基于模糊决策算法的室内空调温度远程优化控制系统设计

2022-11-17黄广国薛彦飞

现代信息科技 2022年20期

黄广国，薛彦飞

（1.山东大卫国际建筑设计有限公司，山东济南 250002；2.山东省方圆经纬设计集团有限公司，山东聊城 250100）

0 引言

为了满足企业不断发展需求，切实保障企业根本利益[1]，大量的室内空调温度控制系统被以各种形式设计出来，比较著名的有梁芯萌等人设计的基于改进内模解耦控制的室内空调远程优化控制系统[2]、杨世忠等人设计的基于改进自适应萤火虫群算法的室内空调优化控制系统[3]。两种设计均可实现对室内空调温度的有效控制，但是在室内空调温度控制的准确性以及效率上还存在很多不足。

模糊决策算法作为一种非常有效的决策控制算法，将其应用于室内空调温度的远程优化控制工作中，无需花费更多的时间成本便可完成对室内空调温度的有效控制。基于此，本文设计基于模糊决策算法的室内空调温度远程优化控制系统，利用模糊决策算法对室内空调温度进行精准控制。

1 温度远程优化控制系统

1.1 总体架构

室内空调温度远程控制系统充分利用了模糊决策算法在空调温度控制上的优势。

感知层包含室内温度数据采集模块[4]、数据处理模块、调理电路、通信终端、温度传感器、A/D 转换器以及应急电源模块。感知层的主要职责是采集室内温度数据，为室内空调温度远程优化控制提供可靠的数据依据。室内温度数据采集模块与数据处理模块完成室内温度数据信号的采集与去噪操作后，由通信终端模块将处理后的室内温度数据信号发送至通信层。

通信层是连接感知层与控制层的纽带，不仅可以通过光纤网络以及4G 网络将由感知层传输过来的温度数据输送至控制层，网络监测箱、网络优化调节模块的设计还可更有效保障数据传输网络的安全稳定运行，为室内空调温度远程优化控制系统提供必要的网络支持。

控制层包含数据接收与存储、室内空调温度模糊控制器以及PI 调节器等模块。数据接收与存储模块在接收到由通信层传输过来的室内温度数据后，室内空调温度模糊控制器根据设定的温度与采集到的室内温度数据做模糊决策，输出适当的温度完成对室内空调温度的有效控制。

优化层的主要职责是实现室内空调控制系统的智能化与远程控制。空调智能控制终端通过无线路由等网络设备可实现与空调控制服务器之间的有效连接，有效处理与优化各项控制参数，实现对空调温度控制的智能管理。远程控制模块通过网口接入空调温度智能控制终端，可实现对室内空调温度的远程控制。

1.2 远程控制系统硬件

1.2.1 数据采集模块设计

FPGA 芯片具有强大的数据处理与控制能力，将其应用于室内空调温度数据的采集工作中，可使温度采集的效率与准确性显著提升[5，6]。因而，基于FPGA传感器数据采集技术对系统感知层的室内空调温度数据采集模块进行合理设计，模块框图如图1所示。

图1 数据采集模块设计

温度数据信号输入到调理电路后，由A/D 转换器执行模拟信号的转换操作，FPGA 芯片充分发挥其强大的数据处理与控制功能，例如Xilinx 公司的Spartan-6FPGA 系列芯片，将数字转换后的温度信号按一定的规则放置于具有强大数据存储功能的双口RAM 数据存储器中，当获取的温度信号数量已经达到双口RAM 数据存储器的存储上限时，型号为PXA270 的ARM 处理器会对温度数据信号进行合理的读取与处理，并最终以网口为纽带与服务器连接，向服务器发送温度数据信号，完成室内温度数据信号的采集。

1.2.2 控制器设计

系统控制层的室内空调温度模糊控制器采取双输入单输出的方式完成对室内空调温度的模糊控制操作。设计的室内空调温度模糊控制器包含模糊化、模糊推理、去模糊化等模块，迷糊控制器框图如图2所示。

图2 模糊控制器设计

用e与ec分别代表温度误差以及误差变化率，将二者作为室内空调温度模糊控制器的输入，经过有效的模糊化操作后，可获得与e、ec相对应的模糊量，将二者对应的模糊量表示为E、EC，之后以模糊规则库为主要依据对E与EC执行有效合理的模糊推理操作，可获取用于对室内空调温度实时有效控制的模糊控制量U，对U实施有效的去模糊操作，最终会得到一个准确性更高的U，以此为可靠依据可完成对室内空调温度的有效控制。

1.3 控制系统软件

1.3.1 室内温度数据去噪

通常情况下，利用传感器采集到的室内温度数据，由于受采集环境等因素的影响，数据信号中会含有很多的噪声信号[7]。为此，在本文系统感知层的数据处理模块应用改进小波阈值算法对采集到的室内温度数据进行数据去噪。

用公式将含噪声的室内温度数据信号表示为：

其中，真实的室内温度数据信号与室内温度数据信号中含有的高斯白噪声信号分别用z（t）、h（t）代表。那么具体的室内温度数据信号去噪过程可归结为：

（1）抽样离散化含噪声的室内温度数据信号。将离散后的含噪声室内温度数据采集信号用公式表示为：

其中，离散后的真实室内温度数据信号与离散后的高斯白噪声信号分别用z（m）、h（m）代表。

（2）对离散后的含噪声室内温度数据信号执行离散小波变换操作。

（3）改进小波阈值量化。用ωj，m代表位于m处尺度为j的小波变换系数，λ代表设定的阈值函数。通过改进小波阈值量化操作可获得小波估计系数。

（4）室内温度数据信号小波重构。对改进阈值量化操作获得的小波估计系数执行小波逆变换操作，实现室内温度数据信号的小波重构。

改进小波阈值函数用公式可表示为：

1.3.2 室内空调温度模糊控制方法

利用模糊决策算法对室内空调温度进行模糊控制的过程实质上是以合理的方式将室内空调温度的模糊量向精确的室内空调温度控制量转换并最终对输出实施有效控制的过程。模糊决策算法无需利用数学模型便可对室内空调温度实施控制，其极强的鲁棒与容错性能使得其在进行室内空调温度控制的过程中，能够收获较为理性的室内空调温度控制效果。因而，系统控制层的室内空调温度模糊控制器使用模糊决策算法对室内空调温度进行模糊控制。

用e（k）与ec（k）作为室内空调温度远程优化控制系统室内空调温度模糊控制器的输入量，u（k）代表室内空调温度模糊控制器的输出控制量。对三个变量执行模糊化操作，用公式将包含三个变量的模糊语言变量子集表示为：

其中，正大、正小与正中分别用PB，PM，PS 代表；负大、负小与负中用NB，NS，NM 代表；零用ZO 代表。经过合理的量化操作后，将三个变量的论域表示为{-3，-2，-1，0，1，2，3}，并将三角隶属函数设置为其隶属度函数。

用ΔGp、ΔGi与ΔGd代表室内空调温度模糊控制过程中需要使用的三个模糊控制参数，对ΔGp、ΔGi与ΔGd依次执行模糊控制规则设计、参数模糊控制规则表生成以及模糊控制规则导入操作。受时间以及篇幅的限制，以ΔGp为例进行说明。

使用加权平均的方式完成室内空调温度模糊量向室内空调温度论域清晰量、再到模糊控制量的转化。获得的室内空调温度论域清晰量用公式可表示为：

其中，ΔGpj代表的是模糊量，A（ΔGpj）与ΔGp*代表的是ΔGpj的隶属度与清晰值，模糊规则的数量用n代表。用同样的方法可获得其他两个室内空调温度控制参数的清晰量。

根据上述结果对三个室内空调温度控制参数进行有效修正，并将修正后的室内空调温度控制参数应用于室内空调温度模糊控制模块中，可获得最终的输出控制量。

2 实验与分析

实验以某大型纺织厂的室内空调为实验对象，其应用冷暖双制型空调，每匹空调的制冷量大约对应100-150M3 空间体积，结合HLW-M204 空调控制器，以室内温度作为主判据进行启闭，支持与室内循环安装的轴流风机联动。

应用本文系统对其进行室内空调温度远程优化控制，验证本文系统在室内空调温度远程优化方面的优势。

为验证本文系统在室内空调温度远程控制方面的优势，绘制该厂应用本文系统与未应用本文系统对室内空调温度进行控制时获得的室内温度变化曲线，具体如图3所示。

分析图3可知，未采用本文系统对室内空调进行控制时，当室内温度在26°以下时，室内温度变化曲线出现了明显的波动情况，而应用本文系统对室内空调进行获得的室内温度进行控制时，获得的室内温度变化曲线呈现出比较平稳的状态。实验证明：本文系统在室内空调温度控制方面，对室内温度的调节性能更强，在室内空调温度控制方面更具优势。

图3 室内温度变化曲线对比图

图4是该纺织厂分别使用本文系统以及文献[2]与文献[3]系统以及未对室内空调温度进行优化控制时四个季节的纺织灯饰产量实验记过。

图4 纺织灯饰产量

图4中，应用本文系统对室内空调温度进行远程优化控制后，四个季节的纺织灯饰品产量始终最高，尤其在夏冬两个季节，其在纺织灯饰产量上明显高于未进行室内空调温度控制以及使用文献[2][3]系统对室内空调温度进行优化控制所获纺织灯饰产量很多。究其主要原因，一方面是应用本文系统对室内温度进行远程优化控制后，室内温度的调控效果较好，另一方面是室内温度得到合理调控后，温度环境也更符合生产环境要求。

图5是分别应用传统阈值小波去噪方法与改进阈值小波去噪方法对采集到的室内温度信号进行数据去噪获得的数据去噪效果对比图。

图5中，采集到的室内温度数据信号中含有大量的噪声，使用传统阈值小波去噪方法对其去噪后，室内温度数据信号中的一大部分噪声虽已被去除，但在信号的波峰以及波谷处仍有部分噪声存在。而应用改进阈值小波去噪方法对室内温度信号去噪后，大部分噪声信号被去除。说明应用本文系统对采集到的室内温度数据信号去噪时，去噪的效果更好，将去噪后的数据应用于室内空调温度远程优化控制工作中，可显著提升室内空调温度远程控制的准确性。