《变风量空调系统室温控制的梯度校正辨识算法.pdf》由会员分享,可在线阅读,更多相关《变风量空调系统室温控制的梯度校正辨识算法.pdf(10页珍藏版)》请在专利查询网上搜索。
1、10申请公布号CN104111606A43申请公布日20141022CN104111606A21申请号201410251919822申请日20140609G05B13/0420060171申请人河海大学常州校区地址213022江苏省常州市新北区晋陵北路200号72发明人白建波李洋74专利代理机构南京纵横知识产权代理有限公司32224代理人董建林54发明名称变风量空调系统室温控制的梯度校正辨识算法57摘要本发明公开了一种变风量空调系统室温控制的梯度校正辨识算法,沿着代价函数的负梯度方向,逐渐修正模型特性参数的估计值,直至代价函数达到最小值。本发明与递推最小二乘参数辨识方法相比,算法明显简单,而且。
2、易于实现,因此在线辨识时,其相应的计算量要小于递推最小二乘算法,并且本发明可同时实现对变风量空调系统的过程参数和延迟参数的在线辨识。51INTCL权利要求书2页说明书7页19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书7页10申请公布号CN104111606ACN104111606A1/2页21变风量空调系统室温控制的梯度校正辨识算法,其特征在于,包括以下步骤1建立变风量空调系统的离散化模型;2建立与所述变风量空调系统的离散化模型相应的离散化的参考对象模型;3定义变风量空调系统离散化模型和参考对象模型的广义模型误差4定义代价函数J,当J为最小时,参考对象模型待辨识参数的估计。
3、值即为变风量空调系统模型相应的特性参数的实际值,其中,表示未知的特性参数,EI为广义模型误差,K表示差分阶数;5得到梯度校正参数辨识算法下变风量空调系统参考对象模型待辨识参数MK的递推公式其中,MKAMK,BMK,DMKT,RK为加权矩阵,EK为广义模型误差,UK表示变风量空调系统在K时刻的输入,YK表示在K时刻的变风量空调系统实际输出,定义输入数据向量HK为6采用梯度校正参数辨识算法对变风量空调系统参考对象模型待辨识参数MK进行在线辨识。2根据权利要求1所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述步骤1变风量空调系统的离散化模型的建立过程包括以下步骤11变风量空调系统的数。
4、学模型GS经简化后,表达式如下其中,KS为放大系数,TS为时间常数,为变风量空调系统的纯延迟时间,S为拉普拉斯算子;12对变风量空调系统的数学模型的传递函数进行离散化,得到离散化的变风量空调系统的传递函数GHS如下其中,T表示采样周期;13将空调系统的数学模型GS经过Z变换后,得到离散化模型GZ1其中,BKS1A,A,B为变风量空调系统的过程参数,权利要求书CN104111606A2/2页3D/T为变风量空调系统的延迟参数,A,B,D为变风量空调系统的特性参数。3根据权利要求1所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述步骤2离散化的参考对象模型GMZ1为其中,AM,BM为。
5、变风量空调系统参考对象模型待辨识的过程参数,DM为空调系统参考对象模型待辨识的延迟参数。4根据权利要求1所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述步骤3广义模型误差EK为其中,K表示差分阶数,UK1表示变风量空调系统在K1时刻的输入,YK表示在K时刻的变风量空调系统实际输出,YMK为参考对象模型GMZ1的差分形式。5根据权利要求1所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述步骤5中,所述加权矩阵选取LYAPUNOV的最佳加权矩阵RK其中,N表示加权矩阵的维数。6根据权利要求1所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述步骤6采用梯度。
6、校正参数辨识算法对变风量空调系统参考对象模型待辨识参数MK进行在线辨识的步骤如下61给定参考对象模型特性参数向量的初始值M1,即取K1;62根据式23构成输入数据向量HK;63根据式27构成加权矩阵RK;64根据式12式计算广义模型误差EK;65根据式22估计新的参考对象模型的特性参数向量MK1;66对待辨识参数MK1中的DMK1进行取整,所述取整遵循如下规则67用K1替代K,返回步骤62。7根据权利要求6所述的变风量空调系统室温控制的梯度校正辨识算法,其特征在于,所述在线辨识过程中,当代价函数J取得最小值的,迭代循环结束,此时的参数向量MK与实际值偏差为最小,则此时的MK即为变风量空调系统相。
7、应的特性参数的实际值。权利要求书CN104111606A1/7页4变风量空调系统室温控制的梯度校正辨识算法技术领域0001本发明涉及一种变风量空调系统室温控制的梯度校正辨识算法,属于空调控制技术领域。背景技术0002变风量空调系统是通过改变送风量或者调节送风温度来控制某一空调区域温度的一种空调系统。变风量空调系统可根据空调负荷的变化及室内要求参数的改变,自动调节空调送风量,以满足室内人员的舒适度要求或其他工艺要求,同时根据实际送风量自动调节风机的转速,最大限度地减少风机动力,节约能量。而在空调控制领域,被控对象变量如室内温、湿度通常具有非线性、纯延迟、时变和强耦合等特性,并受各种不确定干扰因素。
8、人员流动、门窗启闭、设备散热等影响。通常情况下,一般采用递推最小二乘辨识算法对变风量空调系统的过程参数进行在线辨识,但无法获得纯延迟时间,而延迟时间的辨识对于自适应控制起着至关重要的作用。发明内容0003本发明提供了一种变风量空调系统室温控制的梯度校正辨识算法,通过梯度校正辨识算法实现了对变风量空调系统包括延迟参数和过程参数在内的在线辨识。0004为达到上述目的,本发明采用的技术方案如下0005变风量空调系统室温控制的梯度校正辨识算法,包括以下步骤00061建立变风量空调系统的离散化模型;00072建立与所述变风量空调系统的离散化模型相应的离散化的参考对象模型;00083定义变风量空调系统离散。
9、化模型和参考对象模型的广义模型误差00094定义代价函数J,当J为最小时,参考对象模型待辨识参数的估计值即为变风量空调系统模型相应的特性参数的实际值,00100011其中,表示未知的特性参数,EI为广义模型误差,K表示差分阶数;00125得到梯度校正参数辨识算法下变风量空调系统参考对象模型待辨识参数MK的递推公式00130014其中,MKAMK,BMK,DMKT,RK为加权矩阵,EK为广义模型误差,0015UK表示变风量空调系统在K时刻的输入,YK表示在K时刻的变风量空调系统实际输出,0016定义输入数据向量HK为说明书CN104111606A2/7页5001700186采用梯度校正参数辨识算。
10、法对变风量空调系统参考对象模型待辨识参数MK进行在线辨识。0019前述的步骤1变风量空调系统的离散化模型的建立过程包括以下步骤002011变风量空调系统的数学模型GS经简化后,表达式如下00210022其中,KS为放大系数,TS为时间常数,为变风量空调系统的纯延迟时间,S为拉普拉斯算子;002312对变风量空调系统的数学模型的传递函数进行离散化,得到离散化的变风量空调系统的传递函数GHS如下00240025其中,T表示采样周期;002613将空调系统的数学模型GS经过Z变换后,得到离散化模型GZ100270028其中,BKS1A,A,B为变风量空调系统的过程参数,0029D/T为变风量空调系统。
11、的延迟参数,A,B,D为变风量空调系统的特性参数。0030前述的步骤2离散化的参考对象模型GMZ1为00310032其中,AM,BM为变风量空调系统参考对象模型待辨识的过程参数,DM为空调系统参考对象模型待辨识的延迟参数。0033前述的步骤3广义模型误差EK为00340035其中,K表示差分阶数,UK1表示变风量空调系统在K1时刻的输入,YK表示在K时刻的变风量空调系统实际输出,YMK为参考对象模型GMZ1的差分形式。0036前述的步骤5中,所述加权矩阵选取LYAPUNOV的最佳加权矩阵RK00370038其中,N表示加权矩阵的维数。0039前述的步骤6采用梯度校正参数辨识算法对变风量空调系统。
12、参考对象模型待辨识参数MK进行在线辨识的步骤如下004061给定参考对象模型特性参数向量的初始值M1,即取K1;说明书CN104111606A3/7页6004162根据式23构成输入数据向量HK;004263根据式27构成加权矩阵RK;004364根据式12式计算广义模型误差EK;004465根据式22估计新的参考对象模型的特性参数向量MK1;004566对待辨识参数MK1中的DMK1进行取整,所述取整遵循如下规则0046004767用K1替代K,返回步骤62。0048前述的在线辨识过程中,当代价函数J取得最小值的,迭代循环结束,此时的参数向量MK与实际值偏差为最小,则此时的MK即为变风量空调。
13、系统相应的特性参数的实际值。0049本发明的梯度校正辨识算法同样是一种递推算法结构,但算法明显简单,而且易于实现,因此在线辨识时,其相应的计算量要小于递推最小二乘算法;并且本发明实现了对变风量空调系统包括延迟参数和过程参数在内的在线辨识。具体实施方式0050下面对本发明进行进一步详细说明。0051本发明的变风量空调系统室温控制的梯度校正辨识算法,主要包括以下几个部分。0052一、建立变风量空调系统的离散化模型0053变风量空调系统数学模型经过简化后,室内温度和控制器的输出之间可以用一阶惯性加纯延迟的环节来表示00540055其中,GS为变风量空调系统的数学模型,KS为放大系数,TS为时间常数,。
14、为变风量空调系统的纯延迟时间,S为拉普拉斯算子。0056变风量空调系统需要连续的进行工作,所以其控制过程必然为一个连续系统。为了能够通过计算机对变风量空调系统模型进行在线辨识,必须对变风量空调系统的数学模型的传递函数表达式连续过程进行离散化,为此在连续系统中加入一个采样开关和一个零阶保持器,假定采样周期用T来表示,则变风量空调系统的传递函数GHS可以表示为00570058假设变风量空调系统的纯延迟时间是采样时间T的整数倍,令0059D/T30060由于需要对变风量空调系统进行离散信号处理,对数学模型GS采用离散信号处理中应用最为广泛的Z变换,则变风量空调系统的数学模型GS经过Z变换后的离散化模。
15、型GZ1为说明书CN104111606A4/7页700610062具体推导过程为00630064令00650066BKS1A70067将其转化为Z变换的标准化形式00680069A,B即为变风量空调系统的过程参数,D为变风量空调系统的延迟参数,A,B,D统称为变风量空调系统的特性参数。0070二、建立与变风量空调系统的离散化模型相应的离散化的参考对象模型0071根据变风量空调系统的离散化数学模型式8,可建立与其相应的离散化的参考对象模型为00720073在上式中,AM,BM和DM为变风量空调系统参考对象模型待辨识参数,将其用向量M来表示0074MKAMK,BMK,DMKT100075MK为离散。
16、化的表达形式,K表示差分阶数。0076三、定义变风量空调系统离散化模型和参考对象模型的广义模型误差0077将参考对象模型式9用差分方程来表示00780079其中,K表示差分阶数,UK1表示变风量空调系统在K1时刻的输入,YK1表示变风量空调系统在K1时刻的实际输出。0080则广义模型误差EK为00810082四、定义代价函数J0083代价函数是为了获得J的最小值,也就是取得广义模型误差的最小值,当J为最小时,参考对象模型待辨识参数的估计值即为变风量空调系统模型相应的特性参数的实际值。0084代价函数J定义为说明书CN104111606A5/7页800850086五、得到梯度校正参数辨识算法下变。
17、风量空调系统参考对象模型待辨识参数MK的递推公式0087梯度校正参数辨识算法可以用如下数学表达式表示00880089在上式中RK为加权矩阵,它是对称矩阵;表示J关于MK的梯度。对于变风量空调系统参考对象模型,00900091结合式12、13可得009200930094根据Z变换的实域位移定理,由式17可以推导得00950096另外,00970098采用欧拉线性变换式对式19进行化解,推导获得00990100则01010102则在梯度校正参数辨识算法下变风量空调系统参考对象模型待辨识参数向量MK的递推公式为01030104定义输入数据向量HK为01050106输入数据向量HK的各分量HIK将直接。
18、影响参数的估计值,说明书CN104111606A6/7页90107加权矩阵RK的作用是用来控制各输入数据分量对参数估计值的影响程度,梯度校正参数辨识算法的收敛性能直接取决于该加权阵的选择,因此在变风量空调系统的在线辨识过程有效地选择RK将对梯度校正参数在线辨识算法起着关键的作用。0108加权矩阵RK具有如下形式0109RKCKDIAG1K,2K,NK240110适当地选择IK,能够控制各输入数据分量HIK对参数估计值的影响,根据经验结论,当01110112MK在公式大范围内是一致渐进收敛的,即有01130114其中0为变风量空调系统数学模型特性参数的实际值。0115在本发明中取01160117。
19、将RK定义为LYAPUNOV的最佳加权矩阵,当加权矩阵选用RK时,参数参考模型的待辨识参数MK将以最快的速度收敛于实际值0。0118六、采用梯度校正参数辨识算法对变风量空调系统参考对象模型待辨识参数MK进行在线辨识011961给定参考对象模型特性参数向量的初始值M1,即取K1,给定和数学模型相接近的值,其中DM1的初始值可以通过阶跃响应获得;012062根据式23构成输入数据向量HK,式中YK1、UK1均可由测量获得;012163根据式27构成最佳加权矩阵RK,式中,IK的值可由工程经验和参考文献中得到;012264根据式12式计算广义模型误差EK;012365根据式22估计新的参考对象模型的特性参数向量MK1;012466为了和离散模型统一,DMK必须由整数来表示,所以需要对待辨识参数MK1中的DMK1进行取整,取整遵循如下规则0125012667用K1替代K,返回步骤62。0127当代价函数J取得最小值的,迭代循环结束,此时的参数向量MK与实际值偏差为最小,认为此时的MK即为变风量空调系统相应的特性参数的实际值。0128利用所求得的特性参数,再根据式6,式7和式3即可求得变风量空调系统说明书CN104111606A7/7页10的时间常数TS,放大系数KS和纯延迟时间。说明书CN104111606A10。