摘  要： 在对神经网络PID控制器的设计中，利用神经网络对PID控制器参数kp，ki，kd的在线整定与调整，实现对中央空调冷冻水变流量的控制，使系统具有良好的稳态性能与控制精度。
关键词： 神经网；PID控制器；中央空调；变流量

　中央空调在整个智能楼宇建筑系统中的能耗比例较大，约占整个建筑能耗的50%，中央空调节能措施的研究是我国现阶段空调研究的主要方向。中央空调变水量系统是当实际负荷的改变时，通过变频器实现水泵转速的改变，从而改变系统冷冻水的流量，实现空调的节能目标。
　由于中央空调是一个非线性、大滞后、时变的系统，要想通过PID达到一个良好的控制效果，必须对PID的3个参数合理选取。在以往的PID控制变频调节中，PID参数的整定需在现场调试的过程中不断地加以调整才能实现良好的控制，在应用上普通的PID调节很难实现系统的稳定运行，而且对工况及环境变化的适应能力差。而神经网络PID控制的中央空调水系统通过不断的调整权值参数可对PID参数kp、ki、kd进行在线式调整，可以随环境的变化实现对参数的调整，对数学模型要求也不是很高，在稳定性和适应能力方面具有良好的性能[1]。
1 中央空调冷冻水二次泵控制方案
　本文应用压差控制来实现中央空调水系统中水泵的变频。压差控制采用冷冻水环路中离泵最远的空调用户端（最不利支路）的压差与压差设定值比较的偏差，作为控制器的输入改变变频器的值，控制水泵电机转速改变流量，使检测处的压差跟随设定值，满足系统负荷需要[1]。当房间的负荷降低时，造成最不利支路上冷冻水电动阀门开度减小，冷冻水的流量减小，压差增大。通过与设定压差比较，改变二次水泵的转速，降低其流速，使最不利支路上的压差减小。
2 冷冻水变流量控制器的设计
2.1 神经PID控制原理
　利用BP神经网络具有逼近任意非线性函数的能力、自学习的能力及非线性映射能力。将其运用到PID控制调节中，并根据系统的运行状态，通过不断调整权值、不断调节PID控制器的3个参数，以期达到某种控制规律下性能指标的最优化。
　BP神经网络结构由输入层、隐含层、输出层3层网络组成，如图1所示。通过隐含层和输出层活化函数的计算，使输出层的神经元状态对应PID控制器的3个可调参数kp、ki、kd，来实现系统的在线整定[2]。
经典增量式控制算法：


2.2 神经网络PID控制器结构
　基于BP神经网络的PID控制器的系统结构如图2所示，其控制器是由常规的PID控制器和神经网络两部分组成。在控制器中，常规的PID控制器与被控对象形成闭环控制，通过不断采集被控对象输出，使被控对象的输出趋于稳定，并使系统的误差趋于零；神经网络根据系统误差值来作为它的输入，通过神经网络的自学习能力和加权系数的不断调整，使输出层神经元的输出对应于控制器的可调参数kp、ki、kd，来调整控制器的输出，使系统运行状态快速稳定。

　通过对Matlab仿真曲线的研究，可以知道基于神经网络PID的中央空调水系统的控制具有良好的稳定性和跟随性，在40 s后系统基本上处于稳定运行状态，并且具有较好的快速性和适应能力，系统的控制特性和控制精度良好。
　本文利用BP神经网络具有自学习、自组织能力的特点，通过设计神经网络PID控制器来实现对中央空调冷冻水变流量的控制，实现了系统对PID参数的在线自整定和优化的能力，避免了依靠人工整定PID参数而导致系统出现大超调、不稳定等现象。同时该算法具有很强的适应能力，不需要被控对象的精确数学模型就能使系统具有良好的控制效果，运行方案是非常可行的。在实现中央空调水系统变流量压差控制运行的基础上及对于将来空调节能的发展具有广阔的前景。
参考文献
[1] 李玉街，蔡小兵，郭林.中央空调系统模糊控制节能技术及应用[M].北京：中国建筑工业出版社，2010.
[2] 曾军，方厚辉.神经网络PID控制及其Matlab仿真[J].现代电子技术，2004.
[3] 吴俊.中央空调水系统优化节能控制[D].西安：西安建筑科技大学，2008.
[4] 庞中华，崔红.系统辨识与自适应控制Matlab仿真[M].北京：北京航空航天大学出版社，2009.