh) * | 2014-08-22 | 2016-06-29 | 四川长虹空调有限公司 | 电子膨胀阀逼近式控制方法 |
CN104406272A (zh) * | 2014-11-25 | 2015-03-11 | 珠海格力电器股份有限公司 | 一种空调控制方法 |
CN104406272B (zh) * | 2014-11-25 | 2017-09-15 | 珠海格力电器股份有限公司 | 一种空调控制方法 |
CN105157292B (zh) * | 2015-07-06 | 2017-08-29 | 重庆美的通用制冷设备有限公司 | 风冷螺杆机组的电子膨胀阀控制方法和装置 |
CN105157292A (zh) * | 2015-07-06 | 2015-12-16 | 重庆美的通用制冷设备有限公司 | 风冷螺杆机组的电子膨胀阀控制方法和装置 |
CN106403334A (zh) * | 2016-09-13 | 2017-02-15 | 克莱门特捷联制冷设备(上海)有限公司 | 能优化控制冷水机组的压力比的制冷系统 |
CN106839546A (zh) * | 2017-01-24 | 2017-06-13 | 深圳市冰润冷链科技有限公司 | 变容量调节热力学逆循环系统过热度控制方法 |
CN106839546B (zh) * | 2017-01-24 | 2019-09-03 | 深圳市冰润冷链科技有限公司 | 变容量调节热力学逆循环系统过热度控制方法 |
CN106931559A (zh) * | 2017-03-31 | 2017-07-07 | 江苏万全科技有限公司 | 多功能空气净化器 |
CN107388809A (zh) * | 2017-06-14 | 2017-11-24 | 楚天科技股份有限公司 | 一种烘箱层流风压平衡控制方法及控制装置 |
CN108333918A (zh) * | 2018-01-29 | 2018-07-27 | 江苏拓米洛环境试验设备有限公司 | 电子膨胀阀动态刹车控制方法 |
CN108444201A (zh) * | 2018-02-09 | 2018-08-24 | 东南大学 | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 |
CN108444201B (zh) * | 2018-02-09 | 2020-09-11 | 东南大学 | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 |
CN108375237A (zh) * | 2018-02-28 | 2018-08-07 | 四川长虹空调有限公司 | 一种空调系统及经济器电子膨胀阀控制方法 |
CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
CN108895618B (zh) * | 2018-09-30 | 2021-11-26 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
CN109143870B (zh) * | 2018-10-23 | 2021-08-06 | 宁波溪棠信息科技有限公司 | 一种多目标任务的控制方法 |
CN109143870A (zh) * | 2018-10-23 | 2019-01-04 | 宁波溪棠信息科技有限公司 | 一种多目标任务的控制方法 |
CN109798626A (zh) * | 2019-01-07 | 2019-05-24 | 广东美的暖通设备有限公司 | 外机换热器的电子膨胀阀的控制方法和装置 |
CN110567093A (zh) * | 2019-09-26 | 2019-12-13 | 上海朗绿建筑科技股份有限公司 | 一种应用于空气处理机组的过冷度控制方法和系统 |
CN110726232A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调器设备 |
CN110849051B (zh) * | 2019-12-02 | 2021-12-07 | 江苏拓米洛环境试验设备有限公司 | 一种制冷系统过热度控制方法及装置 |
CN110849051A (zh) * | 2019-12-02 | 2020-02-28 | 江苏拓米洛环境试验设备有限公司 | 一种制冷系统过热度控制方法及装置 |
CN111649441A (zh) * | 2020-05-28 | 2020-09-11 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀控制方法、控制装置、空调器及存储介质 |
CN111649441B (zh) * | 2020-05-28 | 2021-06-25 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀控制方法、控制装置、空调器及存储介质 |
CN111878964B (zh) * | 2020-07-27 | 2022-02-08 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀的控制方法、装置、空调器及存储介质 |
CN111878964A (zh) * | 2020-07-27 | 2020-11-03 | 宁波奥克斯电气股份有限公司 | 一种电子膨胀阀的控制方法、装置、空调器及存储介质 |
CN113418275A (zh) * | 2021-05-13 | 2021-09-21 | 青岛海尔空调电子有限公司 | 多联机中内机电子膨胀阀的控制方法 |
CN113654143A (zh) * | 2021-08-18 | 2021-11-16 | 四川省建筑科学研究院有限公司 | 一种基于神经网络的空调水系统泵阀联动控制方法 |
CN114021461A (zh) * | 2021-11-04 | 2022-02-08 | 浙大城市学院 | 基于XGBoost的电子膨胀阀质量流量特性预测方法 |
CN114199963A (zh) * | 2021-12-15 | 2022-03-18 | 福州大学 | 一种可实现多种电化学检测方法的现场检测装置 |
CN114199963B (zh) * | 2021-12-15 | 2023-08-04 | 福州大学 | 一种可实现多种电化学检测方法的现场检测装置 |
CN114322383A (zh) * | 2021-12-29 | 2022-04-12 | 南京楷德悠云数据有限公司 | 用于机房空调电子膨胀阀的变周期多区间的模糊控制方法 |
CN115727579A (zh) * | 2022-11-28 | 2023-03-03 | 江苏拓米洛环境试验设备有限公司 | 制冷系统的控制方法及装置 |
CN115727579B (zh) * | 2022-11-28 | 2023-09-29 | 江苏拓米洛高端装备股份有限公司 | 制冷系统的控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101498534A (zh) | 制冷空调热泵系统电子膨胀阀多目标智能控制方法 | |
CN109270842B (zh) | 一种基于贝叶斯网络的区域供热模型预测控制系统及方法 | |
CN101392939A (zh) | 一种建筑物独立供能温度非线性预测控制方法 | |
CN104154635A (zh) | 基于模糊pid与预测控制算法的变风量室温控制方法 | |
CN104833154B (zh) | 基于模糊pid与神经内模的冷冻水回路控制方法 | |
CN108895618B (zh) | 基于神经网络的空调控制方法 | |
CN104534627A (zh) | 中央空调冷却水系统综合能效控制方法 | |
Rojas et al. | Adaptive fuzzy controller: Application to the control of the temperature of a dynamic room in real time | |
CN105843037A (zh) | 基于q学习的智能楼宇温度控制方法 | |
CN113253779A (zh) | 一种基于粒子群模糊pid算法的热泵温度控制系统 | |
CN110928215B (zh) | 一种油田掺水管网智能控制系统及控制方法 | |
Gouadria et al. | Comparison between self-tuning fuzzy PID and classic PID controllers for greenhouse system | |
Li et al. | Design and application of intelligent control system for greenhouse environment | |
CN105911865A (zh) | 一种pid控制器的控制方法 | |
CN112180733B (zh) | 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法 | |
Zhang et al. | Differential pressure reset strategy based on reinforcement learning for chilled water systems | |
Souran et al. | Comparative study between tank’s water level control using PID and fuzzy logic controller | |
CN109974360B (zh) | 一种基于果蝇算法的制冷系统温度优化控制方法 | |
Yu et al. | A Knowledge-based reinforcement learning control approach using deep Q network for cooling tower in HVAC systems | |
Xing et al. | Self-tuning fuzzy PID controller for temperature control in variable air volume air conditioning systems | |
Ursu et al. | Intelligent control of HVAC systems. Part I: Modeling and synthesis | |
Guolian et al. | Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant | |
Groumpos et al. | New advanced technology methods for energy efficiency of buildings | |
Xing et al. | Fuzzy-PID controller with variable integral parameter for temperature control in variable air volume air conditioning systems | |
Burger et al. | ARX model of a residential heating system with backpropagation parameter estimation algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20090805 |