CN106765863A - 一种用于变频空调的温湿度泛逻辑智能控制方法 - Google Patents

Abstract

本发明涉及一种用于变频空调的温湿度泛逻辑智能控制方法，在变频空调控制的每一个控制周期内：首先，对空调控制系统中的温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂进行泛化，得到泛化了的E₁'、EC₁'、E₂'和EC₂'；其次，采用四维泛逻辑控制器获得变频空调压缩机频率的调整值△f'；接着，对变频空调压缩机频率调整值△f'进行逆泛化，转化为实际变频空调压缩机工作区间上的有效值△f；最后，在压缩机启动频率基础上叠加△f，用于实际的变频空调控制。本发明的有益效果在于综合考虑了输入量之间的耦合关系、实际温度湿度传感器的测量误差、系统中人的舒适温湿度感受，使变频空调控制的变化更加柔和，增加了空调的舒适度。

Description

一种用于变频空调的温湿度泛逻辑智能控制方法

技术领域

本发明涉及一种空调的温湿度控制方法，尤其涉及一种变频空调的温湿度的智能控制方法。

背景技术

空调器是室内空气调节器，它可对房间的温度、相对湿度、气流速度和洁净度等进行一定调节，其最主要最基本的功能就是对温度的调节。

空调有定频空调和变频空调之分，定频空调的压缩机转速基本不变，其温度控制器通过温度传感器感知室内温度变化，控制压缩机不断地“开、停”来调整室内温度，这种控制方法容易造成室温忽冷忽热，温度舒适性差，电能消耗较多等问题。变频空调通过改变压缩机的转速来连续地调节压缩机的负荷，以适应动态变化的空调房间负荷需要，较定频空调具有更优越的运行经济性和舒适性，其优点主要表现在制冷(制热)迅速、控温精确、适应范围宽、节能等方面。

空调系统属于一种大滞后、慢时变、非线性的复杂系统，难以建立其精确的数学模型，因此，具有认知和仿人功能，能适应不确定的环境，能自主处理信息以减少不确定性，能以可靠的方式进行规划、产生和执行有目的的行为，获得最佳的控制效果的智能控制方法逐渐被应用于其控制。模糊逻辑智能控制就是其中最常用的一种，空调模糊控制系统如图1所示。

变频空调的温度模糊控制器的输入有两个，即温度偏差e和温度偏差的变化率ec，温度偏差指温度目标值t₀与室内实时温度t_i的差值，e＝t_i-t₀，i指第i个采样周期，温度偏差的变化率指温度偏差对时间的变化率，ec＝de/dt。模糊控制的输出即压缩机频率f，根据该频率调整压缩机的运转速率，从而改变空调的制冷量或制热量，进而改变室内温度。模糊控制器的核心部分即模糊推理，它是基于来源于专家经验的模糊控制规则实现的，而模糊控制规则是大量形如“if……then……”的专家控制规则。

模糊控制是以模糊逻辑为数学基础的，和描述、处理具有内在同一性和外在确定性问题的刚性逻辑不同，模糊逻辑是一种具有真值柔性的逻辑体系，它能描述和处理具有内在矛盾性和外在不确定性的问题。Zadeh在提出模糊逻辑时，通过隶属函数分布图，在[0,1]上直接给出了模糊命题连接词的定义：

～p＝1-p

p∧q＝min(p,q)

p∨q＝max(p,q)

以后又有学者引入了其他命题连接词的定义：

p→q＝min(1,1-p+q)

上述模糊命题连接词(～,∧,∨)被称为Zadeh算子组，(∧,∨)被称为Zadeh算子对。按照Zadeh的模糊理论，隶属度和模糊逻辑运算都具有普适性，能用于各种模糊推理。但应用实践已反复证明，Zadeh算子组只在部分情况下是合理的，在大多数情况下是不合理的、片面的，模糊推理中盲目的使用Zadeh算子组常会造成不可容忍的偏差。

目前，在变频空调的智能控制中，模糊控制方法已经表现出了较传统PID控制等方法较为明显的优势，这主要来源于其逻辑基础承认了命题的真值柔性，使得空调控制具有了一定的类人特性。但是，由于隶属函数和控制规则的获取依赖于专家经验，专家经验是否正确直接影响空调控制效果。同时由于隶属函数和控制规则已经确定，当环境温度发生突变时，按照既定的隶属函数和控制规则，变频空调的压缩机转速也随之发生突变，中间没有一个过渡区，使人感到不舒适。这些问题的解决可以通过对控制模型逻辑基础的进一步柔性化来解决，例如，在承认命题真值柔性的基础上，承认命题的关系柔性，连接词运算模型柔性等，对应在空调控制系统中，承认控制器的两个输入量e和ec具有一定的耦合性，承认核心的推理模块能随控制系统当前状态的不同进行相应调整。

现有变频空调采用模糊控制温湿度时，控制器通过模糊推理获得控制器的输出只基于温度(湿度)误差和温度(湿度)误差的变化率，没有考虑相应状态和状态变化之间天然存在的耦合关系，导致控制效果无法很好地模拟人类控制的柔性特点，当环境温度(湿度)发生突变时，变频空调的压缩机转速也随之发生突变，中间没有一个过渡区，使人感到不舒适，最终造成控制效果的仿人特性不明显。

发明内容

本发明提供了一种用于变频空调的温湿度泛逻辑智能控制方法，包括以下步骤：

步骤一,求取输入量温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂；

步骤二，对空调控制系统中的温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂进行泛化，得到泛化了的E₁'、EC₁'、E₂'和EC₂'；

步骤三，通过综合决策模块，获得变频空调压缩机频率的调整值△f'；

步骤四，对变频空调压缩机频率调整值△f'进行逆泛化，转化为实际变频空调压缩机工作区间上的有效值△f；

步骤五，在压缩机启动频率基础上叠加△f，得到实际的变频空调控制值。

优选的是，步骤一中所述输入量的温度及湿度值通过温湿度传感器获得。

上述任一方案中优选的是，所述输入量通过以下公式获得：

温度误差E₁＝x₁(k)-x₁₀，

温度误差变化率EC₁＝(x₁(k)-x₁(k-1))/t，

湿度误差E₂＝x₂(k)-x₂₀，

湿度误差变化率EC₂＝(x₂(k)-x₂(k-1))/t，

其中，根据系统中主要个体的舒适目标温度为x₁₀、舒适目标湿度为x₂₀，所述温湿度传感器传来的当前系统温度为x₁(k)、当前系统湿度为x₂(k)，k指第k个控制周期，t指控制周期的时间长度。

上述任一方案中优选的是，步骤二中所述E₁'、EC₁'、E₂'和EC₂'按照如下公式获得：

E₁′＝p₁E₁ (1)

EC₁′＝p₂EC₁ (2)

E₂′＝p₃E₂ (3)

EC₂′＝p₄EC₂ (4)

p₁、p₂、p₃和p₄分别是温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂的泛化因子。

上述任一方案中优选的是，所述E₁、EC₁、E₂和EC₂分别为系统实际温度误差、温度误差变化率、湿度误差和湿度误差变化率。

上述任一方案中优选的是，所述E₁'、EC₁'、E₂'和EC₂'为E₁、EC₁、E₂和EC₂通过泛化因子转化而成的泛组合运算模型论域上的对应值。

上述任一方案中优选的是，步骤三中所述综合决策模块包括四维泛逻辑控制器。

上述任一方案中优选的是，步骤三中变频空调压缩机频率的调整值△f'采用四维泛逻辑控制器获得。

上述任一方案中优选的是，所述四维泛逻辑控制器包括温度子控制器、湿度子控制器，以及两个子控制器输出的加权求和模块。

上述任一方案中优选的是，所述两个子控制器的设计均基于一级泛组合运算模型，加权求和模块对两个子控制器的输出加权求和确定变频空调压缩机频率调整值△f'，所述一级泛组合运算模型的输入变量包括输入量、所述输入量之间的耦合关系、实际传感器的测量误差、系统中人的舒适度感受。

上述任一方案中优选的是，一级泛组合运算模型为一级泛组合命题连接词运算模C^e，所述一级泛组合命题连接词运算模C^e满足映射：

[0,1]×[0,1]→[0,1]

其中，Γ^e[x]＝ite{e|x＞e；0|x＜0；x}

m＝(3-4h)/(4h(1-h)),n＝-1/log₂k,h,k∈[0,1]

上述任一方案中优选的是，基于所述一级泛组合命题连接词运算模型的泛组合运算模型1获得温度子控制器，所述泛组合运算模型1中x＝E₁'，y＝EC₁'，h＝h₁表示E₁'和EC₁'的耦合关系，从0到1对应为最大吸引力和最大排斥力的过渡，k＝k₁反映温度测量误差的情况，e＝e₁表示系统中人的舒适温度感受，所述泛组合运算模型1的输出为△f₁'。

上述任一方案中优选的是，一般人的舒适温度感受e₁＝0.5。

上述任一方案中优选的是，身体虚弱的人的舒适温度感受e₁大于0.5。

上述任一方案中优选的是，身体强健的人的舒适温度感受e₁小于0.5。

上述任一方案中优选的是，基于所述一级泛组合命题连接词运算模型的泛组合运算模型2获得湿度子控制器，所述泛组合运算模型2中x＝E₂'，y＝EC₂'，h＝h₂表示E₂'和EC₂'的耦合关系，从0到1对应为最大吸引力和最大排斥力的过渡，k＝k₂反映湿度测量误差的情况，e＝e₂表示系统中人的舒适湿度感受，所述泛组合运算模型2的输出为△f₂'。

上述任一方案中优选的是，，一般人的舒适湿度感受e₂＝0.5。

上述任一方案中优选的是，身体虚弱的人的舒适湿度感受e₂大于0.5。

上述任一方案中优选的是，身体强健的人的舒适湿度感受e₂小于0.5。

上述任一方案中优选的是，通过所述两个子控制器输出的加权求和模块对温度子控制器的输出△f₁'和湿度子控制器的输出△f₂'进行线性加权求和，得到变频空调压缩机频率的调整值△f'，即线性加权求和公式如下：

Δf′＝qΔf₁′+(1-q)Δf₂′ (6)

上述任一方案中优选的是，所述变频空调压缩机频率的调整值△f'是一级泛组合运算模型论域上的量，在步骤四中，通过逆泛化因子p₅将△f'转化为压缩机正常工作论域上的量△f，公式如下：

Δf＝p₅Δf′ (7)

上述任一方案中优选的是，步骤五通过如下公式获得实际的控制量用于空调控制：

f＝f₀+Δf (8)

其中，△f为变频空调压缩机运转频率调整值，f为实际的变频空调压缩机频率控制值。

上述任一方案中优选的是，还包括参数优化：通过基于遗传算法的参数优化方法确定上述任一方案中的任一控制参数的实际值。

本发明提供的一种用于变频空调的温湿度泛逻辑智能控制方法，基于具有广泛柔性特性的泛逻辑学，采用具有综合决策功能的泛组合运算模型作为变频空调的智能控制核心模块。在变频空调控制的每一个控制周期内：首先，对空调控制系统中的温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂进行泛化，得到泛化了的E₁'、EC₁'、E₂'和EC₂'；其次，采用四维泛逻辑控制器获得变频空调压缩机频率的调整值△f',变频空调泛逻辑控制器由温度子控制器、湿度子控制器，以及两个子控制器输出的加权求和模块组成，两个子控制器的设计主要基于一级泛组合运算模型，该模型不仅考虑输入量的大小，还考虑输入量之间的耦合关系，考虑实际温度湿度传感器的测量误差，并结合系统中人的感受，最终确定变频空调压缩机频率调整值△f'；接着，对变频空调压缩机频率调整值△f'进行逆泛化，转化为实际变频空调压缩机工作区间上的有效值△f；最后，在压缩机启动频率基础上叠加△f，用于实际的变频空调控制。

变频空调的泛逻辑智能控制是一种比模糊控制更接近于人控制过程的智能控制方法，其有益的技术效果和主要特点在于：(1)变频空调压缩机工作频率的智能决策不仅基于空调控制系统中的基本输入量温度误差E₁、温度误差的变化率EC₁，湿度误差E₂、湿度误差的变化率EC₂，而且还考虑了温度误差和温度误差变化率之间的天然耦合关系，以及湿度误差和湿度误差变化率之间的天然耦合关系；(2)实际空调控制系统中的温湿度值来源于温度传感器和湿度传感器，作为检测部件，传感器具有一定的测量误差，变频空调的泛逻辑控制可以反映测量误差的情况，控制器输出决策会综合考虑相应测量部件的测量误差影响；(3)变频空调控制系统中的感受个体具有多样性，不同类型的人对舒适温度湿度的感受不同，本控制器的控制输出也可以反映不同个体的需要。

附图说明

图1现有技术中空调模糊控制系统结构图

图2本发明实施例中优选的变频空调温湿度泛逻辑智能控制系统结构图

图3本发明实施例中优选的泛逻辑智能控制的基本步骤流程图

具体实施例

如图3所示，为本实施例中泛逻辑智能控制的流程图，在变频空调每一个温湿度控制周期，泛逻辑智能控制的基本步骤如下：

(1)求输入量

根据系统中主要个体的舒适温湿度(目标温度x₁₀，目标湿度x₂₀)、温湿度传感器传来的当前系统温度x₁(k)和当前系统湿度x₂(k)，获得温度误差E₁＝x₁(k)-x₁₀，温度误差变化率EC₁＝(x₁(k)-x₁(k-1))/t，湿度误差E₂＝x₂(k)-x₂₀，湿度误差变化率EC₂＝(x₂(k)-x₂(k-1))/t。其中k指第k个控制周期，t指控制周期的时间长度。

(2)输入量的泛化

E₁、EC₁、E₂和EC₂分别为系统实际温度误差、温度误差变化率、湿度误差和湿度误差变化率，其论域不同于泛组合运算模型的论域，因此通过泛化因子将它们转化为泛组合运算模型上的对应值E₁'、EC₁'、E₂'和EC₂'，公式如下。

E₁′＝p₁E₁ (1)

EC₁′＝p₂EC₁ (2)

E₂′＝p₃E₂ (3)

EC₂′＝p₄EC₂ (4)

p₁、p₂、p₃和p₄分别是温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂的泛化因子。

(3)综合决策

综合决策模块的核心是泛组合运算模型，为了提高实际控制效果，这里温度子控制器和湿度子控制器均采用一级泛组合命题连接词运算模C^e，其满足映射：[0,1]×[0,1]→[0,1]

其中，Γ^e[x]＝ite{e|x＞e；0|x＜0；x}

m＝(3-4h)/(4h(1-h)),n＝-1/log₂k,h,k∈[0,1]

基于一级泛组合命题连接词运算模型的温度子控制器中，即如图2所示的泛组合模型1中，x＝E₁'，y＝EC₁'，h＝h₁表示E₁'和EC₁'的耦合关系，从0到1对应着最大吸引力和最大排斥力的过渡，k＝k₁反映温度测量误差的情况，e＝e₁表示系统中人的舒适温度感受，如一般人的舒适温度感受e₁＝0.5，身体虚弱的人的舒适温度感受e₁大于0.5，身体强健的人的舒适温度感受e₁小于0.5，泛组合运算模型1的输出为△f₁'。

基于一级泛组合命题连接词运算模型的湿度子控制器中，即如图2所示的泛组合模型2中，x＝E₂'，y＝EC₂'，h＝h₂表示E₂'和EC₂'的耦合关系，从0到1对应着最大吸引力和最大排斥力的过渡，k＝k₂反映湿度测量误差的情况，e＝e₂表示系统中人的舒适湿度感受，如一般人的舒适湿度感受e₂＝0.5，身体虚弱的人的舒适湿度感受e₂大于0.5，身体强健的人的舒适湿度感受e₂小于0.5，泛组合运算模型2的输出为△f₂'。

图2中的线性加权求和模块对温度子控制器的输出△f₁'和湿度子控制器的输出△f₂'线性加权求和，得到变频空调压缩机运转频率的调整值，即△f'。即

Δf′＝qΔf₁′+(1-q)Δf₂′ (6)

(4)逆泛化

第3步得到的变频空调压缩机运转频率的调整值△f'是一级泛组合运算模型论域上的量，无法直接用于压缩机控制，因此通过逆泛化因子p₅将其转化为压缩机正常工作论域上的量△f。

Δf＝p₅Δf′ (7)

(5)控制执行

假设变频空调压缩机的启动频率为f₀，根据步骤4得到的变频空调压缩机运转频率调整值△f，获得实际的控制量用于空调控制，即

f＝f₀+Δf (8)

至此，变频空调每个控制周期的工作全部完成。但由于整个泛逻辑控制中出现了大量的控制参数，在实际使用之前还需要确定这些控制参数的实际值，本发明中采用了基于遗传算法的参数优化方法，假定变频空调控制系统第k个控制周期的温度为x₁(k)，湿度为x₂(k)，系统的控制目标是温度达到稳定值x₁₀，湿度达到稳定值x₂₀，并且温度湿度不会频繁变化，即温度误差和湿度误差的变化率趋近与0，遗传算法的适应值函数如下所示。

评价函数对温度误差的方差赋予权重α₁、温度误差变化率的方差赋予权重α₂，湿度误差的方差赋予权重α₃、湿度误差变化率的方差赋予权重α₄，若对温度的控制要求高于对湿度的控制要求，则α₁和α₂大于α₃和α₄，若控制系统的主要感受人为年老体弱者，他们较难适应温湿度的快速升高或降低，则α₁>α₂且α₃>α₄，若控制系统的主要感受人为年轻力壮者，他们希望尽快达到舒适温度，则α₁<α₂且α₃<α₄。若对控制还有更细致要求，也可相应调整各权值α_i的关系。

评价函数对各控制周期的控制效果赋予不同的权值，为了保证控制参数的实际有效性，只考虑从控制开始的有限个周期的控制效果。s为控制周期数，w_k为第k个周期控制效果的权重，如果对温湿度控制过程的快速性要求较高，越早控制周期的控制效果在适应值中的权重应该越大，即w_i＞w_i+1(0＜i＜s)，如果对温湿度控制过程的稳定性要求较高，则要对w_k做相应的调整。

基于式(9)中的适应值，采用遗传算法，可以对变频空调泛逻辑控制器中的温度误差E₁的泛化因子p₁，温度误差变化率EC₁的泛化因子p₂，湿度误差E₂的泛化因子p₃，湿度误差变化率EC₂的泛化因子p₄，E₁'和EC₁'的耦合关系h₁，温度测量误差k₁，舒适温度感受e₁，E₂'和EC₂'的耦合关系h₂，湿度测量误差k₂，舒适湿度感受e₂，变频空调压缩机运转频率调整值的逆泛化因子p₅，线性加权求和模块的加权系数q等进行优化，从而最终实现变频空调的实际泛逻辑智能控制。

Claims (9)

1.一种用于变频空调的温湿度泛逻辑智能控制方法，包括以下步骤：

步骤一,求取输入量温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂；

步骤二，对空调控制系统中的温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂进行泛化，得到泛化了的E₁'、EC₁'、E₂'和EC₂'；

步骤三，通过综合决策模块，获得变频空调压缩机频率的调整值△f'；

步骤四，对变频空调压缩机频率调整值△f'进行逆泛化，转化为实际变频空调压缩机工作区间上的有效值△f；

步骤五，在压缩机启动频率基础上叠加△f，得到实际的变频空调压缩机频率控制值。

2.如权利要求1所述的方法，其特征在于，步骤一中所述输入量的温度及湿度值通过温湿度传感器获得，所述输入量通过以下公式获得：

温度误差E₁＝x₁(k)-x₁₀，

温度误差变化率EC₁＝(x₁(k)-x₁(k-1))/t，

湿度误差E₂＝x₂(k)-x₂₀，

湿度误差变化率EC₂＝(x₂(k)-x₂(k-1))/t，

其中，根据系统中主要个体的舒适目标温度为x₁₀、舒适目标湿度为x₂₀，所述温湿度传感器传来的当前系统温度为x₁(k)、当前系统湿度为x₂(k)，k指第k个控制周期，t指控制周期的时间长度；

所述E₁、EC₁、E₂和EC₂分别为系统实际温度误差、温度误差变化率、湿度误差和湿度误差变化率，所述E₁'、EC₁'、E₂'和EC₂'为E₁、EC₁、E₂和EC₂通过泛化因子转化而成的泛组合运算模型论域上的对应值。

3.如权利要求1所述的方法，其特征在于，步骤二中所述E₁'、EC₁'、E₂'和EC₂'按照如下公式获得：

E₁′＝p₁E₁ (1)

EC₁′＝p₂EC₁ (2)

E₂′＝p₃E₂ (3)

EC₂′＝p₄EC₂ (4)

p₁、p₂、p₃和p₄分别是温度误差E₁、温度误差变化率EC₁、湿度误差E₂和湿度误差变化率EC₂的泛化因子。

4.如权利要求1所述的方法，其特征在于，步骤三中所述综合决策模块包括四维泛逻辑控制器，步骤三中变频空调压缩机频率的调整值△f'采用四维泛逻辑控制器获得，所述四维泛逻辑控制器包括温度子控制器、湿度子控制器，以及两个子控制器输出的加权求和模块，所述两个子控制器的设计均基于一级泛组合运算模型，加权求和模块对两个子控制器的输出加权求和确定变频空调压缩机频率调整值△f'，所述一级泛组合运算模型的输入变量包括输入量、所述输入量之间的耦合关系、实际传感器的测量误差、系统中人的舒适度感受。

5.如权利要求4所述的方法，其特征在于，一级泛组合运算模型为一级泛组合命题连接词运算模型C^e，所述一级泛组合命题连接词运算模型C^e满足映射：

[0,1]×[0,1]→[0,1]

$\begin{array}{c}{C}^e(x,y,h,k)=ite\{{\mathrm{\&Gamma;}}^e{(x^{mn}+y^{mn}-e^{mn})}^{1/\left(mn\right)}\&rsqb;|x+y<2e;\\ {(1-{({\mathrm{\&Gamma;}}^{{(1-e)}^n}\&lsqb;{(1-x^n)}^m+{(1-y^n)}^m-{(1-e^n)}^m\&rsqb;)}^{1/m})}^{1/n}|x+y>2e;e\}\end{array}---\left(5\right)$

其中，Γ^e[x]＝ite{e|x＞e；0|x＜0；x}

m＝(3-4h)/(4h(1-h)),n＝-1/log₂k,h,k∈[0,1]。

6.如权利要求5所述的方法，其特征在于，基于所述一级泛组合命题连接词运算模型的泛组合运算模型1获得温度子控制器，所述泛组合运算模型1中x＝E₁'，y＝EC₁'，h＝h₁表示E₁'和EC₁'的耦合关系，从0到1对应为最大吸引力和最大排斥力的过渡，k＝k₁反映温度测量误差的情况，e＝e₁表示系统中人的舒适温度感受，所述泛组合运算模型1的输出为△f₁'；一般人的舒适温度感受e₁＝0.5，身体虚弱的人的舒适温度感受e₁大于0.5，身体强健的人的舒适温度感受e₁小于0.5。

7.如权利要求5所述的方法，其特征在于，基于所述一级泛组合命题连接词运算模型的泛组合运算模型2获得湿度子控制器，所述泛组合运算模型2中x＝E₂'，y＝EC₂'，h＝h₂表示E₂'和EC₂'的耦合关系，从0到1对应为最大吸引力和最大排斥力的过渡，k＝k₂反映湿度测量误差的情况，e＝e₂表示系统中人的舒适湿度感受，所述泛组合运算模型2的输出为△f₂'，一般人的舒适湿度感受e₂＝0.5，身体虚弱的人的舒适湿度感受e₂大于0.5，身体强健的人的舒适湿度感受e₂小于0.5。

8.如权利要求4所述的方法，其特征在于，通过所述两个子控制器输出的加权求和模块对温度子控制器的输出△f₁'和湿度子控制器的输出△f₂'进行线性加权求和，得到变频空调压缩机频率的调整值△f'，即线性加权求和公式如下：

Δf′＝qΔf′₁+(1-q)Δf′₂ (6)；

所述变频空调压缩机频率的调整值△f'是一级泛组合运算模型论域上的量，在步骤四中，通过逆泛化因子p₅将△f'转化为压缩机正常工作论域上的量△f，公式如下：

Δf＝p₅Δf′ (7)；

步骤五通过如下公式获得实际的控制量用于空调控制：

f＝f₀+Δf (8)

其中，△f为变频空调压缩机运转频率调整值，f为实际的变频空调压缩机频率控制值。

9.如权利要求1-8任一项所述的方法，其特征在于，还包括参数优化；

参数优化：通过基于遗传算法的参数优化方法确定权利要求1-9中的任一控制参数的实际值。