[發明專利]基于SPSA的制冷系統最小能耗的數據驅動控制方法有效
| 申請號： | 201410213866.0 | 申請日： | 2014-05-20 |
| 公開（公告）號： | CN104019520B | 公開（公告）日： | 2017-01-18 |
| 發明（設計）人： | 董娜 | 申請（專利權）人： | 天津大學 |
| 主分類號： | F24F11/00 | 分類號： | F24F11/00 |
| 代理公司： | 天津市北洋有限責任專利代理事務所12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 spsa 制冷系統 最小 能耗 數據 驅動 控制 方法 | ||
1.一種基于SPSA的制冷系統最小能耗的數據驅動控制方法，采用以下的方法：
a.根據系統負荷的變化，調節壓縮機頻率使冷凍水供水溫度恒定，實現制冷量與熱負荷匹配；
b.獲取系統負荷與蒸發器最小穩定過熱度之間的關系曲線；
c.建立系統的在線神經網絡辨識模型：以前P個時刻實際系統的輸出值，即前P個時刻蒸發器的過熱度值{y(k),y(k-1),...,y(k-P+1)}和前Q個時刻實際系統的控制輸入值，即前Q個時刻電子膨脹閥的開度值{u(k-1),u(k-2),...,u(k-Q)}作為神經網絡模型的輸入，P和Q為時間窗長度，以當前時刻蒸發器的過熱度值作為神經網絡的輸出；選取三層結構，即一個輸入層，一個隱含層和一個輸出層，徑向基函數神經網絡作為系統的在線辨識模型，網絡隱節點的基函數采用歐氏距離函數，并使用高斯函數作為激活函數；確定網絡隱節點數、各徑向基函數的數據中心及擴展常數，將以誤差函數作為神經網絡學習的目標函數，其中，βj為遺忘因子，ej為網絡輸出與實際系統輸出間的誤差；采用梯度訓練方法，通過最小化目標函數來調節各個隱節點的數據中心、擴展常數和連接權值，從而使神經網絡辨識模型逼近實際系統；
d.根據壓縮機動態調節下空調制冷系統的制冷量的變化，計算系統負荷，并根據系統負荷與蒸發器最小穩定過熱度之間的關系曲線，獲得該系統負荷所對應的最小穩定過熱度，將其作為蒸發器過熱度的設定值yd(k+1)；
e.建立神經網絡控制器：以前M時刻實際系統的輸出值，即前M個時刻蒸發器的過熱度值{y(k),y(k-1),...,y(k-M+1)}、前N時刻實際系統的控制輸入值，即前N個時刻電子膨脹閥的開度值{u(k-1),u(k-2),...,u(k-N)}、以及過熱度的設定值yd(k+1)作為神經網絡控制器的輸入，以系統的控制信號，即電子膨脹閥的開度值u(k)作為神經網絡控制器的輸出，選取四層結構的BP網絡作為神經網絡控制器，即一個輸入層，兩個隱含層和一個輸出層；使用在線神經網絡辨識器模型代替實際系統來進行控制器連接權值的更新；
f.膨脹閥控制回路完成對蒸發器過熱度的控制：通過電子膨脹閥來控制蒸發器的過熱度，使其跟蹤上過熱度的設定值yd(k+1)，使用更新過的神經網絡控制器的連接權值，計算得到系統的控制信號u(k)，即電子膨脹閥的開度，將該信號反饋到空調制冷系統中，從而完成閉環控制。
2.根據權利要求1所述的基于SPSA的制冷系統最小能耗的數據驅動控制方法，其特征在于，步驟e中，更新神經網絡控制器的連接權值的方法如下：計算控制器參數神經網絡控制器所產生的控制量，記做其中θk為神經網絡控制器的連接權值、為上一時刻的控制器連接權值的估計值、ck為趨于0的序列或值等于常數的標量系數、Δk＝[Δk1,Δk2,...,ΔkL]T為一個隨機向量，并將分別作為兩次輸入信號加入至系統的在線神經網絡辨識模型中，記錄其相應的輸出，記做將的值代入到控制器的優化目標函數中，計算得到再將代入進梯度估計公式中，其中，l＝1,2,...,L，L為控制器參數的個數，進而得到梯度的估計值最后將代入到控制器參數更新公式中，其中ak為標量系數，計算得到k時刻控制器連接權值的估計值從而完成控制器參數即神經網絡控制器連接權值的更新。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津大學，未經天津大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201410213866.0/1.html，轉載請聲明來源鉆瓜專利網。
