CN104019526B - 改进pso算法模糊自适应pid温湿度控制系统及方法 - Google Patents
改进pso算法模糊自适应pid温湿度控制系统及方法 Download PDFInfo
- Publication number
- CN104019526B CN104019526B CN201410287520.5A CN201410287520A CN104019526B CN 104019526 B CN104019526 B CN 104019526B CN 201410287520 A CN201410287520 A CN 201410287520A CN 104019526 B CN104019526 B CN 104019526B
- Authority
- CN
- China
- Prior art keywords
- pid
- particle
- fuzzy
- control
- value
- 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.)
- Expired - Fee Related
Links
Landscapes
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种改进PSO算法模糊自适应PID温湿度控制方法,包括以下步骤:S01,获取采集量偏差、采集量偏差变化率;S02,采集量偏差、采集量偏差变化率模糊化;S03,模糊推理及反模糊化; S04,基于改进PSO算法迭代获取PID的参数的初始值;S05,基于步骤S04获取的优化后的模糊自适应PID的参数对风机变频器进行模糊自适应PID控制,控制风机变频器的频率、冷却水三通阀和加湿阀的开度。本发明在基本PSO算法基础上引入粒子的自身因素和社会因素,使其更加快速准确的找到最优PID初始参数值;再结合模糊控制与传统PID控制,使得系统更好的对室内温湿度进行实时在线监控及优化。
Description
技术领域
本发明涉及一种室内温湿度控制方法,尤其是涉及一种基于改进PSO算法的模糊自适应PID室内温湿度控制系统及控制方法。
背景技术
近年来,央空调系统的应用日益广泛,人们对中央空调的性能也提出了更高的要求,如空调的舒适性、节能性等,因此,仅仅单一考虑温度或湿度的控制,是无法满足人对环境舒适度的要求。再者,中央空调系统是一个复杂系统,其能耗占整个建筑能耗的50%以上,是耗能大户,目前的控制方式一般都采用传统的PID控制算法,其控制效果并不令人满意,在系统的控制精度、稳定性和可靠性等性能方面,难以满足用户的需求,因此,寻求一个高效的节能控制系统是十分必要的。
中央空调系统是一个具有时滞、时变、非线性和大惰性的复杂系统,虽然传统的PID控制是一种原理简单、适应性强、鲁棒性好的控制算法,但是对于复杂的系统,其是难以保证系统控制始终处于优化状态和良好的品质特征。例如专利CN203396032公开了一种本实用新型公开了一种基于模糊自适应PID的室温控制装置,包括温度传感器、风量传感器、模糊自适应PID控制器装置、送风风机、变频器、末端风阀;本实用新型响应速度加快,超调量明显减小,在线参数自整定能力强,具有较好的抗干扰性和较强的自适应能力,同时能在房间部分负荷运行条件下降低风机的能耗,具有较好的节能效果。但是在现有技术中,对环境的控制仅仅考虑了温度对人体的影响,这不足以满足人对环境舒适度的要求,因此,需要考虑环境湿度对人体的影响,只有同时满足了人对环境温湿度的要求,才能够满足人对环境的舒适度要求;再者,虽然现有技术已经具有较好的节能效果,但是,在现有技术中,对环境的控制仅仅考虑了温度对人体的影响,这不足以满足人对环境舒适度的要求,因此,需要考虑环境湿度对人体的影响,只有同时满足了人对环境温湿度的要求,才能够满足人对环境的舒适度要求;再者,虽然现有技术已经具有较好的节能效果,但是,仍需寻求一个更加节能更加迅速的控制方法。
经过长时间的试验和测试发现,模糊控制不需要被控对象的精确描述,能够解决非线性、时间滞后等问题。同时,长期的试验发现,粒子群优化算法(PSO算法)作为一种新兴的群体智能进化算法,运算速度快、全局搜索能力强。为此,本发明在标准PSO算法的基础上,对PSO算法进行改进,并将其和模糊控制以及传统PID控制相结合,设计了一种针对室内温湿度的新的模糊自适应PID控制方法。
发明内容
发明目的:本发明的目的主要在于,针对空调系统室内环境及空调系统自身的复杂性,提出了一种调节精度较高、调节迅速、超调小、具有一定可行性的基于改进PSO算法的模糊自适应PID室内温度控制方法。本发明所要解决的技术问题是,实时监测室内环境的温湿度,并将其传递给模糊自适应控制器,再结合改进PSO算法优化得到的PID初始参数值,经过分析计算得到相应的控制量,将控制量应用到相应的执行机构上,从而更加快速有效的达到实时在线控制系统室内温湿度,满足人对环境舒适度要求的目的。
为了实现上述目的及解决其技术问题,本发明采用以下技术方案来实现:
改进PSO算法模糊自适应PID室内温湿度控制系统,包括传感器装置、控制装置和执行机构。
传感器装置包括温度传感器、湿度传感器、风量传感器和流量传感器;
控制装置包括控制计算机、可编程逻辑控制器PLC、通信模块和转换模块,控制计算机用于实时在线监测系统输入量和输出量;可编程逻辑控制器PLC包括三个改进PSO算法模糊自适应PID控制器,三个改进PSO算法模糊自适应PID控制器分别为第一PID控制器、第二PID控制器、第三PID控制器;第一PID控制器、第二PID控制器、第三PID控制器分别用于控制加湿阀、风机变频器和冷却水三通阀;
转换模块包括第一转换模块、第二转换模块和第三转换模块;传感器装置通过第一转换模块与可编程逻辑控制器PLC相连接,可编程逻辑控制器PLC通过第二转换模块与加湿阀相连接,可编程逻辑控制器PLC通过第三转换模块与风机变频器和冷却水三通阀相连接。
控制计算机、通信模块、可编程逻辑控制器PLC依次顺序连接。
控制计算机通过RS232串口、串行通信总线与通信模块连接。
传感器装置包括温度传感器、湿度传感器、风量传感器和流量传感器,分别用于实时采集室内温度、湿度、送人房间的风量和冷却水及冷冻水的流量;控制装置,包括控制计算机、可编程逻辑控制器PLC以及相关的通信模块和转换模块,控制计算机用于实时在线监测系统输入量和输出量;可编程逻辑控制器PLC包括三个改进PSO算法模糊自适应PID控制器,分别用于控制加湿阀、风机变频器及冷却(冻)水三通阀;执行机构,包括加湿阀、风机变频器及冷却(冻)水三通阀,分别用于控制加湿器、送风风机和冷却盘管。
控制计算机对空调房间温湿度输入量和控制输出量进行实时在线监测,并将所采集到的各种工况下的输入输出参数进行整合,形成相关的参数数据库,进而能够通过对实时工况的反馈直接通过调用数据库的控制参数值对控制对象进行迅速的控制调节。
控制计算机通过RS232串口及串行通信总线与通信模块连接;通信模块再与可编程逻辑控制器连接。温度传感器、湿度传感器、风量传感器和流量传感器可通过第一转换模块进行模/数转换,而后再与可编程逻辑控制器PLC相连接。
湿度改进PSO算法模糊自适应PID控制器发出的控制信号经过第二转换模块进行数/模转换后加湿阀进行控制,调节加湿阀开度以便于控制加湿器,从而调节送风湿度;变频器改进PSO算法模糊自适应PID控制器发出的控制信号经过第三转换模块进行数/模及数/数转换后对变频器进行控制,进而调节送风风机的转速以调节送风量,从而达到控制室温的目的。
温度改进PSO算法模糊自适应PID控制器发出的控制信号经过第三转换模块进行数/模转换后对冷却(冻)水三通阀进行控制,从而控制冷却(冻)水流量,进而控制冷却盘管的制冷量来控制送风温度,以便达到控制室内温度的目的。
改进PSO算法模糊自适应PID温湿度控制方法,包括以下步骤:
S01,获取采集量偏差、采集量偏差变化率:设定采集量调节限定值W,传感器获取室内数据采集量W0,W和W0发送给可编程逻辑控制器PLC,通过W与W0比较,计算出采集量偏差e,以时间为变量对温度偏差e求导,获取温度偏差变化率ec;如果采集量偏差e大于或者等于预设定的偏差门限值,则进入步骤S02,否则,不进行PID温湿度控制;
S02,采集量偏差、采集量偏差变化率模糊化:根据步骤S01计算获取的采集量偏差e、采集量偏差变化率ec,依据模糊算法获取采集量偏差模糊量E、采集量偏差变化率模糊量EC;
S03,模糊推理及反模糊化:依据采集量偏差模糊量E、采集量偏差变化率模糊量EC,在模糊规则库中查表获取模糊控制量,依据所述模糊控制量,进行反模糊化计算得出输出量,获取PID的三个参数变化值
S04,基于改进PSO算法迭代获取PID的三个参数的初始值依据所述PID的三个参数的初始值和PID的三个参数变化值优化模糊自适应PID的参数KP、KI、KD;
模糊自适应PID的参数KP、KI、KD的计算公式为式(1):
其中
S05,基于步骤S04获取的优化后的模糊自适应PID的参数KP、KI、KD对风机变频器进行模糊自适应PID控制,控制风机变频器的频率、冷却水三通阀和加湿阀的开度。
步骤S04所述基于改进PSO算法迭代获取PID的三个参数的初始值 具体包括以下步骤:
(a)、引入粒子自身因素和社会因素:
在基本PSO算法的基础上,通过增加函数值和引入粒子自身因素和社会因素,所述为函数值小于1的线性递减函数,能够让群体在进化初期考虑粒子自身的因素,使得粒子的搜索能力能够获取合适的种子;所述为函数值小于1的线性递增函数,能够让群体在进化后期考虑社会共享信息,使得粒子具有开发能力以加快算法的收敛速度;本步骤在基本PSO算法的基础上,考虑粒子自身因素和社会因素在进化过程中所起的作用不同,增加了两个函数值和
(b)、建立粒子速度、位置进化模型:
选取公式(2)和公式(3)作为改进PSO算法的粒子速度、位置进化方程,
vij(t+1)=φ1[vij(t)+c1r1(pij(t)-xij(t))]+φ2r2c2(pgj(t)-xij(t)) 式(2)
xij(t+1)=xij(t)+vij(t+1) 式(3)
其中:i表示第i个粒子,j表示第j维,xij(t)为t时刻粒子的位置;vij(t)为t时刻粒子的速度;c1、c2为(0,1)之间两个独立的随机函数;r1为认知系数,r2为社会学习系数,r1和r2取值在(0,2)之间;pij(t)为粒子i在t时刻前所经历的最好位置;pgj(t)为第t次迭代前第j维的全局最优值,j=1,2,3;t为进化代数,t=0,1,2…tmax,tmax为最大截止代数;η为(0,1)之间的系数;
(c)初始化改进后的PSO算法参数值:
设在n维空间内,群体内粒子的个数为m;设定群体的最大截止代数tmax;设定系数η的取值;
对任意的i,j,如果在[-Xmax,Xmax]内服从均匀分布产生xij(0),所述xij(0)为粒子的初始位置,i表示第i个粒子,j表示第j维,Xmax表示粒子的最大位置;
对任意的i,j,在[-Xmax,Xmax]内服从均匀分布产生vij(0),所述vij(0)为粒子的初始速度;
对于第一次PSO算法计算,参数未进行迭代,t=0,计算未进行迭代初次控制的第i粒子的适应值Ji(0),将第i粒子最优适应值设为Jibest,第i粒子最优适应值Jibest对应的位置为Pij(0),初始化公式(2)中的Pij(t);Ji(0)表示第一次PSO算法计算,参数未进行迭代时,第i粒子的适应值;
比较种群中所有粒子的适应值,得出全局粒子的最优适应值Jgbest,所述全局粒子的最优适应值Jgbest对应的位置即为Pgj(0),初始化公式(3)中的Pgj(t);
(d)、进入进化代,对于每个粒子i,计算其适应值Ji:
采用能衡量系统调节品质的平方偏差积分函数:
公式(4)中的t不表示进代数(迭代次数),表示的是对自变量为t的e(t)函数的积分,其中e(t)=W-W0(t),W0(t)为步骤S01数据采集量W0随时间变化的函数关系生成式;本步骤基于单位阶跃响应通过仿真运算得到ISE,求出粒子的适应值Ji;
(e)、对每个粒子,计算个体最优值Pij(t)和全局最优值Pgj(t):
如果Ji<Jibest,则Jibest=Ji,Pij(t)=Xij(t);
如果Ji<Jgbest,则Jgbest=Ji,Pgj(t)=Xij(t);
Jibest为第i粒子最优适应值,Jgbest为全局粒子的最优适应值;
其中Pij(t)为粒子i经历过的最好位置,Pgj(t)为所有粒子经历过的历史最好位置;
(f)利用式(2)、(3)更新每个粒子的速度与位置:
将步骤(e)获取的Pij(t)和Pgj(t)带入公式(2),当j为1、2、3时计算出本次进化代的vi1(t+1)、vi2(t+1)、vi3(t+1),本发明粒子为三维,j为1、2、3,vi1(t+1)、vi2(t+1)、vi3(t+1)代表PID控制器的3个参数的速度变化情况;通过公式(3)计算获取Xi1(t+1)、Xi2(t+1)、Xi3(t+1),则Xi1(t+1)、Xi2(t+1)、Xi3(t+1)代表PID控制器3个参数的位置,Xi1(t+1)、Xi2(t+1)、Xi3(t+1)即表示PID三个初始参数值和
(g)判断是否到达最大截止代数(判断迭代次数是否到达最大迭代次数),如果t≤tmax,返回步骤(d),否则,本次PSO算法结束,将最后一次进代所获取的和与步骤S03获取的带入公式(1),计算出PID控制参数KP、KI、KD,将所述PID控制参数KP、KI、KD送入PID控制中,作为所述风机变频器、冷却水三通阀和加湿阀进行模糊自适应PID控制的控制参数。
采集量包括温度采集量和湿度采集量,所述采集量偏差包括温度偏差和湿度偏差,所述采集量偏差变化率包括温度偏差变化率和湿度偏差变化率。
温度采集量、温度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制风机变频器的频率和冷却水三通阀;所述湿度采集量和湿度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制加湿阀的开度。
本发明的技术方案有益效果包括:考虑室内温湿度对环境舒适度的影响,设计了一种同时控制室内温湿度的方法,充分满足人对环境舒适度的要求。采用的控制方法,结合PSO算法和模糊控制算法以及传统的PID控制各自优势,发明了一种改进PSO算法模糊自适应PID控制方法。改进PSO算法考虑到基本PSO算法中粒子的自身因素和社会因素在进化过程中起着非常重要的作用,进而在基本PSO算法基础上引入粒子自身因素和社会因素,使其更加快速准确的找到最优PID初始参数值;再结合模糊控制与传统PID控制,使得系统更好的对室内温湿度进行实时在线监控及优化。在对PID参数优化的双重作用下,系统的响应速度变得更快,超调量明显减少,在线参数自整定能力得到加强,具有更好的鲁棒性,从而获得更佳的控制效果。
进一步地,本发明改进PSO算法模糊自适应PID控制方法适于室内温度、湿度同时控制,使用相同的算法,对温度、湿度同步调节,相应速度快。
附图说明
图1为一种改进PSO算法模糊自适应PID室内温湿度控制系统的示意图;
图2为空调系统的室内温湿度控制示意图;
图3为改进PSO算法流程图;
图4为模糊自适应PID控制原理图;
图5为改进PSO算法模糊自适应PID室内温湿度控制方法的控制流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,改进PSO算法模糊自适应PID室内温湿度控制系统,包括传感器装置、控制装置和执行机构。
传感器装置包括温度传感器、湿度传感器、风量传感器和流量传感器;
控制装置包括控制计算机、可编程逻辑控制器PLC、通信模块和转换模块,控制计算机用于实时在线监测系统输入量和输出量;可编程逻辑控制器PLC包括三个改进PSO算法模糊自适应PID控制器,三个改进PSO算法模糊自适应PID控制器分别为第一PID控制器、第二PID控制器、第三PID控制器;第一PID控制器、第二PID控制器、第三PID控制器分别用于控制加湿阀、风机变频器和冷却水三通阀。
转换模块包括第一转换模块、第二转换模块和第三转换模块;传感器装置通过第一转换模块与可编程逻辑控制器PLC相连接,可编程逻辑控制器PLC通过第二转换模块与加湿阀相连接,可编程逻辑控制器PLC通过第三转换模块与风机变频器和冷却水三通阀相连接。
控制计算机、通信模块、可编程逻辑控制器PLC依次顺序连接。
控制计算机通过RS232串口、串行通信总线与通信模块连接。
传感器装置包括温度传感器、湿度传感器、风量传感器和流量传感器,分别用于实时采集室内温度、湿度、送人房间的风量和冷却水及冷冻水的流量;控制装置,包括控制计算机、可编程逻辑控制器PLC以及相关的通信模块和转换模块,控制计算机用于实时在线监测系统输入量和输出量;可编程逻辑控制器PLC包括三个改进PSO算法模糊自适应PID控制器,分别用于控制加湿阀、风机变频器及冷却(冻)水三通阀;执行机构,包括加湿阀、风机变频器及冷却(冻)水三通阀,分别用于控制加湿器、送风风机和冷却盘管。
控制计算机对空调房间温湿度输入量和控制输出量进行实时在线监测,并将所采集到的各种工况下的输入输出参数进行整合,形成相关的参数数据库,进而能够通过对实时工况的反馈直接通过调用数据库的控制参数值对控制对象进行迅速的控制调节。
控制计算机通过RS232串口及串行通信总线与通信模块连接;通信模块再与可编程逻辑控制器连接。温度传感器、湿度传感器、风量传感器和流量传感器可通过第一转换模块进行模/数转换,而后再与可编程逻辑控制器PLC相连接。
湿度改进PSO算法模糊自适应PID控制器发出的控制信号经过第二转换模块进行数/模转换后加湿阀进行控制,调节加湿阀开度以便于控制加湿器,从而调节送风湿度;变频器改进PSO算法模糊自适应PID控制器发出的控制信号经过第三转换模块进行数/模及数/数转换后对变频器进行控制,进而调节送风风机的转速以调节送风量,从而达到控制室温的目的;
温度改进PSO算法模糊自适应PID控制器发出的控制信号经过第三转换模块进行数/模转换后对冷却(冻)水三通阀进行控制,从而控制冷却(冻)水流量,进而控制冷却盘管的制冷量来控制送风温度,以便达到控制室内温度的目的。
如图4和图5所示,改进PSO算法模糊自适应PID温湿度控制方法,包括以下步骤:
S01,获取采集量偏差、采集量偏差变化率:设定采集量调节限定值W,传感器获取室内数据采集量W0,W和W0发送给可编程逻辑控制器PLC,通过W与W0比较,计算出采集量偏差e,以时间为变量对温度偏差e求导,获取温度偏差变化率ec;如果采集量偏差e大于或者等于预设定的偏差门限值,则进入步骤S02,否则,不进行PID温湿度控制;如图2所示,本步骤采集量偏差包括温度偏差和湿度偏差,通过温度传感器和湿度传感器获取数据采集量,则数据采集量包括温度数据和湿度数据,进而采集量偏差变化率包括温度偏差变化率和湿度偏差变化率,即本发明实现的是温湿度同时进行改进PSO算法模糊自适应PID控制,温度和湿度的改进PSO算法模糊自适应PID控制过程是相同的,只是获取的采集量、输出的数据和控制的对象不同,下述所有步骤的采集量控制过程均包括温度控制和湿度控制过程。
S02,采集量偏差、采集量偏差变化率模糊化:根据步骤S01计算获取的采集量偏差e、采集量偏差变化率ec,依据模糊算法获取采集量偏差模糊量E、采集量偏差变化率模糊量EC;
S03,模糊推理及反模糊化:依据采集量偏差模糊量E、采集量偏差变化率模糊量EC,在模糊规则库中查表获取模糊控制量,依据所述模糊控制量,进行反模糊化计算得出输出量,获取PID的三个参数变化值
S04,基于改进PSO算法迭代获取PID的三个参数的初始值依据所述PID的三个参数的初始值和PID的三个参数变化值优化模糊自适应PID的参数KP、KI、KD;
模糊自适应PID的参数KP、KI、KD的计算公式为式(1):
其中
S05,基于步骤S04获取的优化后的模糊自适应PID的参数KP、KI、KD对风机变频器进行模糊自适应PID控制,控制风机变频器的频率、冷却水三通阀和加湿阀的开度。
如图3所示,步骤S04所述基于改进PSO算法迭代获取PID的三个参数的初始值具体包括以下步骤:
(a)、引入粒子自身因素和社会因素:
在基本PSO算法的基础上,通过增加函数值和引入粒子自身因素和社会因素,所述为函数值小于1的线性递减函数,能够让群体在进化初期考虑粒子自身的因素,使得粒子的搜索能力能够获取合适的种子;所述为函数值小于1的线性递增函数,能够让群体在进化后期考虑社会共享信息,使得粒子具有开发能力以加快算法的收敛速度;本步骤在基本PSO算法的基础上,考虑粒子自身因素和社会因素在进化过程中所起的作用不同,增加了两个函数值和
(b)、建立粒子速度、位置进化模型:
选取公式(2)和公式(3)作为改进PSO算法的粒子速度、位置进化方程,
vij(t+1)=φ1[vij(t)+c1r1(pij(t)-xij(t))]+φ2r2c2(pgj(t)-xij(t)) 式(2)
xij(t+1)=xij(t)+vij(t+1) 式(3)
其中:i表示第i个粒子,j表示第j维,xij(t)为t时刻粒子的位置;vij(t)为t时刻粒子的速度;c1、c2为(0,1)之间两个独立的随机函数;r1为认知系数,r2为社会学习系数,r1和r2取值在(0,2)之间;pij(t)为粒子i在t时刻前所经历的最好位置;pgj(t)为第t次迭代前第j维的全局最优值,j=1,2,3;t为进化代数,t=0,1,2…tmax,tmax为最大截止代数;η为(0,1)之间的系数;
(c)初始化改进后的PSO算法参数值:
设在n维空间内,群体内粒子的个数为m;设定群体的最大截止代数tmax;设定系数η的取值。
对任意的i,j,如果在[-Xmax,Xmax]内服从均匀分布产生xij(0),所述xij(0)为粒子的初始位置,i表示第i个粒子,j表示第j维,Xmax表示粒子的最大位置;
对任意的i,j,在[-Xmax,Xmax]内服从均匀分布产生vij(0),所述vij(0)为粒子的初始速度;
对于第一次PSO算法计算,参数未进行迭代,t=0,计算未进行迭代初次控制的第i粒子的适应值Ji(0),将第i粒子最优适应值设为Jibest,第i粒子最优适应值Jibest对应的位置为Pij(0),初始化公式(2)中的Pij(t);Ji(0)表示第一次PSO算法计算,参数未进行迭代时,第i粒子的适应值;
比较种群中所有粒子的适应值,得出全局粒子的最优适应值Jgbest,所述全局粒子的最优适应值Jgbest对应的位置即为Pgj(0),初始化公式(3)中的Pgj(t);
(d)、进入进化代,对于每个粒子i,计算其适应值Ji:
采用能衡量系统调节品质的平方偏差积分函数:
公式(4)中的t不表示进代数(迭代次数),表示的是对自变量为t的e(t)函数的积分,其中e(t)=W-W0(t),W0(t)为步骤S01数据采集量W0随时间变化的函数关系生成式;本步骤基于单位阶跃响应通过仿真运算得到ISE,求出粒子的适应值Ji;
(e)、对每个粒子,计算个体最优值Pij(t)和全局最优值Pgj(t):
如果Ji<Jibest,则Jibest=Ji,Pij(t)=Xij(t);
如果Ji<Jgbest,则Jgbest=Ji,Pgj(t)=Xij(t);
Jibest为第i粒子最优适应值,Jgbest为全局粒子的最优适应值;
其中Pij(t)为粒子i经历过的最好位置,Pgj(t)为所有粒子经历过的历史最好位置;
(f)利用式(2)、(3)更新每个粒子的速度与位置:
将步骤(e)获取的Pij(t)和Pgj(t)带入公式(2),PID控制参数为三个,因此粒子为三维,当j为1、2、3时计算出本次进化代的vi1(t+1)、vi2(t+1)、vi3(t+1),vi1(t+1)、vi2(t+1)、vi3(t+1)代表PID控制器的3个参数的速度变化情况;通过公式(3)计算获取Xi1(t+1)、Xi2(t+1)、Xi3(t+1),则Xi1(t+1)、Xi2(t+1)、Xi3(t+1)代表PID控制器3个参数的位置,Xi1(t+1)、Xi2(t+1)、Xi3(t+1)即表示PID三个初始参数值和
(g)判断是否到达最大截止代数(判断迭代次数是否到达最大迭代次数),如果t≤tmax,返回步骤(d),否则,本次PSO算法结束,将最后一次进代所获取的和与步骤S03获取的带入公式(1),计算出PID控制参数KP、KI、KD,将所述PID控制参数KP、KI、KD送入PID控制中,作为所述风机变频器、冷却水三通阀和加湿阀进行模糊自适应PID控制的控制参数。
如图5所示,采集量包括温度采集量和湿度采集量,所述采集量偏差包括温度偏差和湿度偏差,采集量偏差变化率包括温度偏差变化率和湿度偏差变化率。步骤S01中传感器装置同时获取温度采集量和湿度采集量,温度采集量和湿度采集量都进入改进PSO算法模糊自适应PID控制。
温度采集量、温度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制风机变频器的频率和冷却水三通阀;所述湿度采集量和湿度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制加湿阀的开度。
以上仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.改进PSO算法模糊自适应PID室内温湿度控制系统,其特征在于,包括传感器装置、控制装置和执行机构;
所述传感器装置包括温度传感器、湿度传感器、风量传感器和流量传感器;
所述控制装置包括控制计算机、可编程逻辑控制器PLC、通信模块和转换模块,所述的控制计算机用于实时在线监测系统输入量和输出量;所述可编程逻辑控制器PLC包括三个改进PSO算法模糊自适应PID控制器,所述三个改进PSO算法模糊自适应PID控制器分别为第一PID控制器、第二PID控制器、第三PID控制器;所述第一PID控制器、第二PID控制器、第三PID控制器分别用于控制加湿阀、风机变频器和冷却水三通阀;
所述转换模块包括第一转换模块、第二转换模块和第三转换模块;
所述传感器装置通过第一转换模块与可编程逻辑控制器PLC相连接,可编程逻辑控制器PLC通过第二转换模块与加湿阀相连接,可编程逻辑控制器PLC通过第三转换模块与风机变频器和冷却水三通阀相连接;
所述控制计算机、通信模块、可编程逻辑控制器PLC依次顺序连接。
2.根据权利要求1所述的改进PSO算法模糊自适应PID室内温湿度控制系统,其特征在于,所述控制计算机通过RS232串口、串行通信总线与通信模块连接。
3.改进PSO算法模糊自适应PID温湿度控制方法,其特征在于,包括以下步骤:
S01,获取采集量偏差、采集量偏差变化率:设定采集量调节限定值W,传感器获取室内数据采集量W0,W和W0发送给可编程逻辑控制器PLC,通过W与W0比较,计算出采集量偏差e,以时间为变量对温度偏差e求导,获取温度偏差变化率ec;如果采集量偏差e大于或者等于预设定的偏差门限值,则进入步骤S02,否则,不进行PID温湿度控制;
S02,采集量偏差、采集量偏差变化率模糊化:根据步骤S01计算获取的采集量偏差e、采集量偏差变化率ec,依据模糊算法获取采集量偏差模糊量E、采集量偏差变化率模糊量EC;
S03,模糊推理及反模糊化:依据采集量偏差模糊量E、采集量偏差变化率模糊量EC,在模糊规则库中查表获取模糊控制量,依据所述模糊控制量,进行反模糊化计算得出输出量,获取PID的三个参数变化值
S04,基于改进PSO算法迭代获取PID的三个参数的初始值依据所述PID的三个参数的初始值和PID的三个参数变化值优化模糊自适应PID的参数KP、KI、KD;
所述KP、KI、KD分别为PID的比例系数、积分作用系数、微分作用系数;
所述分别为KP、KI、KD的变化值;
模糊自适应PID的参数KP、KI、KD的计算公式为:
其中
S05,基于步骤S04获取的优化后的模糊自适应PID的参数KP、KI、KD对风机变频器进行模糊自适应PID控制,控制风机变频器的频率、冷却水三通阀和加湿阀的开度。
4.根据权利要求3所述的改进PSO算法模糊自适应PID温湿度控制方法,其特征在于,步骤S04所述基于改进PSO算法迭代获取PID的三个参数的初始值具体包括以下步骤:
(a)、引入粒子自身因素和社会因素:
在基本PSO算法的基础上,通过增加函数值和引入粒子自身因素和社会因素,所述为函数值小于1的线性递减函数,能够让群体在进化初期考虑粒子自身的因素,使得粒子的搜索能力能够获取合适的种子;所述为函数值小于1的线性递增函数,能够让群体在进化后期考虑社会共享信息,使得粒子具有开发能力以加快算法的收敛速度;
(b)、建立粒子速度、位置进化模型:
选取公式(2)和公式(3)作为改进PSO算法的粒子速度、位置进化方程,
vij(t+1)=φ1[vij(t)+c1r1(pij(t)-xij(t))]+φ2r2c2(pgj(t)-xij(t)) 式(2)
xij(t+1)=xij(t)+vij(t+1) 式(3)
其中:i表示第i个粒子,j表示第j维,xij(t)为t时刻粒子的位置;vij(t)为t时刻粒子的速度;c1、c2为(0,1)之间两个独立的随机函数;r1为认知系数,r2为社会学习系数,r1和r2取值在(0,2)之间;pij(t)为粒子i在t时刻前所经历的最好位置;pgj(t)为第t次迭代前第j维的全局最优值,j=1,2,3;t为进化代数,t=0,1,2…tmax,tmax为最大截止代数;η为(0,1)之间的系数;
(c)初始化改进后的PSO算法参数值:
设在n维空间内,群体内粒子的个数为m;设定群体的最大截止代数tmax;设定系数η的取值;
对任意的i,j,如果在[-Xmax,Xmax]内服从均匀分布产生xij(0),所述xij(0)为粒子的初始位置,i表示第i个粒子,j表示第j维,Xmax表示粒子的最大位置;
对任意的i,j,在[-Xmax,Xmax]内服从均匀分布产生vij(0),所述vij(0)为粒子的初始速度;
对于第一次PSO算法计算,参数未进行迭代,t=0,计算未进行迭代初次控制的第i粒子的适应值Ji(0),将第i粒子最优适应值设为Jibest,第i粒子最优适应值Jibest对应的位置为Pij(0),初始化公式(2)中的Pij(t);Ji(0)表示第一次PSO算法计算,参数未进行迭代时,第i粒子的适应值;
比较种群中所有粒子的适应值,得出全局粒子的最优适应值Jgbest,所述全局粒子的最优适应值Jgbest对应的位置即为Pgj(0),初始化公式(3)中的Pgj(t);
(d)、进入进化代,对于每个粒子i,计算其适应值Ji:
采用能衡量系统调节品质的平方偏差积分函数:
其中e(t)=W-W0(t),基于单位阶跃响应通过仿真运算得到ISE,求出粒子的适应值Ji;
(e)、对每个粒子,计算个体最优值Pij(t)和全局最优值Pgj(t):
如果Ji<Jibest,则Jibest=Ji,Pij(t)=Xij(t);
如果Ji<Jgbest,则Jgbest=Ji,Pgj(t)=Xij(t);
Jibest为第i粒子最优适应值,Jgbest为全局粒子的最优适应值;
其中Pij(t)为粒子i经历过的最好位置,Pgj(t)为所有粒子经历过的历史最好位置;
(f)利用式(2)、(3)更新每个粒子的速度与位置:
将步骤(e)获取的Pij(t)和Pgj(t)带入公式(2),j为1、2、3计算出本次进化代的vi1(t+1)、vi2(t+1)、vi3(t+1),vi1(t+1)、vi2(t+1)、vi3(t+1)代表PID控制器的3个参数的速度变化情况;通过公式(3)计算获取Xi1(t+1)、Xi2(t+1)、Xi3(t+1),则Xi1(t+1)、Xi2(t+1)、Xi3(t+1)代表PID控制器3个参数的位置,Xi1(t+1)、Xi2(t+1)、Xi3(t+1)即表示PID三个初始参数值和
(g)判断本次进代是否到达最大截止代数,如果t≤tmax,返回步骤(d),否则,本次PSO算法结束,将最后一次进代所获取的和与步骤S03获取的带入公式(1),计算出PID控制参数KP、KI、KD,将所述PID控制参数KP、KI、KD送入PID控制中,作为所述风机变频器、冷却水三通阀和加湿阀进行模糊自适应PID控制的控制参数。
5.根据权利要求3所述的改进PSO算法模糊自适应PID温湿度控制方法,其特征在于,包括以下步骤:所述采集量包括温度采集量和湿度采集量,所述采集量偏差包括温度偏差和湿度偏差,所述采集量偏差变化率包括温度偏差变化率和湿度偏差变化率。
6.根据权利要求5所述的改进PSO算法模糊自适应PID温湿度控制方法,其特征在于,包括以下步骤:所述温度采集量、温度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制风机变频器的频率和冷却水三通阀;所述湿度采集量和湿度偏差变化率经过改进PSO算法模糊自适应PID控制后,用于控制加湿阀的开度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410287520.5A CN104019526B (zh) | 2014-06-24 | 2014-06-24 | 改进pso算法模糊自适应pid温湿度控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410287520.5A CN104019526B (zh) | 2014-06-24 | 2014-06-24 | 改进pso算法模糊自适应pid温湿度控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104019526A CN104019526A (zh) | 2014-09-03 |
CN104019526B true CN104019526B (zh) | 2016-08-17 |
Family
ID=51436420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410287520.5A Expired - Fee Related CN104019526B (zh) | 2014-06-24 | 2014-06-24 | 改进pso算法模糊自适应pid温湿度控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104019526B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104275125B (zh) * | 2014-10-21 | 2016-01-13 | 郑州航空工业管理学院 | 金刚石六面顶压机的温控方法 |
CN104633863B (zh) * | 2015-02-04 | 2017-06-09 | 无锡市同舟电子实业有限公司 | 一种基于自整定离散pid算法的中央空调控制方法 |
CN104890205B (zh) * | 2015-05-20 | 2017-05-10 | 华中科技大学 | 一种注塑机料筒温度控制方法 |
CN104950680B (zh) * | 2015-06-18 | 2017-11-03 | 温州大学 | 一种岸电控制器参数整定的优化方法 |
EP3211340B1 (en) * | 2016-02-26 | 2024-06-12 | Enerbrain S.r.l. | Electronic device and method for control of a building management system |
CN106765863B (zh) * | 2016-11-14 | 2019-10-01 | 华北电力大学(保定) | 一种用于变频空调的温湿度泛逻辑智能控制方法 |
CN109212965A (zh) * | 2018-08-06 | 2019-01-15 | 广州云雷智能科技有限公司 | 基于粒子群优化算法的地暖温度控制系统及方法 |
CN109507868A (zh) * | 2018-09-21 | 2019-03-22 | 广东广垦畜牧工程研究院有限公司 | 一种模糊pid控制器及规模化养猪场沼气工程控制系统 |
CN109839967B (zh) * | 2019-01-24 | 2021-03-19 | 广东国颂能源科技有限公司 | 一种自整定pid节能温度控制方法及模块 |
CN110531611B (zh) * | 2019-05-30 | 2022-12-06 | 哈尔滨工业大学(深圳) | 基于pso算法及pid控制的超声键合频率跟踪方法 |
CN110196553B (zh) * | 2019-06-05 | 2022-02-18 | 江苏拓米洛环境试验设备有限公司 | 带动态热负载的试验箱运行高温高湿时的控制方法及装置 |
CN111208729B (zh) * | 2019-12-31 | 2023-03-31 | 广州南方电安科技有限公司 | 一种绝缘斗温控装置自适应控制方法及装置 |
CN111766777B (zh) * | 2020-07-30 | 2023-06-16 | 北京环境特性研究所 | 一种pid控制器及pid控制方法 |
CN111950188A (zh) * | 2020-09-08 | 2020-11-17 | 国网江西省电力有限公司电力科学研究院 | 一种计算配电变压器顶层油温的方法 |
CN114440447B (zh) * | 2022-03-01 | 2023-10-03 | 温岭煌格科技咨询有限公司 | 一种实现快速除霜和水温稳定的空气能热水器及使用方法 |
CN117289611A (zh) * | 2023-11-24 | 2023-12-26 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于模糊理论的空气调节方法及系统 |
CN117663814B (zh) * | 2023-11-29 | 2024-05-24 | 阳江市荣华远东实业有限公司 | 一种热风循环电热烤炉及其控制方法 |
CN117420868B (zh) * | 2023-12-18 | 2024-04-09 | 山东海智星智能科技有限公司 | 基于物联网的智慧教室控制系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
CN101012954A (zh) * | 2007-02-12 | 2007-08-08 | 广州金关节能科技发展有限公司 | 空调冷量自适应节能控制系统 |
DE102006023182A1 (de) * | 2006-05-17 | 2007-11-22 | Siemens Ag | Sensoranordnung zur Erfassung von Kennwerten der Umgebung und Verfahren zur Generierung entsprechender Ausgangssignale |
CN201306811Y (zh) * | 2008-10-29 | 2009-09-09 | 温州市创力电子有限公司 | 一种非智能空调的自适应控制系统 |
CN102538150A (zh) * | 2012-03-13 | 2012-07-04 | 红云红河烟草(集团)有限责任公司 | 一种变参数智能pid联动控制多台空调机的方法 |
-
2014
- 2014-06-24 CN CN201410287520.5A patent/CN104019526B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
DE102006023182A1 (de) * | 2006-05-17 | 2007-11-22 | Siemens Ag | Sensoranordnung zur Erfassung von Kennwerten der Umgebung und Verfahren zur Generierung entsprechender Ausgangssignale |
CN101012954A (zh) * | 2007-02-12 | 2007-08-08 | 广州金关节能科技发展有限公司 | 空调冷量自适应节能控制系统 |
CN201306811Y (zh) * | 2008-10-29 | 2009-09-09 | 温州市创力电子有限公司 | 一种非智能空调的自适应控制系统 |
CN102538150A (zh) * | 2012-03-13 | 2012-07-04 | 红云红河烟草(集团)有限责任公司 | 一种变参数智能pid联动控制多台空调机的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104019526A (zh) | 2014-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104019526B (zh) | 改进pso算法模糊自适应pid温湿度控制系统及方法 | |
CN105091217B (zh) | 空调器智能控制方法 | |
CN108386971B (zh) | 中央空调节能自控系统 | |
CN101861552B (zh) | 带有执行器饱和控制的极值搜索控制 | |
CN102980272B (zh) | 一种基于负荷预测的空调系统节能优化方法 | |
CN108317670B (zh) | 一种基于机器学习的制冷系统节能控制方法及系统 | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN104833154B (zh) | 基于模糊pid与神经内模的冷冻水回路控制方法 | |
CN109269036B (zh) | 多联机空调的云端控制方法以及多联机空调系统 | |
CN112628956B (zh) | 基于边云协同框架的冷水机组负荷预测控制方法和系统 | |
CN110425698A (zh) | 一种用户偏好自学习的空调控制方法和装置 | |
CN113339941B (zh) | 一种变频空调器控制方法 | |
CN112611076B (zh) | 基于iscs的地铁车站通风空调节能控制系统和方法 | |
CN111047117B (zh) | 一种基于末端负荷预测的压差旁通阀节能优化方法 | |
CN112923525A (zh) | 机器学习型舒适节能空调智能控制方法 | |
CN101893851A (zh) | 一种室内温度模糊控制系统及其方法 | |
CN110501900A (zh) | 一种基于模糊pid控制器调节列车新风系统温度的方法 | |
CN111415036B (zh) | 一种中央空调系统并联冷机负荷优化分配方法 | |
CN113446713A (zh) | 基于数字孪生的数据智能优控及节能方法及系统 | |
CN117113185A (zh) | 一种基于残差多维泰勒网的暖通空调故障诊断方法 | |
CN112484255B (zh) | 一种节能型暖通空调系统及楼宇自控方法 | |
CN115935604A (zh) | 一种换流站暖通系统节能控制方法及终端 | |
CN107036231A (zh) | 中央空调监控系统中冷却塔智能节电控制方法 | |
CN206055883U (zh) | 风机管盘的数据采集与中央新风控制装置 | |
CN108826592A (zh) | 一种基于网络化控制的多联机中央空调控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20190624 |
|
CF01 | Termination of patent right due to non-payment of annual fee |