基于蚁群算法的变频空调室温智能控制方法

2023-08-21白国政

机械设计与制造工程 2023年7期

白国政

(陕西工业职业技术学院信息工程学院,陕西咸阳 712000)

变频空调的终端是控制室内温度的关键设备,其主要功能是追踪房间内的冷、热负荷,保持房间内恒温,使用户感受舒适。室内环境由于受到人为因素影响,具有不确定性特点,难以建立准确的数学模型,因此用常规PID控制难以实现室内温度控制。

随着控制原理的发展和改进,变频空调技术发展迅速。文献[1]提出了串级自抗扰控制方法,将自适应控制器与串级控制相配合,在串级温度环中应用自抗扰技术,实现了自抗扰控制器的设计。设置空调机房及终端设备的模拟模式,以达到变频空调室温控制。该方法的缺点是误差非线性反馈控制容易受到非线性不平滑函数影响,导致控制效果不佳。文献[2]提出了模糊迭代学习控制方法,通过构建模糊迭代数学模型,对比不同干扰信号条件下的跟踪响应发现,模糊迭代学习预测控制不仅对周期性干扰具有较好的鲁棒性,而且在随机干扰条件下,依旧能够保持较好的跟踪性能,从而实现了智能化的温度调控。该方法的缺点是变频温度智能控制受到输入参数影响,导致控制误差较大。

针对上述缺点,本文提出了基于蚁群算法的变频空调室温智能控制方法。在蚁群算法支持下,结合能量守恒定律,分析变频风阀开度送风量,通过引入变论域伸缩因子智能控制室内温度。

1 变频风阀开度送风量模型建立

室内温度容易受到外界温度、气象条件、设备运行状况影响,存在控制对象非线性、时滞大的特点,因此构建模型时,必须对变频风阀开度送风量模型进行约束和精简[3]。在不计时延的情况下,将变频空调房间看作一个单元模型,空调房间的气温均匀分布,不会受到空气流动、室外温度和大气压力影响。根据能量守恒方程建立数学模型:

(1)

式中:c1、c2分别为室内流动气体、空气比热容,q0为室内流动气体负荷,ρ为室内空气密度,Q为室内变频,T1、T0分别为进风、送风温度,d为挥发系数。利用LabVIEW程序,通过对控制对象的输入和输出来判断控制目标[4-6]。确定风阀开度送风量的线性变化区间。对风阀开度送风量进行阶跃响应测试,确定系统的滞后和调整时间[7]。在此过程中,输出振幅保持不变,将正弦波输入到风阀开启的控制端处,通过观察进气流量的变化,得出风阀关闭的频率。基于此,构建变频风阀开度送风量模型:

(2)

式中:s为房间面积,ζ为时滞算子。对采样时间、采样周期、阶次等各参量进行采样,并将其输入MATLAB/Ident工具箱中,获取变频空调室温采样参数序列。

2 基于蚁群算法的变频空调室温智能控制

通过构建变频风阀开度送风量模型,获取变频空调室温采样参数序列。对自适应蚂蚁模型进行智能温度控制学习和训练,以确保蚁群算法的真实输出与期望的偏差最小[8-10]。

2.1 基于蚁群算法的智能控制流程设计

蚁群算法是一种仿生学算法,是由自然界中蚂蚁觅食的行为而启发的。自然界中,蚂蚁在觅食过程中,蚁群总能够寻找到一条从蚁巢和食物源的最优路径[11]。在搜寻过程中,不同路径、蚁群的信息素存在差别,蚁群会聚集在一条路径上获取食物,此路线即为最优路径[12]。基于该原理,对温度智能控制过程进行训练,构建蚁群自适应函数。在智能温度控制系统中,输入端仅含有一个信息素,负责对算法的整体输出,由此得到的自适应函数为:

(3)

(4)

由式(4)所得到的结果与控制结果整体输出相当,通过对网络进行智能控制,使真实输入与期望输入之间的差异最大,则稳定状态的最小差值e为:

(5)

由式(5),可使输出值和理想值之间误差达到最小。

由大量蚂蚁组成的蚁群的集体行为表现出一种信息正反馈现象:某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。在搜寻时,各蚁群的位置选取是彼此无关的,依据位置上的信息素及位置转换概率来选取位置。蚂蚁根据食物所在位置进行寻找,并最终调整各个路径的信息素。蚁群算法的整体流程如下:

1)参数初始化。

2)在n个节点中放m个蚁群,将n个节点添加到蚁群的禁忌表中。

3)通过对禁忌表的判定,利用状态转换法选取下一个节点。蚂蚁通过路径上的信息素密度和路线的长短来确定下一次目标,其状态转移概率公式为:

(6)

式中:Pij(t)为状态转移概率,sij(t)为i、j两个节点在时间t内的信息素量,fij(t)为状态转换启发函数,ε、γ分别为状态转换因子和期望因子,allowedt为下一个可访问的节点。

4)在确定了蚁群之后,按照本地信息素的变化规律,对整个蚂蚁群体搜索路径进行了最优规划,直到它们全部被搜寻。每个蚂蚁在执行一个循环后,按照式(7)处理其余的信息素:

sij(t)(t+t′)=(1-ρ)·sij(t)+Δsij(t)

(7)

式中:t′为蚂蚁执行时间,Δsij(t)为增加的信息素量。

5)记录全部蚂蚁搜索食物时的路径,获取最优路径,并建立相应免疫群体,求出基于全局信息素迭代修正最优解:

(8)

式中:φ为全局信息素修正系数。

6)重复1)～5)直到满足终止条件为止,设计负责控制温度的压力无关型变频箱控制回路,如图1所示。

图1 压力无关型变频箱控制回路

变频中央空调是以调整区域的温度为控制信号,利用变频箱来调整送风量,使房间温度保持在一个恒温状态。该控制回路采用双闭环串级控制方式,根据主副环输出功率,调整风阀的开启程度,实现房间温度调节。

2.2 基于变论域自适应模糊规则的控制精度调节

基于压力无关型变频箱控制回路,结合蚁群算法设计智能控制流程,调整风阀的开启程度虽然能够有效控制温度,但是当模糊规则确定之后,变论域是不确定的。在输入端没有改变的情况下,由于输入端错误程度较低,导致模糊分割变得相对粗糙,从而降低了输出调整效率。为了提高控制器的准确率,必须减小模糊集的峰值间距,因此提出通过变论域扩展系数实现对温度的智能调整。变论域自适应模糊规则的控制误差校正如下所示:设输入变量、输出变量为两个模糊划分结果上的模糊集峰点,使用内插函数来表达模糊控制器。

(9)

式中:f(x)为内插函数,x、y分别为输入、输出变量,ai为模糊划分结果,k为插入次数。引入变论域伸缩因子,分析输入变量、输出变量所对应的模糊推理论域,用如下函数表示:

f(x(t+1))=

(10)

式中:λ1、λ2分别为输入、输出论域伸缩因子。引入变论域思想后,可以将变论场的量化因子与输出变量相结合,从而更好地了解和运用变论域思想。确定定量因素和标定因素之间关系,随着误差不断缩小,控制规则的数目越来越少,调整的效果也越来越好,所以要增加定量因素,使得变论域范围比输出的模糊量小。

在输入变量大的情况下,输入变论域伸缩因子大,伸缩因子的变化率小;在输入变量中等的情况下,输入变论域伸缩因子中等,而伸缩因子的变化率也应是中等;在输入变量小的情况下,输入变论域伸缩因子小,而伸缩因子的变化率大。基于以上理论,采用递进法,得到了一种扩展系数。输入变量越大,变论域伸缩因子越小,实现室温的灵活调整。

3 温度控制实验

为了验证基于蚁群算法的变频空调室温智能控制方法的温度控制效果,于2022年11月在某地某办公楼两室内搭建与所提方法相同参数的温控系统实验平台。

3.1 温度控制实验观测平台搭建

实验采用2台室内机和2台室外机,额定制冷参数为22.4 kW,额定制热参数为25 kW。两室内空间结构为3.50 m×2.95 m×5.00 m,均带有1.05 m×2.55 m窗户,窗户和墙壁的面积比为12%,连接廊体部分有1个门,尺寸为0.85 m×2.30 m,室内高度为2.50 m。将室内参数输入到MATLAB/Simulink中,搭建温度控制实验观测平台,其三维结构如图2所示。

图2 温度控制实验观测平台

通过Web组网监控方式,对变频空调进行了轻量化建模处理和三维可视化操作。在实验平台上安装了能够监控温度的传感器,其与加热设备保持一定的距离。如果所探测到的温度比设定值低,则温控器将会激活加热炉。在实际应用中,一般都是先设置一个理想的温度,再设置一个偏差或迟滞,从而确定两个设置点。通过设置不同的上、下限,使加热设备的状态转换次数变少,若上、下两个设置点都是相同,温控器不会重复开关,从而防止部件提前损坏。在温度高于或低于设置值时,加热装置随之发生变化,避免控制器的延迟问题。