CN1111684C - 一种用于控制建筑物中房间内温度的控制器 - Google Patents

Abstract

一种用于供热、通风和空调系统的控制器，该控制器包括前馈和反馈控制机构。控制器有一个根据系统的控制设定点和识别特性产生控制信号的前馈控制机构，该前馈控制机构根据测量的识别特性变化来调节这些设定点。该控制器主要用于控制加热和冷却运行期间所控区域的温度。

Description

一种用于控制建筑物中的房间内温度的控制器

一般来说，本发明涉及到控制系统，具体地说，涉及用于供热、通风及空调流体分配系统的控制系统。

与供热、通风及空调(HVAC)分配系统有关的流体分配系统为公知技术，这些流体分配系统已在市场中得到广泛应用，市场应用例如包括住宅建筑和办公建筑。这些流体分配系统还广泛用于实验室，在使用过程中，HVAC不仅应该对建筑物中的空气温度进行控制，而且还应当能够将有害烟气排出，特别是在建筑物中具有大量实验排烟罩时更应将有害烟气排出，实验工作均是在上述实验排烟罩中完成的。除了控制建筑物中的空气温度以外，其它许多重要因素还包括对制造集成电路等的房间进行清洁。在后两种情况中，应当能够对所考虑的房间压力进行控制，使其不同于相邻区域或房间的压力。在清洁房间的情况中，必须将所考虑的房间压差维持在比周围区域压差高，以便保证没有污染进入房间。在实验室环境的情况中，将所考虑的房间压差维持在低于房间内会有任何有害烟气的周围区域的压差。

当要使所考虑的房间压差相对周围区域压差保持在更理想的情况下时，重要的是将所考虑的房间温度保持在理想值上。HVAC系统应当能够控制流入房间的风量，以及控制排出房间的风量，该系统还应考虑所有其它流入和流出房间的空气流量。假如在房间内应当保持温度控制需要，则会出现不易解决的复杂控制问题。

尽管已将变风量(VAV)控制设备用于提供对上述问题进行控制，而且些控制设备既使用了前馈控制方法，也使用了反馈控制方法，但还应需要提供有效的控制设备，即性能先进，操作方便，成本低廉的设备。

所以本发明的第一个目的在于提供一种改善房间温度控制的加热和冷却装置，所述装置具有前馈和反馈控制机构，该目的还在于提供一种控制该装置的方法。

本发明的另一个目的在于提供一种性能良好的控制器，该控制器操作非常简单，而且成本非常低廉。

本发明的相关目的在于提供一种性能改善的控制器，这种控制器包括能根据设定控制点和系统的判定特性产生控制信号的前馈控制机构，该控制器根据所测量到的与判定特性有关的变化自适应地调节这些设定点。

本发明的还有一个目的在于提供一种性能改善了的控制器，在该控制器中的前馈控制机构只使用能量和质量的机械守恒定律来确定前馈控制机构中所用的控制设定点。

本发明的再一个目的是提供一种性能改善了的控制器，该控制器使用一个普通回归神经网络(GRNN)来识别系统特性，这使系统具有简单、稳固和优越的识别能力，而计算时间极短。

本发明的又一个目的在于提供一种性能改善了的控制系统，该系统包括一个前馈过程以及一个反馈过程，以便产生一个控制信号，从许多方面说，这两个过程结合起来都具有卓越的性能。

下面通过阅读结合附图对本发明的优选实施例的描述以后将会更清楚地理解上述目的和其它目的。

图1的方框图总体上体现了本发明的控制器以及其相关的控制功能；

图2的方框图总体上说明了与图1相符的前馈控制机构的实施例，该机构用于控制水加热盘管和流量控制阀；

图3的方框图从总体上说明了与图1相符的前馈控制机构的另一实施例，该机构用于控制风门/致动器；

图4的方框图从总体上说明了与图1相符的反馈控制机构的实施例；

图5的方框图从总体上说明了与图1相符的反馈控制机构的实施例；

图6是利用GRNN方法，根据典型的平滑判断系数σ求得的模拟阀的正常流速和允许值为0.1的正常控制信号之间的曲线图；

图7的曲线图表示用不同的技术预测到的房间的热负荷；

图8是利用GRNN方法，根据阀在1和0.01之间的用于识别的允许值，求得的模拟阀的正常流速和正常控制信号之间的曲线图；

图9是利用GRNN方法，根据阀在1和0.01之间的允许值，模拟控制信号和预测控制信号的比较曲线；

图10为利用GRNN方法求得的作为识别的模拟盘管的正常供气流速和盘管效率之间的曲线图；

图11为利用GRNN方法为识别求得的风门正常流速和测量的正常控制信号之间的曲线图；

图12的曲线表示用排烟罩进行排放时的按顺序对压力进行控制的运行图；

图13的曲线为用于比较模式1和2的性能的房间压差特性曲线；

图14的曲线表示用排烟罩进行排放时的温度控制冷却顺序，具体说明了放热速度和流速之间的关系；

图15的曲线表示用排烟罩进行排放时的另一个温度控制冷却顺序，具体表示放热速度和流速与时间的关系；

图16的曲线表示用排烟罩进行排放时的温度控制加热顺序，具体表示放热速度和流速与时间的关系；

图17为另一曲线图，表示用排烟罩进行排放时的温度控制加热顺序，简称表示放热速度和流速与时间的关系。

一般说来，本发明涉及的是控制器以及确定控制信号的方法，所述的控制信号使用组合在一起的前馈和反馈控制方法，以便在供热期间控制HVAC的温度，特别是控制实验室房间的温度。此处尽管具体描述的是实验室房间设备，但所提供的控制技术和结果也适用于对压力比相邻区域高的净化室，从而防止外部污染物进入房间。

所述控制器使用图1方框图所示的组合在一起的前馈和反馈控制方法，该控制器包括三个不同的控制回路，即：标号10表示的本发明的用于加热的温度控制回路；标号12表示的压力控制回路；以及用标号14表示的用于冷却的温度控制回路，该回路也体现了本发明。如图6所示，这三个回路的功能由三条连线彼此相连，所有的回路最好由未示出的处理设备控制，例如由微机等控制。

对于体现本发明的加热温度控制回路10来讲，其控制顺序如图16和17所示。在大多数的变风量(VAV)应用中，输送到实验室区域内的供应空气为55°F左右的恒定温度。根据所设计的正常冷却负载，选择单位体积供应空气流速来保持特定的房间温度，通常该温度值约为70至75°F之间。由于排烟罩窗格敞开，为了保持压差，则要求实验室总的最小排气量超过供应空气流速，因此供应空气流速也增加。恒定温度约为55°F的新鲜供应空气流速可以超过规定的冷却要求。所有房间温度可以降低到设定点以下。该顺序要求打开局部二次加热的阀门，提高供风温度，以便将房间温度保持在设定点。房间压力和热量限定之间进行配合是复杂的。

对于压力控制回路12来讲，房间压力主要用微分值而不是绝对值控制。所述微分值定义为基准区域(也就是隔壁的走廊)和房间本身之间的差。对于实验室房间所使用的情况来讲，  目的在于将正压差保持在约0.005至0.05w.c之间的正值。这样，在所有运行情况下均可确保将房间维持在比相邻区域压力低的压力下，并防止空气流入相邻区域。对于净化室来讲，将房间内的压力维持在比相邻区域高的压差下，以便防止空气流入房间。

目前，使用三种常见的房间压力控制方法，这三种方法包括：直接压力控制，流量跟踪控制以及分级控制。为了维持房间的压差，所述的各种方案基本都要对供应气流进行调节。此处，采用简单的顺序来评价用于压力控制的不同控制方法的性能。对于房间内具有排烟罩的实验室控制情况而言，排烟罩排气的阶跃变化需要对供应空气流进行调节，以便将压差维持在设定点上。

本发明的压力控制顺序示于图12中。如图12所示，从稳定状态开始，当罩格打开时，排烟罩的排气跃变到最大值。因此，实验室房间的压力减少，这就使压差提高。然后控制回路检测实际压差和设定点之间的偏差，并开启供应气流流路，使其回到设定点。

对于冷却温度控制回路14来讲，其控制顺序表示冷却要求的温度控制。内部放热速率为该顺序开始的起始扰动力。实验室中的其它活动引起的任何起伏，例如蒸煮器，炉子以及实验室中其它物品的震动都会使产生内部放热的速率增加。当内部放热量突然增加时，房间温度也增加。适用的冷源为55°F的供应空气。但是，为了使压差维持在规定的范围，如果不增加排气流量，供应流量也不能增加。然而，由于实验室房间的压力不稳定，所以实验室的排气流量也不能增加。为了解决这一问题，将其它的排气气源(即普通排气气源)打开，使供应气流增加。如图14和15所示，通过人为地增加实验室总的排气量，即可将房间的温度和压力维持在设定点。

控制回路10，12和14均有前馈单元22和/或24，这两个单元分别示于图2和图3中。图2所示的方框图用于加热盘管的前馈控制，图3所示的方框图用于风门的前馈控制，风门的前馈控制可以用在加热温度控制回路、冷却温度控制回路以及压力控制回路中。同样，反馈单元26处于控制回路10，12和14中，各个反馈单元的方框图分别示于图5或图4中。

应该明白的是，图2的方框图包括一个物理系统单元28，该单元用图表示出盘管和阀致动器32以及一些温度传感器，这些温度传感器用于控制器的控制，下面将对这些温度传感器进行详细描述。此外，图3的方框图包括一个物理(physical)系统单元29，该单元用图表示出压力测量设备和流量测量设备，这些设备用于控制器的控制。同样，控制回路10，12和14具有一个供应气体风门/致动器单元30，该单元用图表示出供应气体风门和与空气供应管道连接的致动器，所述管道与需进行控制的房间相连。另外，控制回路10有一个盘管/阀致动器单元32，该单元用图表示出水加热循环盘管和控制通过加热盘管的水流量的水阀，应理解的是，将盘管设置在空气供应管道中，使盘管便于加热流过供应管道的空气。最后，控制回路14有一个排气风门/致动器的总单元34，该单元用图表示出排气总风门和与需进行控制的房间的普通空气排放管道连接的致动器。还应理解的是，普通排放管道不同于与实验室排烟罩相连的排气管道，而且与它们分开，所述的实验室排烟罩处于房间内，所述的排气管道将废气与烟气等一起从排烟罩内排出。这种排烟罩的排放要求将空气从房间内排出，控制器会对这种排放作出补偿，这将在下面进行描述。

根据反馈控制单元26的运行，请参见图5，使用比例微分积分(PID)控制方法，这在HVAC工业中的技术人员是公知的。反馈控制器用设定点和所测变量之间的误差作为输入，用PID控制使处理变量回到设定点。从PID在m^th采样时间的离散方程开始，可以根据PID将控制信号的简单数字形式扩展为 $C_{s,m}=\stackrel{\‾}{C}+P_g{e}_m+I_g{S}_t\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{e}_i+\frac{D_g}{S_t}(e_m-e_{m-1})...\left(5.1\right)$ 其中S_t＝采样时间；P_g，I_g和D_g是比例微分积分增量。方程右边第一项为补偿的常数项。第二项为比例运算因子，第三项为积分运算因子，最后一项为微分运算因子。

对于m-1^th采样时间可以写出如下的类似方程： $C_{s,m-1}=\stackrel{\‾}{C}+P_g{e}_{m-1}+I_g{S}_t\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}{e}_i+\frac{D_g}{S_t}(e_{m-1}-e_{m-2})...\left(5.2\right)$

现在，用前面的方程减去后面的方程就可得到下面的方程，下面的方程很容易在数字控制器中建立： $C_{s,m}=C_{s,m-1}+P_g(e_m-e_{m-1})+I_g{S}_t{e}_m+\frac{D_g}{S_t}(e_m-2e_{m-1}+e_{m-2})...\left(5.3\right)$ 根据前馈控制，利用物理(physical)模式确定控制变量的设定点；也就是说，供应空气流量和供应空气温度以及普通排气风门。根据使用情况选择具体控制变量。在处理变量过程中，将一种应用定义为由扰动引起的处理顺序，也就是说，实验室房间压力和需要控制的温度，以便改变控制变量的状态。例如，如果实验室房间的总排气量因为罩格打开而突然增加，房间压力会减少。此处，为了使房间压力保持在其设定点，必须增加供风流量。在该实施例中，或者将实验室房间的总排气流量，或者将整个实验室房间的压差作为处理变量，据此测量一种变量，而将供风流量作为控制变量。

前馈控制器的第二步骤包括根据第一步骤中确定的设定点和HVAC设备特性产生控制信号。在变风量(VAV)的实验室房间的HVAC系统中通常发现两种控制设备。主要有阀或风门控制设备，风门强制水-气盘管前面的水或空气流动，水-气盘管加热实验室房间的供应空气。各个构件的特性使输入变量与作为控制信号的输出相关。

如图2所示，前馈控制器22有一个联机识别单元36和一个控制单元38，图3所示的控制器24同样有一个联机识别单元40和一个控制单元42。识别单元36和40根据处理控制输入信号和测量的变量收集和修正处理特性。识别单元36和40定期将修正的特性送到各自控制单元38和42中进行控制。

这方面应理解的是，从某种意义上来看，当系统特性发生变化时，前馈控制器具有进行补偿的“反馈”机制。但是，这与测量的处理变量与其设定点比较以便得到误差信号，并且输出信号基本上是该误差信号的函数的反馈控制是不同的。在前馈识别过程中，如果成本不高而且可行的话，即对处理变量进行测量，甚至对系统的扰动进行测量。一旦接收到设定信号，该前馈控制单元38和42便工作，并根据处理的识别特性给出控制信号。前馈控制的根本在于根据处理设定点的变化或测量的变量发出控制信号。由于前馈控制不需要误差来产生控制信号，所以其反应要比反馈控制的快。

在使控制器安全耐用的整个运行范围内，识别过程捕捉系统的特性。如果识别机构能够完全捕捉系统特性，那么就不需要反馈控制器。但是，如果不想因误差，噪声以及数据精度而使成本增加的话，则不会达到其完满程度。所以，在稳态情况下，就需要反馈控制来补偿误差或偏差。

对于VAV实验室房间的HVAC系统中的控制设备的各个组件来讲，前馈控制器能够根据处理变量的设定点变化产生控制信号。为了理解如何可以产生控制信号，就需要了解与各构件相连的物理处理过程。

加热房间的物理处理过程有两个构件：阀/致动器组件和加热盘管。一般来讲，VAV实验室有一个加热盘管，一个阀/致动器和风门致动器，以便使实验室具有理想的温度和压力。阀/致动器性能和风门/致动器性能类似，风门/致动器用以调节HVAC空气分配系统中的空气流量。所以，此处对阀所描述的方法也适用于风门和致动器。选择加热过程作为例子，可以对VAV实验室中的所有HVAC组件的识别进行描述。

流过阀的水流速率取决于阀的开度和允许值a。该允许值定义为阀全开时通过阀的压降和整个流路压降之间的比值，或对于每个阀来讲，

当用允许值表示阀的特性时，现有技术(ASHRAE1992)中主要是阀的开度百分比和最大流速百分比。

对于单级循环系统来讲，循环压降要比使允许值a接近1.0的阀的压降小。但是，对于多个循环系统来讲，当泵和盘管之间的距离增加时，主要部分的压力损失要比分支部分的大许多。因此，允许值根据允许值方程中所示的压力损失比变化。因为各流路中的流量随时间变化，所以任何循环回路的允许值与时间有关。利用设计压降和流速之间的基本关系或通过流量设计时在泵出口及阀入口处测量的静态压力以及在任何时候算出的允许值即可计算阀的允许值。

如图2所示，根据加热要求产生控制信号C_s，将该信号传送给阀/致动器32，以便打开或关闭阀。加热盘管包括水和空气流速以及入口空气和水的温度的物理输入。盘管的输出为水温和空气出口温度。由于水的出口温度没有直接与供应空气热能控制系统相连，所以没有采用识别过程，反之，将R用作无量纲变量，该变量包括水的入口温度T_f，i，及空气入口和出口温度T_a，i和T_a，o。对于给定系统来讲，T_f，i和T_a，i是作为用户输入参数的已知常数，也可测量T_f，i和T_a，i，并将它们输入到控制器中。也可以看成盘管效率的无量纲变量R是测量到的供热量。R可以表示成：

           R＝(T_a，o-T_a，i)/(T_f，i-T_a，i)          (5.5)上述物理处理过程作为控制输入的函数与系统的处理变量有关。当该处理过程用在前馈控制器中时，要求使该过程反向，从而根据水的流速设定值发出将阀设定在所需位置的控制信号。

该控制过程可以结合图2进行描述。使上述物理加热过程的顺序在图2所示的前馈单元中颠倒过来。一旦前馈单元接收到盘管出口空气的温度设定值T_a，olsp，该前馈单元就运行。联机识别使特性正常化，并使其反向，以便产生所需的控制信号。对于所需的盘管出口空气温度设定值T_a，olsp和给定的供应空气流速v_s，首先将盘管特性用在控制过程中，以便产生需要的水流速率v_f。当知道了所需的水流量和允许值a时，判断出阀特性，然后发出控制信号C_s。

可以定期收集从系统观察到的变量以及控制信号C_s，利用图2中的联机自适应识别方法所示的独立识别方式，将上述变量和控制信号用来修正盘管和阀的特性。所观察到的变量包括T_a，o，T_a，vf和v_s。但是，如果没有价格昂贵的测量水流速的设备，则先测量盘管出口的水温T_f，o，并可用下面的能量等式算出 ${\stackrel{\·}{v}}_f=K{\stackrel{\·}{v}}_s(T_{a,o}-T_{a,i})/(T_{f,i}-T_{f,o})....\left(5.6\right)$ 其中K是根据经验确定出的常数，将该K表示成空气和水的质量-比容乘积之比，或 $K=\frac{{\mathrm{\ρ}}_a{C}_a}{{\mathrm{\ρ}}_f{C}_f}.....\left(5.7\right)$ 其中ρ_a＝空气的密度，ρ_f＝流体的密度，c_a＝空气的比容，c_f＝流体的比容。如果考虑到成本，上述水流速

方程最好作为计算通过局部加热盘管的水流速度的方法，实际上这也不同于直接测量流量的方法。HVAC控制系统通常用来测量通过盘管的空气流速以及排放空气的温度。每秒或更长时间校正一次数值。与空气处理总厂及冷冻厂不同的是，通常可以采用盘管空气进口温度以及水进口温度的数值。因此，通过增加一个温度传感器，采用水流速 方程就可以估算出盘管水流速度。由于流量传感器的成本比温度传感器的成本高，所以这种建议能够节约成本，因为在一个建筑物中可以有许多局部加热盘管，因而成本差别是很大的。此外，在改型过程中，可以将一个搭接温度传感器安装在管道外部，从而防止因工程中断而造成的浪费。另一方面，需要将多种流量传感器插入现有管道中，这将中断系统的运行。

有些额外的系数便于温度传感器的使用。首先，水流速度方程只用于识别。此处，不需要动态数据求出水流速度方程。反之，只需要定期的稳态数据，这对于每秒求出一个或更多较佳样品速率没有什么困难。其次，在估算盘管水流速度时，调节水流速度和空气流速之间的关系以及盘管两侧的空气和水的微分温度也是很重要的。所以各个测量的绝对精确度并不是必不可少的。最后，将前馈和反馈方法组合在一起的反馈控制器的目的在于用具有误差的识别过程补偿偏差。此处，并不需要精确的用于识别的测量。

图2清楚地表明，在前馈单元可以为阀产生任何控制信号以前，要求先估算盘管出口温度的设定点T_a，olsp。事实上，加热盘管特性转变会产生通过阀的水流速率的设定点。因为已知阀的运行值以及水流速率设定点，所以控制器能够为阀发出控制信号。

阀的上述方法类似于风门的方法，风门方法示于图3。在风门的情况下，根据空气流速要求产生信号。首先确定空气流速设定点，前馈方框图利用该设定点以及风门运行值，从而产生控制信号。

根据本系统的一个重要方面，需要一种方法来确定供风流速和供风温度的设定点以及总的空气排放流速。使供风流速设定点与压力回路耦合，以便保证实验室房间的安全。在房间温度降到设定点以下而且需要加热时，确定供风流速设定点。当房间温度变热而且温度超过设定点时，打开总的排放口。无论如何要将物理模式用于计算设定点。

为了确定供风气流设定点，可以用稳态质量平衡方程和渗透方程求得供应气流设定点。当按设定点写出稳态质量平衡方程时，该稳态质量平衡方程为(质量平衡)： $\frac{P_s{|}_{\mathrm{sp}}{\stackrel{\·}{v}}_s{|}_{\mathrm{sp}}}{T_s{|}_{\mathrm{sp}}}+\frac{P_{\mathrm{ad}}{|}_{\mathrm{sp}}{\stackrel{\·}{v}}_{\mathrm{ad}}{|}_{\mathrm{sp}}}{T_{\mathrm{ad}}{|}_{\mathrm{sp}}}-\frac{{P|}_{\mathrm{sp}}{\stackrel{\·}{v}}_e{|}_{\mathrm{sp}}}{{T|}_{\mathrm{sp}}}=0.....\left(5.8\right)$

渗透关系式指的是从供应管道以外的地方进入房间的空气量，该渗透关系式是： ${\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}=K_l{\left({\mathrm{\ΔP}}_{|\mathrm{sp}}\right)}^n....\left(5.9\right)$

将实验室房间的压差ΔP_lsp定义为如下压差：

               ΔP_|sp＝P_ref|sp-P|sp               (5.10)

在上述质量平衡方程中有9个变量，这些变量包括：三种气流的温度，流速和压力，三种气流是供应气流，渗透气流以及实验室房间的排放气流。房间的温度和压力渗透设定点是已知的。在设定点v_adlsp处的渗透体积流速也可通过v_adlsp和ΔP_lsp方程求得。同样，可以从设计数据求得供风压力P_slsp，房间压力P_lsp以及温度T_lsp的设定点。现在有三个未知数：实验室房间供风流速v_vlsp，实验室房间总的排气设定点v_elsp以及供风排放温度设定点T_slsp。实验室房间总的排气设定点是普通排气和排烟罩排气之和，它由下式求得： ${\stackrel{\·}{v}}_{e|\mathrm{sp}}={\stackrel{\·}{v}}_{\mathrm{th}|\mathrm{sp}}+{\stackrel{\·}{v}}_{\mathrm{ex}|\mathrm{sp}}.....\left(5.11\right)$

在VAV实验室房间中，对于排烟罩格的各个位置来讲，排烟罩的排气设定值为已知量。此处，通过确定实验室房间的总排气量设定点，就可知道普通排气量设定点。

为了求得供风排放温度或者普通排气量设定点，除了紧前面四个方程外，可以使用下面的稳态能量方程。该稳态能量方程为： $\frac{P_{{s|}_{\mathrm{sp}}}{\stackrel{\·}{v}}_{{s|}_{\mathrm{sp}}}}{R}{c}_p+\frac{P_{{\mathrm{ad}|}_{\mathrm{sp}}}{\stackrel{\·}{v}}_{{\mathrm{ad}|}_{\mathrm{sp}}}}{R}{c}_p-\frac{P_{|\mathrm{sp}}{\stackrel{\·}{v}}_{{e|}_{\mathrm{sp}}}}{R}{c}_p+c_f{q}_{\mathrm{load}}=0...\left(5.12\right)$

其中c_f是单位转换系数。

应理解的是，当需要确定供风的排放温度设定值时，普通排气量通常为已知量，反之亦然。当排烟罩的排放量随着罩格的打开而突然增加时，对确定所需供风的排放温度的需求就会增加。排气增加意味着需要更多的供应空气以便保证房间的压差。但是，如果55°F温度的供风量超过需求量时，房间就会过冷，这样就需调节冷负载，以便将房间温度保持在70°F。为了防止房间过冷，必需加热供风，控制加热盘管阀门，从而达到所需的供风的设定点。

当排烟罩关闭或内部发热速率因处理工作或设备运行增加时，就需要进行普通排气。在这种状态下的房间必需进一步进行冷却。但是，只要通过增加55°F供风的单位体积流量而增加冷却量，就可扰乱房间的压力平衡。因此，打开普通排气风门，使更多的供风进行冷却。为了保持房间压力和房间温度的设定点，控制器应当确定和控制普通排气流速和供风流速。当然，在这种情况下，供风温度是一定的。当需要加热时，通常普通排气风门是关闭的，这意味着v_vlsp等于零。

此处根据控制顺序，用五个处理方程求得供风流速和温度或供风流速和普通排气流速的组合设定点。在最后一个方程中，即在稳态能量方程中，为了求得这些设定点，需要确定区域的热负荷q_load。房间内的瞬时负荷约等于房间温度对时间的一次求导。这就是在假定实验室房间的空气质量保持恒定时的内部能量储存项。

                q_load|tr＝ρc_vdT/dt               (5.13)

将温度传感器设置在房间的排气管道内而不是采用在墙壁上安装房间恒温器的常规做法就可以直接测量到房间温度T。在许多实验室中，将排烟罩和实验室房间中排出的气体一起在管道中排出，两股排放气流之间的公共交汇处为管道温度传感器提供了很好的安装场所。因为需要有很强的通风效果，实验室房间的空气混合很好，所以，排风温度正好就是房间内的温度T。但在某些情况下，因为担心加到传感器上的电压会受到挥发烟气的影响，因此不宜安装管道温度传感器。在这些情况下，仍可使用墙壁上的房间恒温器，通过简化下面的方程并用一个临时房间空气温度传感器估算房间的温度，所述方程如下： $\frac{{\mathrm{dT}}_{\mathrm{st}}}{\mathrm{dt}}={C1}_{\mathrm{st}}(T_{\mathrm{pw}}-T_{\mathrm{st}})-{C2}_{\mathrm{st}}(T_{\mathrm{st}}-T).....\left(5.14\right)$

该方程将板壁温度以及房间空气温度与恒温器温度T_st进行联系。由于墙壁的辐射加热和冷却了装有恒温器的板壁，所以有必要将板壁温度和恒温器温度结合起来。在大多数实验室房间内，由于实验室房间和相邻区域的实验室房间通常为内部区域，而且它们保持在相同的温度，所以壁温非常接近所述区域的温度。因而，上述方程可以简化为 $\frac{{\mathrm{dT}}_{\mathrm{st}}}{\mathrm{dt}}=-{C2}_{\mathrm{st}}(T_{\mathrm{st}}-T).....\left(5.15\right)$

在开始运行期间，将温度传感器临时安装在排气管道中或房间内的合适位置，改变房间温度设定点，使恒温器温度T_st和房间空气温度T不同于临时位置的温度，使偏离数据适用于上述确定C2_st的方程，从而可以方便地得到恒温器唯一的校准常数C2_st。一旦校准了恒温器常数，就可以从临时位置拆除温度传感器。另外，如果可行的话，可以将测量房间温度的传感器仅安装在实验室房间空气的普通排气管道中。由于普通排气风门通常是完全关闭的，而且传感器并不处在房间的气流中，所以普通排气管道内的传感器不能代替恒温器连续使用。另一方面，当普通排气管道内有传感器时，可以自动进行校准处理，当普通排气量很大时，利用趋势传感器定期对校准常数C2_st的值进行修正，并且对方程5.15中的恒温器值进行修正。

当房间温度稳定时，可以用下面的能量方程确定总冷却负载，在上述时间步骤t-1时，该负载使实验室房间总排气流速、房间温度和供应空气流速联系。对于供风、排风和渗透风来讲，假定空气密度为相同的常数。 $q_{\mathrm{load}\backslash \mathrm{ss}}={\stackrel{\·}{v}}_{e,(t-1)}\mathrm{\ρ}{c}_p{T}_{(t-1)}-{\stackrel{\·}{v}}_{s,(t-1)}\mathrm{\ρ}{c}_p{T}_s-{\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}\mathrm{\ρ}{c}_p{T}_{\mathrm{ad}}...\left(5.16\right)$

将实验室房间总排气量表示成普通排气量和排烟罩排气量之和： ${\stackrel{\·}{v}}_e={\stackrel{\·}{v}}_{s,(t-1)}+{\stackrel{\·}{v}}_{\mathrm{ad}{|}_{\mathrm{sp}}}...\left(5.17\right)$

在上面两个方程中，使用渗透气流速度设定点v_adlsp而不是用实际渗透气流速度，这样可以防止房间的预测负载发生变化。ΔP的瞬间变化会引起渗透气流速度设定点v_ad和房间温度T的变化。因此，所算出的房间冷却负载也会改变。

为了找出瞬间变化的ΔP和v_ad对计算负载的影响，通过选择简单的控制方法来进行模拟。将房间内部发热量从82.50Btu/min的稳定值增加到412.50Btu/min即可求得房间温度和压力的特性曲线。当房间温度因内部发热量速度加快而升高时，则要求进一步冷却房间。

附加冷却只能通过增加55°F温度的供风流速实现。但是，在供风流速增加以前，必需增加实验室房间的总排气量，以便维持房间的压差，而这种压差又要求增大普通排气量。此处的目的在于确定所需供风的流速、温度或普通排气流速，以便得到房间压差和温度的设定点，但在预测负荷时，发现需要使用渗透流速设定点。通常用控制器控制供气风门和普通排气风门，以便维将房间的压差维持在0.05w.c，而将房间温度维持在70°F。在内部加热量增加前后，控制器首先在稳态条件下计算供应气流和普通排放气流的设定点。

根据气流设定点，控制器利用通过风门的流速和风门位置之间的判定关系确定风门的位置。而使用简单模拟方法的目的在于说明压力和温度的瞬间变化会使渗透流速的性能发生瞬间变化。所产生的影响在于预测负荷会使渗透流速发生瞬间变化，而这些变化又是不定的。在稳定条件下的瞬间负荷用前面的q_load lss方程确定，而该方程用的是实验室房间实际总排气量v_ex。反之，在瞬间变化时，使用设定点的预测稳态负荷q_loadlss可以非常接近实际负荷，预测稳态负荷与包括稳态发热量和壁效应的模拟负荷一致。稳态下的q_load lss使用q_load lss方程，通过假设ΔP的一个设定点后该方程计算v_ex。因此，将与0.05″w.c的ΔP设定点对应的q_load lss设定点用在方程5.16中。对于选定的控制程序来讲，实际的由方程5。16确定的差值约为41cfm，在稳态情况下，41cfm转换成瞬间负荷与q_load/ss之间的差值，约43Btu/min。

根据观察发现，选择预测稳态负荷用在模拟方法中，而不是用瞬时负荷。而且控制器不需要将瞬时房间负荷作为使风门变化的负荷。根据设定点使用预测负荷可以提供稳定的控制状态。

当房间需要冷却时，加入储存负荷项和稳态负载项来计算负荷q_loadlss，以便确定普通排气流速设定点和供风流速设定点。但是只有在加热情况下，在计算供应空气温度设定点时，应忽略储存项。

利用识别的组件特性，识别方法根据输入、输出以及与其它变量有关的信息产生组件输出。有两种组件需要进行识别：加热盘管和阀/风门。但是，在控制过程中，由于物理特性与上述的相反，所以识别过程应当获取反向物理方法的输入和输出之间的关系式。例如，对于加热盘管来讲，输入是无量纲变量R和固定变量T_a，i、盘管入口空气温度和流体入口温度T_f，i。盘管输出就是通过盘管的水流速度v_f。

同样，请参见图2，判定风门或阀的反向物理方法包括作为两个输入的允许值以及作为输出的控制信号。风门或阀基本上是可变阻力设备。这两种方法表示具有类似的流体特性，它们的性能用识别变量项表示，此处可以用相同的模式表示。

选择一般回归神经网络(GRNN)来识别盘管和阀的特性，这是因为一般回归神经网络的系统识别方便、可靠、高效。与传统的神经网络不同的是，它只需要很少的计算时间即可有效地收集系统特性。下面只是GRNN的简单计算，它用于说明各组件在识别过程中的方法。

GRNN的输入为一系列可以是多量纲的变量。对于输入矢量X和输出标量Y的X_i和Y_i取样值来讲，根据下面的关系式用所有的取样值就可求得任何X给定值下的理想平均值Y的估算值： $\hat{Y}\left(X\right)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i\exp (-\frac{D_i^2}{{2\mathrm{\σ}}^2})}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\exp (-\frac{D_i^2}{{2\mathrm{\σ}}^2})}.....\left(5.18\right)$

其中标量函数D_i ²表示给定值与已知点之间的欧氏距离，它由下式表示： ${D_i}^2={(X-X_i)}^T(X-X_i)......\left(5.19\right)$

σ是GRNN的单一平滑参数。上面的方程均是GRNN方法的基础。当平滑参数σ值较小时，所估算的密度采用非高斯型，但在已知的不规则点之间可能会出现很大的估算变化。当σ较大时，出现较平滑的回归面。用Holdout方法(Specht 1990)计算平滑参数σ的值。

用于加热盘管或阀/风门的特性的GRNN方法比传统识别方法还有更多的优点。在传统的回归识别方法中，操作人员必需输入预先计算出的方程形式的数据，或者应当周密地研究最佳方程。非线性编码要求是很严格的，这种编码不能用于现行的联机中。反之，GRNN不需要用户输入特性的任何函数项，它只要用很简单的编码。另外，可以将GRNN算法装入到中枢硬盘处理器中，这样，由于在分区时不需要软件编码，所以可省去开发软件的过程。

加热盘管的输入矢量X包括无量纲变量R和v_alsp，而输出Y是通过盘管的水流速度v_flsp。利用阀的允许值a和作为输入的v_flsp，阀的GRNN产生阀控制信号所需的输出C_s。对于流量控制的风门/致动器来讲，输入和输出变量与阀的输入和输出相同。

根据控制器的另一个重要方面，先用上述模式求得盘管和阀的特性，然后将这些特性用在GRNN中，以便对特性进行识别。首先使物理变量正常化。除了R(方程5.5)和允许量以外，所有范围均是从0到1，其它所用的正常化后的变量为 ${\mathrm{nC}}_s=\frac{C_s}{C_{s\max }};n{\stackrel{\·}{v}}_s=\frac{{\stackrel{\·}{v}}_s}{{\stackrel{\·}{v}}_{s\max }}\mathrm{and\; n}{\stackrel{\·}{v}}_f=\frac{{\stackrel{\·}{v}}_f}{{\stackrel{\·}{v}}_{f\max }}...\left(5.20\right)$

在该实施例中，C_smax，v_fmax和v_smax分别为1.0，2500cfm(1180L/s)和1.0gpm(0.0631L/s)。通过用满足负载所需的R值以及给定值 就可以确定 值，然后将

与给定允许值一起用在阀模式中，以便求出图2所示的控制信号nc_s。利用正常化后的变量以及上述模式就可得到表1中的盘管和阀的特性数据。

对于允许值不变的情况，利用阀回归数据的一个取样就可以很好地说明GRNN方法。例如，选择的允许值为0.1，如图6所示，在正常控制信号和正常流量之间就会得到线性关系。对于恒定的允许值来讲，只有一个输入，上述标量函数方程中的矢量X变成一系列正常流速标量

在标量函数方程中，当Xi为一系列取样中的第i个取样时，就可以算出函数D_i ²。然后用D_i ²和相应的Yi作为判定数据中的nc_s的第i个取样求出Y(X)的GRNN方程。

                           表1

                       阀的模拟参数λ＝0.00001；W_f＝1；K_cd＝0.08641(64.89)；K_o＝0.042(31.54)；

利用本文主要参考引用的Engineering Equation Solver(Kleinand Alvarado 1997)就可以模拟盘管和阀的特性以及GRNN。图6中的模拟数据用实线表示，而对于不同的光滑参数(σ)值来讲，利用GRNN方程得到各点。虽然比较小的σ值显示的数据较好，但应避免因选择很小的σ而产生的调节难度。模拟数据包括14个取样，通过使nCs按0.1的间隔从0.0变化到1.0以及0.05，0.15和0.25的nCs得到这些数据。

将本文主要参考引用的Holdout方法(Specht 1990)用来计算σ的最佳值，发现该最佳值为0.01。图6中显示出了选择高σ值后的影响。当用比较大的σ值(0.5)时，发现其趋势几乎为光滑的直线，这与σ值比较小的时候明显不同，GRNN试图使所有取样大体相同，其各点之间并不平滑。对于σ＝0.01来讲，发现预想信号和模拟信号之间的平均误差为2.62％，而在控制信号的最小值时发现有14％的最大误差，所述最小控制信号没有包括在识别数据(0.35的nCs)中。在

值比较大时，由于控制信号对归一化的流率非常敏感，所以很小的误差也能观察到。

但是，在阀弯曲部分上端的相对误差要比下端的小，这是由于此端的控制信号具有比较高的绝对值。所以，取样范围和样品的选择与光滑参数一起均是很重要的变量。事实上，对于特定样品来讲，通过将nCs＝0.35的取样包括在识别数据中，就可以将模拟控制信号和预想控制信号之间的误差从14％减少到1％，而平均误差可以从2.62％降到1.31％。为了识别风门/阀的特性，知道只要200个取样来覆盖整个允许范围。这源于如下假设：允许值能以0.1的增量在0.001、0.01、0.05和0.1至1之间变化，而控制信号能以0.1的增量在0.05、0.075、0.01、0.15、0.20、0.25、0.30、0.35和0.40至1.0之间变化。任何现有技术的控制器都可以方便快速地处理200个取样值。但是事实上覆盖实际运行范围的点数非常少，也就是说点数最好少于100。

阀的允许值范围选择在0.5和0.1之间来对GRNN方法进行实验。另外，用Holdout方法确定此时为0.05的最佳光滑参数σ，在30个样品的识别数据范围内求得方根误差为0.189的总和。识别数据组包括0.10、0.30、和0.50的运行值以及0.10至1.0之间等量间隔的nc_s。实验数据组使nc_s以0.10的增量从0.05变到0.95，该数据组还包括中间运行值0.20和0.40。3.0％左右的平均误差小于数据组范围的平均误差。在归一化流速曲线变陡的地方控制信号的值较大，而发现控制信号值较大时某些误差比平均误差大。

阀或风门的运行范围是这些控制应用的典型范围。此处，利用小数据组表示特性的GRNN方法已显示出其可行性，这种方法在当前联机的控制器中是有效的。在实际应用中，通过改变风门的开度，整个运行范围内的运行特性在使用过程中均可得到应用。运行特性一旦得到收集就储存在前馈控制器中，并利用GRNN，根据储存的数据产生控制信号。当反馈回路的误差信号的值总是很低时，调节反馈回路所需要的时间会减少，作用就会降低。对于建筑物的HVAC分配系统来讲，在利用前馈和反馈的组合控制器中，减少运行时间和费用以及提高系统性能是两个主要任务。

工作过程中得到的测量数据只能用于使识别过程初始化。由于系统运行时收集到较多的运行数据，因而就会对识别进行修正。将前馈和反馈组合起来的本质是用前馈产生控制信号的大体估算值，同时用反馈进行精确处理。事实上，前馈框图中也有对识别进行修正的反馈机构。但是，识别过程一直与控制过程分开进行，从而使运行方便，费用减少。

在控制器中使用GRNN的另一方法在于用模拟数据求得特性。可以储存这些特性，当实际数据成为可用数据，并将这些数据代替模拟数据时，对这些特性进行修正。

图8示出的是覆盖阀的整个运行范围的识别数据和实验数据。这些数据通过模拟控制信号求得，对于识别数据组中的每一个允许值，控制信号的变化范围为0.1至1.0之间，识别数据组的允许值的变化范围为0.01至1.0之间。此外，在识别和控制信号值小的情况下，实验组到识别组的添加样品倍增。另外，将160个样品用在识别组中，而将150个样品用在实验组中。使用允许值为0.01、0.10、0.25、0.50和1.0的小数据组的Holdout方法用于使σ值最佳化。具有稀少值的较小数据组还为图8所示的数据提供了σ值为0.01的很好的备用数据。

图9示出的是模拟控制信号和预想控制信号的比较曲线图。另外，对于大控制信号和小允许值来讲，出现的误差比平均误差大。对于特定样品来讲，通过将该样品置于识别组中，就可以很快减少该特定样品的大误差。在现有控制器中，通过将送到阀和风门中的控制信号与前馈控制信号产生的控制信号进行比较就可以方便地完成上述任务。如果前馈和总控制信号之间的差的增量大于预定极限值，控制信号和相应的归一化流速以及允许值都可以回到识别组中。

最后，将GRNN用于识别加热盘管的特性。现在参见图2，GRNN需要在给定R和空气流速的情况下预测通过盘管的理想水流速。对于随机选择的归一化供风流速

和R来讲，用v_f能量平衡方程、K的质量比方程及求出nCs、

和 的归一化方程计算归一化流速 将模拟数据部分用作识别，其余数据与试验GRNN算法无关。为此目的选择试验样品，以便覆盖整个允许范围。图9示出的是模拟数据和试验数据。

发现预测的归一化流速和模拟归一化流速之间的平均误差为2.6％。与限定模式很明显的阀不同的是，图10的盘管曲线为随机的。即输入数据分布是稀少和随机的，但GRNN仍可以精确地预测盘管流速。

除了模拟数据之外，还将测量的风门特性用于试验GRNN。用两个数据源求得测量值：1)标定风门性能的试验数据；和2)在工作地点用建筑物的自动系统(BAS)的有效风门性能。在第一种情况下，如图11所示，实验出现了三个风门允许值的风门曲线。

用于求得数据的实验传感器类似于商业建筑物控制系统所用的传感器。对于给定控制信号来讲，记下通过风门的流速，用归一化方程使该流速正常化。如图11所示，用控制信号的测量值、流速和允许值识别GRNN，而将允许值曲线上的中间各点用作实验GRNN。

通过与模拟数据进行比较，图11的曲线表明象预想的那样随机性较大。当几乎没有关闭风门，流速低的情况下，三条允许值曲线会聚成一条曲线，这表明很难测量流速。在流速大、允许值小的情况下，增加控制信号不会增加流速。GRNN预测到测量值的平均精度为4.30％，考虑到与测量系统和数据收集系统有关的误差，上述平均精度是好的。用Holdout方法确定0.066的最佳光滑参数σ。如图11所示，由于允许值曲线向上具有较高的灵敏度，所以误差随流速增加而增加。在风门的正常允许值范围内，选择GRNN的实验数据范围为10％至100％之间的流速。

对于工作地点的风门来讲，收集数据期间将允许值保持在7％不变。对于相同的流速来讲，不论流速是高还是低，风门控制信号的变化范围很大。为了对已经用于识别数据中的样品进行观察，对GRNN的输出进行试验。在将数据送入GRNN进行识别以前，不对原始测量值进行预处理。应将预处理滤波器用在测量值上，以便减少测量值的不确定性。

在预测控制信号时，GRNN的精度为6％以内。同时说明阀特性的线性回归方法所产生的平均误差为7％。GRNN方法的要点在于能够预测非线性特征以及线性特征，而不需要用户输入任何固定的平滑参数。在回归方法的情况下，需要用户的有效输入表示回归形式，这种回归形式通常对用于识别的回归分析的实际联机方法进行限制。所以，结果表示GRNN的性能优于线性回归的性能。

前馈-反馈的组合布局能从前馈回路中得到大多数控制信号，使反馈回路只处理小的稳态误差，所以只需要进行很少的调节。与反馈回路不同的是，前馈回路只对设定点的数值起作用，而不需要变量的测量数值。因此，前馈信号可以提高跟踪设定点变化的控制速度。使用反馈的大多数普通方法是传统的逼近比例微分积分(PID)算法，它适于组合逼近。

可以将本地控制器用于图1至4的装置中，这些控制器的大部分为用于大型建筑物的中等规模，它们有足够的记忆处理能力，从而保持少量的费用。可以提供安装简单方便、成本低廉的控制设备，通过使前馈和反馈算法结合起来，大幅度提高该控制设备的性能。这样可改善PID控制器的性能，PID控制器对盘管和阀信号的动态反应所产生的控制起作用。在上述前馈回路中，将这些设备的静态特性储存后进行修正。

最后用两种方法之一将前馈和反馈回路进行组合。根据图4所示的第一种观点，无论什么时候发现设定点变化，则可以使用一个简单开关50，将PID算法中得到的控制信号设定成零。这种逼近法和模式1相同。当设定点变化时，只有前馈回路产生控制信号。当设定点没有发生变化时，只增加PID的输出，这表示系统处于稳定状态。这种组合逼近法的根据在于：反馈只响应开放前馈回路没有检测到的稳态误差。由于识别方法、测量和控制器引起的不确定因数，所以有理由希望稳态误差比较小。

在称作模式2的图5所示的第二个逼近法中，控制器的净输出为前馈输出、PID输出的积分部分和微分部分相加后减去PID输出的比例部分以后得到的结果。这儿所用的逻辑部分是将PID的比例部分减去后得到的，反馈仍保持不对设定点的任何变化起作用。反馈只根据控制器起积分和微分作用，以便利用前馈回路响应设定点的变化。

模拟两种组合模式，它们彼此间用简单的压力控制顺序进行比较，以便解释反应特性。如图13所示，从负脉冲和响应时间来看，虽然模式1的特性要比模式2的特性稍好，但这两种模式均比较理想。当流速减小时，其趋势正好与流速增加时的相反。控制器的性能在比较短的时间内很快改善。取样时间是控制器处理过程以及传递速度的函数，取样时间通常取决于成本。控制器的取样时间最好为1/10秒，或每秒取样10个。

一般回归神经网络(GRNN)有效地判定HVAC各组件的特性，所述各组件相继用于控制。由于GRNN已经证明，利用观察模拟取样和测量取样，它具有使线性关系和非线性关系匹配的能力，所以该GRNN的作用是很显然的。但是，与传统的回归方程不同的是，使用GRNN不需要预先知道一个方程关系式。GRNN算法的性能使该方法加到神经网络机构中，神经网络机构可以进行硬盘安装。光滑参数只是需要进行选择的变量，在使用Holdout方法或其它方法时可以确定光滑参数。

由于本地HVAC控制组件需要的是小数据组，即阀、风门和加热盘管特性，所以GRNN提供一个适用设备，其特征在于能使前馈回路中使用的HVAC组件具有稳定的性能，所述的前馈回路与反馈控制器相配合。虽然本文中对输出Y当作标量进行处理，但也可以利用GRNN处理多端输出。

根据使用测量数据的结果，在用GRNN识别盘管和阀特性时，保守地估算6％的误差是合理的。此处，可以产生控制信号时的平均误差为8.8％。为了消除小于10％的剩余误差，反馈控制器足以产生一个控制信号。此外，因为误差范围预先规定在一个固定的小范围内，所以反馈控制器需要最小的调节。

与图5所示的模式2相比，在稳态下使用PID控制器的图4所示的组合模式1对于房间内的压力进行简单控制时具有更佳的性能。当与模式2比较时，模式1在对时间、振动和稳定性方面的响应能力更强。

如上所述，上述高质量的控制器的控制可靠，便于安装，成本低廉，通过使前馈和反馈控制算法进行配合，可大幅度提高其工作性能。

虽然上面已对本发明的各个实施例作了描述和说明，但本领域的技术人员应当明白，各种变化，替换和改型均是显而易见的。在不超出本发明的精神范围内，可以作出各种变化，替换和改型。

Claims (21)

1.一种用于控制建筑物中的房间内温度的控制器，该建筑物中至少有一个与所述房间相邻的空间，所述建筑物包括一个加热、通风和空调(HVAC)系统，该系统配有一个将空气输送到房间内的供应管道和一个将空气排出房间的排气管道，所述系统有一个控制供应空气流入房间的构件，所述房间至少有一个与HVAC无关的附加排气管，其特征在于所述装置包括：

一个根据所要求的温度和供应管道中的流量设定点、进出房间的流速、普通排气管道中的流速设定点，并根据所述组件的识别特性以及计算出的系统变量产生前馈控制信号的前馈设备；

一个根据所测量的系统变量产生反馈控制信号的反馈设备；以及

用于将前馈控制信号与反馈控制信号结合起来实现对局部组件进行控制的组合设备。

2.根据权利要求1所述的控制器，其中所述的构件包括一个供应风门/致动器，一个普通排气风门/致动器，一个加热盘管和一个阀/致动器。

3.根据权利要求2所述的控制器，其中所述的识别特性包括进入房间的空气流速、进入房间的空气流速的设定点、反馈控制信号、供应风门/致动器的允许值、普通排气风门/致动器的允许值、离开房间的排放空气的流速以及离开房间的排放空气流速的设定点。

4.根据权利要求1所述的控制器，其中所述的构件包括一个位于所述供应管道中的加热盘管和一个用于控制通过所述加热盘管的水流速度的阀。

5.根据权利要求4所述的控制器，其中所述的识别特性包括通过所述加热盘管的理想水流速度、进入房间的供应空气的流速、进入房间的空气的温度、进入盘管的空气的温度、进入盘管的水的温度和反馈控制信号。

6.根据权利要求5所述的控制器，其中所述的识别特性还包括通过一个允许值以及通过所述阀的水的百分比，所述允许值为所述阀全开时，通过所述阀的水压变化与其中装有该阀的回路中的压力变化之比。

7.根据权利要求6所述的控制器，其中所述的识别特性还包括盘管的有效变量R，该变量显示出由所述盘管传给周围空气的测量热值，所述变量由下面的方程求得：

R＝(T_a，o-T_a，i)/(T_f，i-T_a，i)

其中：    T_f，i为水的入口温度；

          T_a，i为空气的入口温度；和

          T_a，o为空气出口温度。

8.根据权利要求5所述的控制器，其中所述的水流速度通过测量盘管的出口水温T_f，o确定，并用下列方程计算水流速度： ${\stackrel{\·}{v}}_f=k{\stackrel{\·}{v}}_s(T_{a,o}-T_{a,i})/(T_{f,i}-T_{f,o})$

其中k是常数，它是空气与水的质量-比容的乘积之比。

9.一种用于控制建筑物的加热、通风和空调(HVAC)的流体分配系统的组件的控制器，该分配系统至少对特定房间中的空气的温度和压力之一产生作用，所述房间有一个空气供应管道和至少一个普通空气排放管道，所述控制器将空气温度控制在预定值上，并控制进出房间的空气流速，以便维持与建筑物中的相邻区域相关的压差，其特征在于所述控制器包括：

一个用于定期产生待控制构件特性的识别装置；

一个与所述识别装置相连的前馈装置，该装置根据控制设定点和组件的识别特性产生反馈控制信号，所述控制设定点定义为使进入房间的热能基本保持等于从房间排出的热能，使进入房间的空气质量基本保持等于从房间排出的空气质量的设定点；

一个根据所测量的系统变量产生反馈控制信号的反馈设备；以及

用于将前馈控制信号与反馈控制信号结合起来实现对局部组件进行控制的组合装置。

10.根据权利要求9所述的控制器，其中所述的控制设定点包括供应空气流速设定点，供风排放温度设定点和普通排风流速设定点。

11.根据权利要求10所述的控制器，其中所述的控制设定点作为所述识别特性中的变化函数适当地进行变化。

12.根据权利要求11所述的控制器，其中所述的组件包括一个供风的风门/致动器，一个普通排气风门/致动器，一个加热盘管和一个阀/致动器。

13.根据权利要求12所述的控制器，其中所述的识别特性包括进入房间的空气的流速、供应风门/致动器的允许值和温度设定点。

14.根据权利要求12所述的控制器，其中所述的识别特性包括离开房间的排风的流速、排气风门/致动器的允许值和温度设定点。

15.根据权利要求12所述的控制器，其中所述的组件包括一个位于所述供应管道中的加热盘管和一个用于控制通过所述加热盘管的水流速度的阀/致动器。

16.根据权利要求15所述的控制器，其中所述的识别特性包括通过所述加热盘管的理想水流速度、进入房间的供风的流速、进入房间的空气的温度、进入盘管的空气的温度、进入盘管的水的温度和反馈控制信号。

17.根据权利要求16所述的控制器，其中所述的识别特性还包括一个允许值以及一个通过所述阀的水流的百分比，所述允许值为所述阀全开时通过所述阀的水压变化与其中装有该阀的回路中的压力变化之比。

18.根据权利要求11所述的控制器，其中供应空气流速设定点(v_slsp)和温度设定点(T_s lsp)由下列方程确定： ${\stackrel{\·}{v}}_s{|}_{\mathrm{sp}}=\frac{T_s{|}_{\mathrm{sp}}}{P_s{|}_{\mathrm{sp}}}[\frac{{P|}_{\mathrm{sp}}{\stackrel{\·}{v}}_e{|}_{\mathrm{sp}}}{{T|}_{\mathrm{sp}}}-\frac{P_{\mathrm{ad}|\mathrm{sp}}{\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}}{T_{\mathrm{ad}|\mathrm{sp}}}]$ ${\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}=K_l{\left({\mathrm{\ΔP}}_{|\mathrm{sp}}\right)}^n$

       Δp_|sp＝P_ref|sp-P|sp ${\stackrel{\·}{v}}_{e|\mathrm{sp}}={\stackrel{\·}{v}}_{\mathrm{fh}|\mathrm{sp}}+{\stackrel{\·}{v}}_{\mathrm{ex}|\mathrm{sp}}$ $\frac{P_{{s|}_{\mathrm{sp}}}{\stackrel{\·}{v}}_{{s|}_{\mathrm{sp}}}}{R}{c}_p+\frac{P_{{\mathrm{ad}|}_{\mathrm{sp}}}{\stackrel{\·}{v}}_{{\mathrm{ad}|}_{\mathrm{sp}}}}{R}{c}_p-\frac{P_{|\mathrm{sp}}{\stackrel{\·}{v}}_{{e|}_{\mathrm{sp}}}}{R}+c_p+c_f{q}_{\mathrm{load}}=0$

其中：    P_slsp为供应空气的压力设定点；

          T_slsp为供应空气的温度设定点；

          v_slsp为供应空气的流速设定点；

          P_adlsp为渗透空气压力设定点；

          T_adlsp为渗透空气温度设定点；

          v_adlsp为渗透流速设定点；

          P_lsp为房间压力设定点；

          v_lsp为排气流速设定点；

          T_lsp为房间温度设定点；和

          c_f单位转换系数。

19.根据权利要求11所述的控制器，其中当需要对供应空气加热时，排放空气流速设定点(v_elsp)为0，当不需要对供应空气加热时，排放空气流速设定点(v_elsp)由下列方程确定： ${\stackrel{\·}{v}}_e{|}_{\mathrm{sp}}=\frac{T_s{|}_{\mathrm{sp}}}{P_s{|}_{\mathrm{sp}}}[\frac{{P|}_{\mathrm{sp}}{\stackrel{\·}{v}}_s{|}_{\mathrm{sp}}}{{T|}_{s|\mathrm{sp}}}+\frac{P_{\mathrm{ad}|\mathrm{sp}}{\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}}{T_{\mathrm{ad}|\mathrm{sp}}}]$

其中 ${\stackrel{\·}{v}}_{\mathrm{ad}|\mathrm{sp}}=K_l{\left(\mathrm{\Δ}{P}_{|\mathrm{sp}}\right)}^n$

        Δp_|sp＝P_rcf|sp-P|sp ${\stackrel{\·}{v}}_{e|\mathrm{sp}}={\stackrel{\·}{v}}_{\mathrm{fh}|\mathrm{sp}}+{\stackrel{\·}{v}}_{\mathrm{ex}|\mathrm{sp}}$

和

其中    P_slsp为供应空气的压力设定点；

        T_slsp为供应空气的温度设定点；

        v_slsp为供应空气的流速设定点；

        P_adlsp为渗透空气压力设定点；

        T_sdlsp为渗透空气温度设定点；

        v_adlsp为渗透流速设定点；

        P_lsp为房间压力设定点；

        v_lsp为排气流速设定点；

              T_lwsp为房间温度设定点。

20.根据权利要求16所述的控制器，其中所述的加热盘管、阀/止动器和风门的识别特性由普通回归神经网络(GRNN)确定。

21.根据权利要求20所述的控制器，其中所述的识别特性由下列方程确定： $\hat{Y}\left(X\right)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i\exp (-\frac{D_i^2}{{2\mathrm{\σ}}^2})}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\exp (-\frac{D_i^2}{{2\mathrm{\σ}}^2})}$

Images