智能變頻空調模糊神經網絡控制系統的設計與實現畢業論文(存儲版)

　　

【正文】 必須依賴合理的專家經驗。東北大學碩士學位論文 第5章　智能變頻空調控制系統硬件設計第5章　智能變頻空調控制系統硬件設計本文設計的智能變頻空調控制系統分為室內和室外兩部分，室內部分主要包括室內機和遙控器。 室內機控制板示意圖 Indoor Motor Control Panel Schema室內機有兩個溫度傳感器，分別用來檢測室內溫度及內機盤管溫度。圖中電容C主要用于抑制NTC電阻的突變或其他干擾；由于傳感器和主板之間的距離較長，所以在傳感器接入PIC16F877處串接一電感以平流而減少干擾。 遙控接收及LED顯示電路 Remote Control Receive And LED Circuit正常情況下，遙控器每2s時間與室內機通訊一次。MCU的四路I/O口輸出特定順序的脈沖信號，經過驅動電路，送到步進電機的四個繞組來進行驅動，用于對導向板的控制。風機的運轉速度還受到設定溫度與室內溫度之差、盤管溫度及運行模式的影響。過零檢測需要相應的外部中斷輸入I/O支持。對異常的電壓范圍，要控制空調器關機，以保護壓縮機及其他電器部件。通過增加一根通訊線與零線之間構成一個電流環，使用電流驅動方式來進行數據傳送，在兩端由光電耦合器與控制板進行信號耦合，從而增加通訊的抗干擾能力與傳送距離（最長可超過30米）。在室內機發送、室外機接收的情況下，需要關閉室內機RX中斷以避免室內機MCU接受到自己發送的數據（減少中斷），而室外機TX腳需要輸出低電平或者三態以開啟電流環回路；而在室外機發送、室內機接收時，需要關閉室外機RX中斷，同時設置室內機TX管腳輸出端為低電平或者三態以開啟電流環回路。即用一個低頻正弦波去調制一個高頻三角形的載波，得到一串等幅不等寬的脈沖，它里面包含有一個基波分量和極少的諧波。從RT~BB的6個引腳輸出響應頻率和電壓的SPWM控制信號，經過驅動電路隔離后，分別控制智能功率模塊IPM的6個IGBT的導通與截止，最后在3個輸出端上產生對稱的三相SPWM電壓，以驅動交流電動機運轉。前者的原理相對比較簡單，有20多年比較成熟的發展經驗，因此應用得較多，本設計采用這種方法。該電路的通訊速度最高可達到2400bps。，反相驅動模塊D204輸出低電平信號，K通電吸合，室外風機通電工作；，反相驅動模塊D204輸出高電平信號，K不工作，室外風機停機。對于變頻空調，一般運行電壓范圍在160V~260V左右，但是市電電網電壓由于某些不確定的因素，會產生一定的波動。為了能夠準確調速，還需要有市電過零檢測電路，以過零點開始導通角的計時。該步進電機的B相、C相、D相分別由單片機的RDRDRD3口進行控制，其功率放大和驅動電路與A相繞組相同，繞組的通電順序按照AABBBCCCDDDAA方式進行。它們主要是控制室內機送風的具體方向，可按用戶需要調節到最為舒適的送風風向。在本設計中，室內機面板上的紅外接收器工作頻率為38K，該紅外接收器將接收到的紅外信號轉變為電信號送到PIC16F877的RB0管腳上，經內部電路識別處理后，由RBRBRB3口控制三個LED的顯示狀態。在本設計中，溫度的測量范圍包括室內溫度5℃—35℃及盤管溫度5℃—45℃。本設計中，室內MCU控制板是基于Microchip8位PIC16F877而設計的，采用40pin封裝。該智能控制系統以溫度偏差、溫度偏差變化率作為輸入變量，變頻壓縮機工作頻率變化作為輸出控制量，通過神經網絡調整隸屬函數和改變模糊控制規則。即便獲得了精確的數學模型，、超調量大。 PID算法變頻空調溫度系統響應圖 PID Variable Frequency Airconditioning Temperature Response (2)常規模糊控制算法常規模糊控制的方法與PID控制不同，它是根據經驗進行推理決策，這就使控制器參數的調整可相對地獨立于系統模型的變化，保持隸屬函數的形狀。虛線為訓練前隸屬函數，實線為訓練后隸屬函數。本文將其設計為有四層結構的動態BP網絡，神經網絡NNP的預測輸出為： ()神經網絡預測器NNP各層的輸入輸出關系為：(A)層： ，(B)層： ，；為節點的閾值。模糊神經網絡需要學習的參數，主要是最后一層的連接權及隸屬度函數的中心值和寬度。圖中為系統期望輸出，為系統時刻的輸出。如何將模糊控制知識表達清楚和神經網絡自學習能力強這兩種優勢結合起來，取長補短，應用到變頻空調系統的控制中，提高整個系統的學習能力和表達能力，是變頻空調目前急需要解決的問題。表示模糊規則的總數。 隸屬度函數網絡模型 Network Model of Subordinate Function 模糊神經網絡（FNN）接點的作用函數即為()式的正態函數。模糊控制器的輸入量是精確量，模糊推理是針對模糊量進行的，因此應先對輸入量模糊化。(3)模糊邏輯神經元在模糊神經網絡中，最主要的也是最經常使用的一類模糊神經元是模糊邏輯神經元。去模糊化層可對映射層的輸出結果進行非模糊化處理。 神經元、模糊模型 Fuzzy Control And Neuron Network Model(2)模糊、神經模型該模型以神經網絡為主體，將輸入空間分割成若干不同形式的模糊推論組合，對該系統先進行模糊邏輯判斷，以模糊控制器輸出作為神經元網絡的輸入，具有自學習的智能控制特性。如何將模糊理論的知識表達容易和神經網絡自學習能力強這兩種優勢結合起來，取長補短，提高整個系統的學習能力和表達能力，是整個控制工程界需要解決的問題[28]。它的本質在于神經網絡中高層次的神經元對低層次神經元的輸入模式進行競爭識別。它是基于模擬退火的統計優化方法，因此又稱為模擬退火算法。在有教師的學習方式中，網絡的輸出和期望的輸出（即教師信號）進行比較，然后根據兩者之間的差異調整網絡的權值，最終使差異變小。 前向網絡結構 Forward Network Structure(2)反饋網絡。人工神經網絡主要有BP網絡、RBF網絡、Hopfield網絡、CMAC網絡和Kohonen網絡等。人工神經元是生物神經元的近似模擬，它是一種多輸入單輸出非線性的信息處理單元。選取控制量變化的原則是：當誤差大或較大時，控制量的選取應以盡快消除誤差為主；當誤差較小時，選取控制量要注意防止超調，以系統的穩定性為主要出發點[19~22]。即：if and then 根據以上分析和專家經驗。因此，模糊概念的確定問題就直接轉化為求取模糊集合隸屬函數的問題。即當大時，基本論域為縮小；當小時，基本論域為放大。在溫控系統中，假設現時刻設定溫度為，前一時刻設定溫度為；溫室現時刻溫度為，前一時刻溫度為；現時刻溫度誤差為，前一時刻溫度誤差為；現時刻溫度誤差變化率為。模糊控制是以模糊集合論、模糊語言變量及模糊推理為基礎的非線性控制，已成為目前智能控制一種重要而有效的形式。內外機通訊通過基于UART的異步半雙工通訊單元完成。本文嘗試將模糊控制和神經網絡相結合用于變頻壓縮機的控制，以神經網絡的層和節點分別對應模糊系統的各個部分，將模糊控制規則和隸屬函數隱含地分布在整個網絡中。在大范圍變化時，其系統效率比交、直流變頻調速系統都要高，且啟動轉矩大、啟動電流小。 智能變頻空調系統框圖 Intellective Variable Frequency Airconditioning System 。該液體經過電子膨脹閥節流成低壓后，進入室內換熱器，吸收室內空氣的熱量而蒸發成氣體，將流過換熱器的室內空氣溫度降低。而且由于變頻空調對環境溫度的控制過程具有純滯后、非線性等特點，需要在控制系統的結構上改進設計及深入研究，才能實現變頻空調的高度智能化。從上述BP算法可以看出，BP模型把一組樣本的I/O問題變為一個非線性優化問題，它使用的是優化中最普通的梯度下降法。在正向傳播過程中，輸入信息從輸入層經隱含層逐層處理，并傳向輸出層。通過此學習過程，確定下來各層間的連接權值之后就可以工作了。1986年出版的《Parallel Distributed Processing》一書中，完整地提出了誤差逆傳播學習算法，實現了Minsky的多層網絡設想。 模糊PID溫控系統框圖 Fuzzy PID Temperature Control System這種控制方法以溫度偏差和溫差變化率作為模糊輸入變量，運用模糊規則進行推理決策，構建合適的模糊控制表，通過軟件查詢進行參數調整，根據模糊推理功能在線整定PID的三個控制參數、和，實現對溫度的優化控制。正因為如此，ANN的應用已滲透到空調領域的各個方面，成為學科的前沿陣地，不少國內外學者作了許多有益的嘗試，如預測負荷、能源管理、系統辨識、故障診斷、非線性控制系統和智能控制等，并取得了令人矚目的成績。模糊控制的最大特點是采用ifthen型的模糊控制規則組成控制器，實現專家控制。這樣空調不僅給人們帶來更舒適的感覺，而且能節約更多的電能，達到真正的智能。這種空調可以通過改變壓縮機的轉速來連續的調節壓縮機的負荷，以適應動態變化的空調房間負荷需要，較定頻傳統空調具有優越的運行經濟性和舒適性。早期的傳統空調因為供電頻率不能改變，也被稱為“定頻空調”[2]。本章將在簡要介紹目前國內外空調控制發展現狀的基礎上，指出當前控制方式中存在的不足，由此確定本文研究及解決的問題。近年來，隨著制冷技術、電機控制技術、電力電子技術和智能控制技術的發展，人們采用模糊邏輯控制算法并與變頻技術相結合的辦法，應用于空調控制系統，使得一種高效節能、高舒適度的空調——常規模糊變頻空調應運而生。不再根據標準環境設定的參數運行，能以最優化參數自動運行。1974年，英國科學家首次成功地將模糊控制技術應用于蒸汽發動機模型的控制中，證實了模糊控制比傳統的PID控制方法更為有效之后，模糊控制在工業系統中得到推廣。始于上世紀40年代的人工神經網絡ANN ( artificial neural network)理論，是近年來發展起來的前沿研究領域，涉及生物、電子、計算機、數學和物理等學科，具有并行性、容錯性、自學習、自組織、自適應性等特點，能模擬人腦的基本特征，有著廣泛的應用前景[6]。國內在這方面的研究和開發始于上世紀90年代初，雖然起步比較晚，但也取得了若干成果，主要體現在以下三個方面：文獻[7]提出了將模糊控制和PID控制相結合應用于變頻空調的控制中。文獻[9]提出采用BP神經網絡控制變頻空調的壓縮機。隨著“模式順傳播”，和“誤差逆傳播”過程的交替反復進行，網絡的實際輸出逐漸向各自所對應的期望輸出逼近，網絡對輸入模式的響應的正確率也不斷上升。該算法的學習過程由正向傳播和反向傳播組成。 ()使用誤差函數為平方型： ()其中是單元的實際輸出，總誤差為： ()定義： ()于是： ()當為輸出節點時 ()若不是輸出節點，則有 ()其中是層的輸入，計算要從層往回算。在網絡結構的創新設計、網絡權值選擇方面沒有進行研究。 變頻式熱泵型空調器制冷/加熱原理 Variable Frequency Airconditioning Refrigeration/Heating Procedure空調器作制冷運轉時，由變頻壓縮機排放出的高溫高壓氣體，經過四通換向閥進入室外熱交換器，向外界空氣放出熱量，制冷劑冷凝成液體。二者之間通過異步串行方式進行通信。它具有結構簡單、效率高、控制方法與驅動電路更加簡化的特點。通過比較分析，考慮到本設計的研究目標是國內市場，所以選擇國內變頻壓縮機的主流器件——異步電動機進行設計研究。通訊的準確率和實時性對于整個空調系統的工作性能起著很重要的作用。如何真正將模糊神經網絡廣泛應用在現實世界中，是一項十分有意義的工作。由于模糊控制器的控制規則是根據人的手動控制規則提出的，所以模糊控制器的輸入變量也可以有誤差和誤差的變化，輸出量一般選擇控制量的變化。從量化因子定義可以看出，一旦給定論域，即選定基本論域量化等級（檔數）之后，量化因子的取值大小可使基本論域不同程度的縮小與放大。描述輸入、輸出變量的詞匯都具有模糊特性，可用模糊集合來表示。用條件語句表示為誤差負大且誤差變化也負大時，控制量應取正大。當誤差為負小時，系統接近穩定，當誤差變化為負時，選取控制量變化為正中，以控制誤差往負方向變化；若誤差變化為正時，系統本身有消除負小的誤差趨勢，選取控制量變化為正小即可。神經網絡通過系統的實際輸出與期望輸出之間的誤差來調整神經網絡的連接權重，即讓神經網絡學習，直至誤差趨近于零的過程，就是神經網絡實現直接控制的基本思想。互相結合性網絡中任意兩個神經元都有可能連接，因此輸入信號要在神經元之間反復往返傳遞，從某一初態開始，經過若干次的變化，漸漸趨于某一穩定狀態或進入周期振蕩等其它狀態。前向網絡是一種強有力的學習系統，其結構簡單易于編程，它通過簡單非線性處理單元的復合映射，可獲得復雜的非線性處理能力，但是它缺乏豐富的動力學行為。目前神經網絡的學習方法有多種，按有導師可分為：有教師學習、無教師學習和再勵學習。(3)概率式學習概率式學習的典型代表是Boltzmann機學習規則。在這種聯接機制中引入競爭機制的學習方式稱為競爭式學習。因此，神經網絡進行訓練時，由于不能很好地利用已有的經驗知識，常常只能將初始權值取為零或隨機數，從而增加了網絡的訓練時間或者陷入非要求的局部極值。所有樣本學習完以后，這個神經元網絡就是一個聰明靈活的模糊規則表。模糊關