CN109974360B - 一种基于果蝇算法的制冷系统温度优化控制方法 - Google Patents
一种基于果蝇算法的制冷系统温度优化控制方法 Download PDFInfo
- Publication number
- CN109974360B CN109974360B CN201910208745.XA CN201910208745A CN109974360B CN 109974360 B CN109974360 B CN 109974360B CN 201910208745 A CN201910208745 A CN 201910208745A CN 109974360 B CN109974360 B CN 109974360B
- Authority
- CN
- China
- Prior art keywords
- pid controller
- refrigeration system
- fruit fly
- gain
- transfer function
- 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.)
- Active
Links
- 238000005057 refrigeration Methods 0.000 title claims abstract description 44
- 241000255588 Tephritidae Species 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 24
- 238000012546 transfer Methods 0.000 claims abstract description 20
- 238000013178 mathematical model Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 claims abstract description 8
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 230000004907 flux Effects 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B41/00—Fluid-circulation arrangements
- F25B41/30—Expansion means; Dispositions thereof
- F25B41/31—Expansion valves
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
- F25B49/022—Compressor control arrangements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B2500/00—Problems to be solved
- F25B2500/18—Optimization, e.g. high integration of refrigeration components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于果蝇算法的制冷系统温度优化控制方法,包括以下步骤:S1:建立制冷系统的数学模型;S2:对步骤S1中得到的制冷系统的数学模型进行阶跃响应实验,并用最小二乘法对得到的响应曲线进行传递函数辨识,得到制冷系统的线性化模型;S3:对步骤S2中得到的线性化模型进行相对增益矩阵分析,得到从阀门开度Av到蒸发器二次通量的出口温度Te,sec,out的传递函数G11、从压缩机转速N到蒸发器二次通量的出口温度Te,sec,out的传递函数G12、从阀门开度Av到蒸发器过热度Tsh的传递函数G21和从压缩机转速N到蒸发器过热度Tsh的传递函数G22以及制冷系统中各个变量之间的关系,并设计第一PID控制器和第二PID控制器;S4:用果蝇算法对两个PID控制器的控制参数进行优化。
Description
技术领域
本发明涉及制冷系统控制领域,特别是涉及一种基于果蝇算法的制冷系统温度优化控制方法。
背景技术
如今,制冷系统在人类的日常生活中起着至关重要的作用。通过制冷技术控制温度涉及人体舒适,食物储存,食品运输和环境等各个领域。然而,制冷系统工作时需要消耗电能来将热量从系统内搬运到系统外,这一过程需要较高能耗。同时,随着社会的发展和城市化进程,制冷技术应用到世界各地,这促使世界各地的碳排放增长加速。根据调查,全世界近30%的能源消耗用于供暖,通风和制冷。此外,由于制冷系统的强耦合性与非线性增加了系统控制器设计的难度,其温度控制变得较为复杂。若缺乏准确的控制策略,则很可能引起温度波动等问题,这将导致人类生病,食品腐败等问题,这对公众健康不利。
为了解决节能和提高制冷效果的问题,有效的控制策略非常重要。PID控制器由于其简单的结构,精度和稳定性能而在工业应用中被广泛使用,但由于制冷系统的耦合,控制器将由两个PID控制器组成,这将产生六个控制参数,使得控制器难以调整。同时,由于膨胀阀开度与压缩机转速的限幅,控制器在运行过程中还可能会产生控制器饱和的问题,这将导致较大的超调与振荡,影响制冷系统的运行效果。
为提高制冷系统的温度控制品质,神经网络控制、模型预测控制等控制算法都被应用到了制冷系统的控制问题中。但这些方法需要进行大量的运算,且对硬件配置有较高要求,不利于工程的实现。
发明内容
发明目的:本发明的目的是提供一种基于果蝇算法的制冷系统温度优化控制方法,运算简单,对硬件配置要求低。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的基于果蝇算法的制冷系统温度优化控制方法,包括以下步骤:
S1:建立制冷系统的数学模型;
S2:对步骤S1中得到的制冷系统的数学模型进行阶跃响应实验,并用最小二乘法对得到的响应曲线进行传递函数辨识,得到制冷系统的线性化模型;
S3:对步骤S2中得到的线性化模型进行相对增益矩阵分析,得到从阀门开度Av到蒸发器二次通量的出口温度Te,sec,out的传递函数G11、从压缩机转速N到蒸发器二次通量的出口温度Te,sec,out的传递函数G12、从阀门开度Av到蒸发器过热度Tsh的传递函数G21和从压缩机转速N到蒸发器过热度Tsh的传递函数G22以及制冷系统中各个变量之间的关系,并设计第一PID控制器和第二PID控制器;
S4:用果蝇算法对两个PID控制器的控制参数进行优化。
进一步,所述步骤S1中,制冷系统的数学模型是基于Matlab的Simuink仿真平台建立的。
进一步,所述步骤S3中,PID控制器采用了基于反算法的抗饱和方法。
进一步,所述步骤S4具体包括以下步骤:
S41:设置果蝇种群含有的果蝇总数P=20,迭代次数Max=100,以两个PID控制器所有的控制参数作为表示单个果蝇位置的参数,建立如式(1)所示的果蝇种群的位置矩阵X;两个PID控制器所有的控制参数为:第一PID控制器的比例增益Kp1、第一PID控制器的积分增益Ki1、第一PID控制器的微分增益Kd1、第二PID控制器的比例增益Kp2、第二PID控制器的积分增益Ki2和第二PID控制器的微分增益Kd2;
式(1)中,Kp1j为第j个第一PID控制器的比例增益,Ki1j为第j个第一PID控制器的积分增益,Kd1j为第j个第一PID控制器的微分增益,Kp2j为第j个第二PID控制器的比例增益,Ki2j为第j个第二PID控制器的积分增益,Kd2j为第j个第二PID控制器的微分增益,1≤j≤P;
S42:将果蝇种群的初始位置设定为Kp1=-20.03,Ki1=-15.21,Kd1=-0.05,Kp2=5.14,Ki2=0.21,Kd2=0.13;
S43:让每个果蝇的位置以随机方向和距离变化,该过程通过式(2)来实现:
S44:将Kp1、Ki1和Kd1代入到第一PID控制器中,将Kp2、Ki2和Kd2代入到第二PID控制器中,通过味道浓度判断函数得到每个果蝇个体的判断函数值;将果蝇种群的位置设为判断函数值最小的果蝇的位置,重复步骤S43~S44进行迭代,直到迭代次数s=Max,优化结束。
进一步,所述步骤S43中,R根据式(3)计算得到:
式(3)中,R0是R的初始值;τ是调整因子,其值在0和1之间;s是迭代次数。
进一步,所述τ=0.97。
进一步,所述步骤S44中,味道浓度判断函数J通过以下过程得到:
①当e1(t)<0,e2(t)<0,u1(t)=10或100,u2(t)=30或50时:
②当e1(t)≥0,e2(t)≥0,u1(t)=10或100,u2(t)=30或50时:
③当e1(t)<0,e2(t)<0,u1(t)∈(10,100),u2(t)∈(30,50)时:
④当e1(t)≥0,e2(t)≥0,u1(t)∈(10,100),u2(t)∈(30,50)时:
其中,e1(t)为第一PID控制器的输入信号,u1(t)第一PID控制器的输出信号,e2(t)为第二PID控制器的输入信号,u2(t)为第二PID控制器的输出信号,t为仿真时间,α为匹配系数,ω1、ω2、ω3、ω4、ω5和ω6均为权值常数,取α=0.02,ω1=0.7,ω2=0.01,ω3=1.4,ω4=0.01,ω5=300,ω6=600,α=0.02。
有益效果:本发明公开了一种基于果蝇算法的制冷系统温度优化控制方法,与现有技术相比,具有如下的有益效果:
1)本发明方法运算简单,对硬件配置要求低;
2)本发明收敛速度快;
3)本发明快速调整温度跟随设定值变化,且无超调量;
4)本发明缩短了由于膨胀阀开度与压缩机转速的限幅导致的控制器饱和的饱和时间;
5)本发明中压缩机效率和系统的性能系数(COP)具有更快的动态响应。
附图说明
图1为本发明具体实施方式中方法对应的制冷系统的原理图;
图2为本发明具体实施方式中制冷系统各个过程的阶跃响应曲线图;
图2(a)为G11的阶跃响应曲线图;
图2(b)为G12的阶跃响应曲线图;
图2(c)为G21的阶跃响应曲线图;
图2(d)为G22的阶跃响应曲线图;
图3为本发明具体实施方式中基于Matlab建立的制冷系统线性化模型的示意图;
图4为本发明具体实施方式中基于Matlab建立的PID控制器的结构图;
图5为本发明具体实施方式中果蝇算法的流程图;
图6为本发明具体实施方式中判断函数随迭代次数的变化曲线图;
图7为本发明具体实施方式中控制器的各个控制参数随迭代次数的变化曲线图;
图7(a)为Kp1的变化曲线图;
图7(b)为Kp2的变化曲线图;
图7(c)为Ki1的变化曲线图;
图7(d)为Ki2的变化曲线图;
图7(e)为Kd1的变化曲线图;
图7(f)为Kd2的变化曲线图;
图8为本发明具体实施方式中控制器基于非线性模型的仿真结果响应曲线图;
图8(a)为Te,sec,out的仿真结果响应曲线图;
图8(b)为Tsh的仿真结果响应曲线图;
图8(c)为压缩机转速的仿真结果响应曲线图;
图8(d)为膨胀阀开度的仿真结果响应曲线图;
图8(e)为压缩机效率的仿真结果响应曲线图;
图8(f)为性能系数的仿真结果响应曲线图。
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种基于果蝇算法的制冷系统温度优化控制方法,包括以下步骤:
S1:建立制冷系统的数学模型;制冷系统如图1所示;
S2:对步骤S1中得到的制冷系统的数学模型进行阶跃响应实验,并用最小二乘法对得到的响应曲线进行传递函数辨识,得到制冷系统的线性化模型,如图3所示;
S3:对步骤S2中得到的线性化模型进行相对增益矩阵分析,得到从阀门开度Av到蒸发器二次通量的出口温度Te,sec,out的传递函数G11、从压缩机转速N到蒸发器二次通量的出口温度Te,sec,out的传递函数G12、从阀门开度Av到蒸发器过热度Tsh的传递函数G21和从压缩机转速N到蒸发器过热度Tsh的传递函数G22以及制冷系统中各个变量之间的关系,并设计第一PID控制器和第二PID控制器,如图4所示;G11、G12、G21和G22的阶跃响应曲线图如图2(a)-图2(d)所示;
S4:用果蝇算法对两个PID控制器的控制参数进行优化。
步骤S1中,制冷系统的数学模型是基于Matlab的Simuink仿真平台建立的。
步骤S3中,PID控制器采用了基于反算法的抗饱和方法。对线性化模型进行相对增益矩阵分析的过程如下:
1)令传递函数G11,G12,G21,G22中的s趋近于0,得到系统的稳态矩阵A:
2)计算相对增益矩阵RGA:
3)由于相对增益矩阵中的元素λ11,λ22远大于λ12,λ21,所以蒸发器出口温度Te,sec,out主要取决于膨胀阀开度Av,过热度Tsh主要取决于压缩机转速N,进而Te,sec,out可直接由Av控制,Tsh可直接由N控制。
如图5所示,步骤S4具体包括以下步骤:
S41:设置果蝇种群含有的果蝇总数P=20,迭代次数Max=100,以两个PID控制器所有的控制参数作为表示单个果蝇位置的参数,建立如式(1)所示的果蝇种群的位置矩阵X;两个PID控制器所有的控制参数为:第一PID控制器的比例增益Kp1、第一PID控制器的积分增益Ki1、第一PID控制器的微分增益Kd1、第二PID控制器的比例增益Kp2、第二PID控制器的积分增益Ki2和第二PID控制器的微分增益Kd2;
式(3)中,Kp1j为第j个第一PID控制器的比例增益,Ki1j为第j个第一PID控制器的积分增益,Kd1j为第j个第一PID控制器的微分增益,Kp2j为第j个第二PID控制器的比例增益,Ki2j为第j个第二PID控制器的积分增益,Kd2j为第j个第二PID控制器的微分增益,1≤j≤P;
S42:将果蝇种群的初始位置设定为Kp1=-20.03,Ki1=-15.21,Kd1=-0.05,Kp2=5.14,Ki2=0.21,Kd2=0.13;
S43:让每个果蝇的位置以随机方向和距离变化,该过程通过式(4)来实现:
S44:将Kp1、Ki1和Kd1代入到第一PID控制器中,将Kp2、Ki2和Kd2代入到第二PID控制器中,通过味道浓度判断函数得到每个果蝇个体的判断函数值;将果蝇种群的位置设为判断函数值最小的果蝇的位置,重复步骤S43~S44进行迭代,直到迭代次数s=Max,优化结束。
步骤S43中,为了使可移动范围在开始时更大,使果蝇能够尽早到达最佳位置,同时保证其在最后变小以保证准确性,R根据式(5)计算得到:
式(5)中,R0是R的初始值;τ是调整因子,其值在0和1之间;s是迭代次数。τ=0.97。
为了提升控制器的动态性能,采用误差绝对值的时间积分性能指标作为判断函数的一部分,同时为了防止控制量超出其范围,判断函数还引入了控制量输出的平方项;此外,为了避免超调,判断函数还引入了一定的惩罚控制。步骤S44中,味道浓度判断函数J通过以下过程得到:
①当e1(t)<0,e2(t)<0,u1(t)=10或100,u2(t)=30或50时:
②当e1(t)≥0,e2(t)≥0,u1(t)=10或100,u2(t)=30或50时:
③当e1(t)<0,e2(t)<0,u1(t)∈(10,100),u2(t)∈(30,50)时:
④当e1(t)≥0,e2(t)≥0,u1(t)∈(10,100),u2(t)∈(30,50)时:
其中,e1(t)为第一PID控制器的输入信号,u1(t)第一PID控制器的输出信号,e2(t)为第二PID控制器的输入信号,u2(t)为第二PID控制器的输出信号,t为仿真时间,α为匹配系数,ω1、ω2、ω3、ω4、ω5和ω6均为权值常数,取α=0.02,ω1=0.7,ω2=0.01,ω3=1.4,ω4=0.01,ω5=300,ω6=600,α=0.02。
通过程序的执行,味道浓度判断函数以及各控制参数随迭代次数的变化情况如图6,图7所示。可以看出,随着迭代次数的增加,判断函数值不断减小,Kp1振荡下降,Kp2振荡上升,Ki1持续下降,Ki2持续上升,Kd1波动下降,Kd2波动下降,且最终均大致收敛。
本发明基于非线性模型的最终仿真结果响应曲线图如图8所示,其具体数值如表1和表2所示。可以看出,相比于优化前的控制器,优化后的控制器具有较小的超调量,较少的过渡时间,较少的饱和时间;其压缩机效率和性能系数(COP)在稳态下大致相同,并且优化后的控制器能获得更快的动态响应,体现了本发明的优越性。
表1 Te,sec,out的仿真结果的详细数据
表2 Tsh的仿真结果的详细数据
Claims (4)
1.一种基于果蝇算法的制冷系统温度优化控制方法,其特征在于:包括以下步骤:
S1:建立制冷系统的数学模型;
S2:对步骤S1中得到的制冷系统的数学模型进行阶跃响应实验,并用最小二乘法对得到的响应曲线进行传递函数辨识,得到制冷系统的线性化模型;
S3:对步骤S2中得到的线性化模型进行相对增益矩阵分析,得到从阀门开度Av到蒸发器二次通量的出口温度Te,sec,out的传递函数G11、从压缩机转速N到蒸发器二次通量的出口温度Te,sec,out的传递函数G12、从阀门开度Av到蒸发器过热度Tsh的传递函数G21和从压缩机转速N到蒸发器过热度Tsh的传递函数G22以及制冷系统中各个变量之间的关系,并设计第一PID控制器和第二PID控制器;
S4:用果蝇算法对两个PID控制器的控制参数进行优化;
所述步骤S4具体包括以下步骤:
S41:设置果蝇种群含有的果蝇总数P=20,迭代次数Max=100,以两个PID控制器所有的控制参数作为表示单个果蝇位置的参数,建立如式(1)所示的果蝇种群的位置矩阵X;两个PID控制器所有的控制参数为:第一PID控制器的比例增益Kp1、第一PID控制器的积分增益Ki1、第一PID控制器的微分增益Kd1、第二PID控制器的比例增益Kp2、第二PID控制器的积分增益Ki2和第二PID控制器的微分增益Kd2;
式(1)中,Kp1j为第j个第一PID控制器的比例增益,Ki1j为第j个第一PID控制器的积分增益,Kd1j为第j个第一PID控制器的微分增益,Kp2j为第j个第二PID控制器的比例增益,Ki2j为第j个第二PID控制器的积分增益,Kd2j为第j个第二PID控制器的微分增益,1≤j≤P;
S42:将果蝇种群的初始位置设定为Kp1=-20.03,Ki1=-15.21,Kd1=-0.05,Kp2=5.14,Ki2=0.21,Kd2=0.13;
S43:让每个果蝇的位置以随机方向和距离变化,该过程通过式(2)来实现:
S44:将Kp1、Ki1和Kd1代入到第一PID控制器中,将Kp2、Ki2和Kd2代入到第二PID控制器中,通过味道浓度判断函数得到每个果蝇个体的判断函数值;将果蝇种群的位置设为判断函数值最小的果蝇的位置,重复步骤S43~S44进行迭代,直到迭代次数s=Max,优化结束;
所述步骤S43中,R根据式(3)计算得到:
式(3)中,R0是R的初始值;τ是调整因子,其值在0和1之间;s是迭代次数;
所述步骤S44中,味道浓度判断函数J通过以下过程得到:
①当e1(t)<0,e2(t)<0,u1(t)=10或100,u2(t)=30或50时:
②当e1(t)≥0,e2(t)≥0,u1(t)=10或100,u2(t)=30或50时:
③当e1(t)<0,e2(t)<0,u1(t)∈(10,100),u2(t)∈(30,50)时:
④当e1(t)≥0,e2(t)≥0,u1(t)∈(10,100),u2(t)∈(30,50)时:
其中,e1(t)为第一PID控制器的输入信号,u1(t)第一PID控制器的输出信号,e2(t)为第二PID控制器的输入信号,u2(t)为第二PID控制器的输出信号,t为仿真时间,α为匹配系数,ω1、ω2、ω3、ω4、ω5和ω6均为权值常数,取α=0.02,ω1=0.7,ω2=0.01,ω3=1.4,ω4=0.01,ω5=300,ω6=600,α=0.02。
2.根据权利要求1所述的基于果蝇算法的制冷系统温度优化控制方法,其特征在于:所述步骤S1中,制冷系统的数学模型是基于Matlab的Simuink仿真平台建立的。
3.根据权利要求1所述的基于果蝇算法的制冷系统温度优化控制方法,其特征在于:所述步骤S3中,PID控制器采用了基于反算法的抗饱和方法。
4.根据权利要求1所述的基于果蝇算法的制冷系统温度优化控制方法,其特征在于:所述τ=0.97。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910208745.XA CN109974360B (zh) | 2019-03-19 | 2019-03-19 | 一种基于果蝇算法的制冷系统温度优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910208745.XA CN109974360B (zh) | 2019-03-19 | 2019-03-19 | 一种基于果蝇算法的制冷系统温度优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109974360A CN109974360A (zh) | 2019-07-05 |
CN109974360B true CN109974360B (zh) | 2020-10-27 |
Family
ID=67079397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910208745.XA Active CN109974360B (zh) | 2019-03-19 | 2019-03-19 | 一种基于果蝇算法的制冷系统温度优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109974360B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114942657B (zh) * | 2022-04-21 | 2023-10-27 | 国网山东省电力公司建设公司 | 一种混凝土浇筑过程中内部温度控制系统和控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB733124A (en) * | 1952-08-12 | 1955-07-06 | Mario Foa | Apparatus for obtaining dispersions of liquids in air |
US5341651A (en) * | 1993-04-08 | 1994-08-30 | Sanden Corporation | Control apparatus for use in automotive air conditioning system |
CA2324922A1 (en) * | 1999-11-02 | 2001-05-02 | Kraft Foods, Inc. | Stable foams in a high acid environment |
CN102483253A (zh) * | 2009-09-07 | 2012-05-30 | Lg电子株式会社 | 空调 |
CN106202719A (zh) * | 2016-07-11 | 2016-12-07 | 西安建筑科技大学 | 一种建立室内热环境负荷模型的方法 |
CN107065520A (zh) * | 2016-12-09 | 2017-08-18 | 聊城大学 | 一种冷风机参数配置优化方法 |
CN107367937A (zh) * | 2017-08-07 | 2017-11-21 | 陕西科技大学 | 一种基于自适应果蝇优化算法的pid参数优化方法 |
CN108665052A (zh) * | 2017-03-30 | 2018-10-16 | 华为技术有限公司 | 果蝇算法优化广义回归神经网络的方法和装置 |
CN108848395A (zh) * | 2018-05-28 | 2018-11-20 | 东南大学 | 基于果蝇优化算法的边缘协作缓存布置方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7076962B2 (en) * | 2003-01-23 | 2006-07-18 | Massachusetts Institute Of Technology | Heating, ventilation and air conditioning (HVAC) system and method using feedback linearization |
DE102008034657A1 (de) * | 2008-07-25 | 2010-02-04 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren und Einrichtung zur adaptiven Ansteuerung der Gleitschutzregelung einer pneumatischen Bremsanlage eines Schienenfahrzeuges |
JP5117995B2 (ja) * | 2008-10-28 | 2013-01-16 | 株式会社大気社 | 室圧制御システム |
CN109441822B (zh) * | 2018-09-14 | 2020-07-28 | 温州大学 | 一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法 |
CN109323439B (zh) * | 2018-10-17 | 2021-04-20 | 青岛海尔空调器有限总公司 | 空调器及其防凝露控制方法 |
CN109460875B (zh) * | 2018-12-14 | 2021-09-10 | 西安理工大学 | 基于果蝇优化算法的电力系统经济调度方法 |
-
2019
- 2019-03-19 CN CN201910208745.XA patent/CN109974360B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB733124A (en) * | 1952-08-12 | 1955-07-06 | Mario Foa | Apparatus for obtaining dispersions of liquids in air |
US5341651A (en) * | 1993-04-08 | 1994-08-30 | Sanden Corporation | Control apparatus for use in automotive air conditioning system |
CA2324922A1 (en) * | 1999-11-02 | 2001-05-02 | Kraft Foods, Inc. | Stable foams in a high acid environment |
CN102483253A (zh) * | 2009-09-07 | 2012-05-30 | Lg电子株式会社 | 空调 |
CN106202719A (zh) * | 2016-07-11 | 2016-12-07 | 西安建筑科技大学 | 一种建立室内热环境负荷模型的方法 |
CN107065520A (zh) * | 2016-12-09 | 2017-08-18 | 聊城大学 | 一种冷风机参数配置优化方法 |
CN108665052A (zh) * | 2017-03-30 | 2018-10-16 | 华为技术有限公司 | 果蝇算法优化广义回归神经网络的方法和装置 |
CN107367937A (zh) * | 2017-08-07 | 2017-11-21 | 陕西科技大学 | 一种基于自适应果蝇优化算法的pid参数优化方法 |
CN108848395A (zh) * | 2018-05-28 | 2018-11-20 | 东南大学 | 基于果蝇优化算法的边缘协作缓存布置方法 |
Non-Patent Citations (2)
Title |
---|
《循环流化床燃烧系统ADRC解耦控制器设计及参数优化》;陈世和,张玉文等;《第三十二届中国控制会议》;20130726;全文 * |
《果蝇优化算法改进与分析研究》;陆民迪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109974360A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104019520B (zh) | 基于spsa的制冷系统最小能耗的数据驱动控制方法 | |
CN106979641B (zh) | 基于改进mfac的制冷系统数据驱动节能控制系统及方法 | |
CN104154635B (zh) | 基于模糊pid与预测控制算法的变风量室温控制方法 | |
CN109974360B (zh) | 一种基于果蝇算法的制冷系统温度优化控制方法 | |
CN108895618B (zh) | 基于神经网络的空调控制方法 | |
CN111520878A (zh) | 一种基于rbf神经网络的空调温控系统及其控制方法 | |
CN104833154B (zh) | 基于模糊pid与神经内模的冷冻水回路控制方法 | |
CN111637596A (zh) | 一种空调的控制方法、装置、空调、存储介质及处理器 | |
CN111649457A (zh) | 一种动态预测性机器学习型空调节能控制方法 | |
Liao et al. | Type-1 and Type-2 effective Takagi-Sugeno fuzzy models for decentralized control of multi-input-multi-output processes | |
CN110262238A (zh) | 一种学习前馈控制器、蒸汽压缩制冷控制系统及控制方法 | |
CN106530118A (zh) | 多区互联电力系统负荷频率的约束gpc优化控制方法 | |
CN111258212B (zh) | 一种基于分数阶的迭代学习制冷控制系统及方法 | |
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 | |
Rsetam et al. | Robust adaptive active disturbance rejection control of an electric furnace using additional continuous sliding mode component | |
Zhang et al. | Pneumatic pressure control based on improved NMPC and its application to aeroengine surge simulation | |
Yang et al. | Discrete time adaptive neural network control for WME and compression refrigeration systems | |
CN112346333B (zh) | 一种基于bp神经网络调节的压缩机转速控制方法 | |
CN109270843A (zh) | 一种跨临界二氧化碳系统的水路模糊pid控制方法 | |
CN105259761B (zh) | 一种基于特征模型的连续灭菌反复学习自适应控制器 | |
Zhang et al. | Development of a new control method for the dynamic liquid desiccant dehumidification process | |
CN107461977A (zh) | 一种半导体制冷温控箱的智能温控方法 | |
Yang et al. | Self-adjusting fuzzy logic controller for refrigeration systems | |
CN104834214A (zh) | 一类二阶不稳定时滞过程的二次优化控制方法 | |
Todorov et al. | Model Predictive Control of a Lyophilization plant: A simplified approach using Wiener and Hammerstein systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Sun Li Inventor after: Qin Yuxiao Inventor after: Jin Yuhui Inventor before: Qin Yuxiao Inventor before: Sun Li Inventor before: Jin Yuhui |
|
GR01 | Patent grant | ||
GR01 | Patent grant |