摘 要: 大區(qū)域空調(diào)溫濕度系統(tǒng)是難于控制的，極易引起控制系統(tǒng)的振蕩，系統(tǒng)很難平穩(wěn)地過(guò)渡到溫度設(shè)定值，導(dǎo)致極大的能源浪費(fèi)。文章研究了ANN在大區(qū)域中央空調(diào)溫濕度監(jiān)控系統(tǒng)中的應(yīng)用， 從工 程實(shí)現(xiàn)角度對(duì)相關(guān)技術(shù)問(wèn)題作了較細(xì)致的探討。

關(guān)鍵詞：中央空調(diào)系統(tǒng) 溫濕度控制 人工神經(jīng)網(wǎng)絡(luò)

Abstract: It is difficult to control the temperature and Humidity system of central air conditioner for big area. The main problem is that it is easy to lead to vibrating of control system, difficult to be smoothly transient to temperature setting value, and to result in huge energy waste. The paper explored the application of Artificial Neural Networks in Monitoring System of temperature and Humidity for central Air conditioner in the big area, and probed into related technical problems in more details from the angle of engineering implementation

Key words: Central air conditioner Temperature and Humidity control Artificial neural networks

1 引言

隨著科學(xué)技術(shù)的發(fā)展、人類社會(huì)不斷進(jìn)步，人們的生活質(zhì)量不斷提高，人們對(duì)生活環(huán)境的要求也日漸增長(zhǎng)，因此智能建筑應(yīng)運(yùn)而生。建筑設(shè)備自動(dòng)化系統(tǒng)是智能建筑的一個(gè)重要組成部分,它負(fù)責(zé)對(duì)大廈內(nèi)的各種機(jī)電設(shè)施進(jìn)行全面的計(jì)算機(jī)監(jiān)控管理，包括中央空調(diào)、給排水、變配電、照明、電梯、消防、安全防范等系統(tǒng)的監(jiān)控。而中央空調(diào)的能耗占整個(gè)建筑能耗的50%－60%[1]，是系統(tǒng)節(jié)能的重點(diǎn)。但是，由于中央空調(diào)系統(tǒng)龐大，反應(yīng)速度較慢，滯后現(xiàn)象嚴(yán)重，給機(jī)組運(yùn)行的穩(wěn)定性增加了困難。目前為止，中央空調(diào)的控制系統(tǒng)幾乎仍然采用傳統(tǒng)的控制技術(shù)，如比例積分微分(PID)調(diào)節(jié)，由于PID的控制參數(shù)往往通過(guò)工程師的經(jīng)驗(yàn)預(yù)先設(shè)定或通過(guò)試驗(yàn)來(lái)確定，對(duì)于工況變化的適應(yīng)性差，控制慣性較大，節(jié)能效果不理想,特別是大區(qū)域中央空調(diào)系統(tǒng)的協(xié)調(diào)控制問(wèn)題，用傳統(tǒng)控制技術(shù)是難以解決問(wèn)題的。以下結(jié)合某企業(yè)的技術(shù)改造工程對(duì)大區(qū)域空調(diào)系統(tǒng)溫、濕度控制問(wèn)題從技術(shù)層面作簡(jiǎn)要探討。

2 大區(qū)域空調(diào)溫濕度監(jiān)控系統(tǒng)

2.1大區(qū)域空調(diào)溫濕度控制的難點(diǎn)

目前大區(qū)域空調(diào)溫濕度控制系統(tǒng)的控制方案，主要是采用將大區(qū)域劃分成若干子區(qū)域，即“大面積分區(qū)”，每個(gè)子區(qū)域安裝一定的溫、濕度傳感器，分別由一個(gè)空調(diào)子系統(tǒng)控制該子區(qū)域的空氣溫、濕度。控制方式一般采用PID控制，即采用測(cè)溫元件(溫感器)、PID溫度調(diào)節(jié)器和電動(dòng)二通調(diào)節(jié)閥的PID調(diào)節(jié)方式。在炎熱的夏季實(shí)質(zhì)上是調(diào)節(jié)位于該子區(qū)域的表冷器冷水管上的電動(dòng)調(diào)節(jié)閥；在寒冷的冬季是調(diào)節(jié)位于該子區(qū)域的加熱器熱水管上的電動(dòng)調(diào)節(jié)閥，通過(guò)控制調(diào)節(jié)閥開(kāi)度的大小實(shí)現(xiàn)冷(熱)水量的調(diào)節(jié)，以達(dá)到控制溫度的目的。由于控制面積大、檢測(cè)點(diǎn)傳感器的誤差以及空調(diào)系統(tǒng)工況的復(fù)雜性，經(jīng)常會(huì)出現(xiàn)相鄰的兩個(gè)空調(diào)子區(qū)域，為了達(dá)到相同的溫度平衡點(diǎn)，一個(gè)空調(diào)子區(qū)域溫度高于設(shè)定溫度進(jìn)行表冷處理，在降低溫度；而另一個(gè)空調(diào)子區(qū)域溫度低于設(shè)定溫度進(jìn)行加熱處理，在升高溫度。這樣，不僅造成控制系統(tǒng)振蕩比較大，很難平穩(wěn)地過(guò)渡到溫度設(shè)定點(diǎn)，而且還造成了極大的能源浪費(fèi)，這就是大區(qū)域空調(diào)溫濕度控制的難點(diǎn)所在。

2.2 大區(qū)域空調(diào)溫濕度系統(tǒng)的特點(diǎn)
（1） 大區(qū)域空調(diào)系統(tǒng)的分解與協(xié)調(diào)

大區(qū)域空調(diào)系統(tǒng)是復(fù)雜大系統(tǒng)，由于控制區(qū)域大，只用一臺(tái)大容量的空調(diào)進(jìn)行控制，不但很難達(dá)到恒溫、恒濕的控制要求，而且會(huì)造成能源的極大浪費(fèi)。所以，必須對(duì)大區(qū)域進(jìn)行分區(qū)處理，每個(gè)區(qū)域由獨(dú)立的空調(diào)子系統(tǒng)進(jìn)行控制。當(dāng)將若干個(gè)分區(qū)參數(shù)相同(或相近)，而濕熱比各不相同的相鄰區(qū)域整合為一個(gè)大型的空調(diào)控制系統(tǒng)時(shí)，就會(huì)遇到如何分區(qū)處理和如何確定送風(fēng)量的難題，也就是如何進(jìn)行協(xié)調(diào)控制的問(wèn)題。

（2） 空調(diào)系統(tǒng)中檢測(cè)點(diǎn)的選擇

大區(qū)域空調(diào)的控制策略應(yīng)充分考慮工業(yè)中空調(diào)大風(fēng)量、小焓差的特點(diǎn)，同時(shí)滿足環(huán)境工業(yè)要求、舒適衛(wèi)生和節(jié)約能源要求，突出測(cè)控全面、調(diào)節(jié)、方便適用的特色。基于以上原則，每臺(tái)空調(diào)控制區(qū)域分別設(shè)置4組溫度和濕度檢測(cè)點(diǎn)，以4組溫、濕度檢測(cè)值的加權(quán)平均值作為控制用的檢測(cè)值。另外，在新風(fēng)口設(shè)置一組溫、濕度傳感器檢測(cè)新風(fēng)焓值作為新風(fēng)利用控制的依據(jù)，送風(fēng)口設(shè)置防凝水檢測(cè)裝置，其檢測(cè)值作為防凝水控制的依據(jù)?？照{(diào)機(jī)內(nèi)部設(shè)置溫度傳感器，檢測(cè)送風(fēng)情況，對(duì)空調(diào)機(jī)進(jìn)行溫度保護(hù)，這樣雖然增加了檢測(cè)點(diǎn)，但是由于空氣的熱慣性，仍然很難計(jì)算出空氣中各部分的實(shí)際溫度，因此大區(qū)域空調(diào)溫、濕度系統(tǒng)的控制屬于不確定性復(fù)雜大系統(tǒng)控制問(wèn)題，檢測(cè)點(diǎn)的選擇顯得特別重要。

3 控制策略的選取
由于被控對(duì)象的復(fù)雜性和不確定性，按傳統(tǒng)的方法，根據(jù)被控對(duì)象的數(shù)學(xué)模型，在滿足性能指標(biāo)及約束條件下，綜合設(shè)計(jì)控制器的方法是不能用的。因?yàn)閷?duì)不確定性復(fù)雜對(duì)象不可能建立嚴(yán)格的數(shù)學(xué)模型，綜合設(shè)計(jì)系統(tǒng)的前提條件不存在。對(duì)不確定性復(fù)雜系統(tǒng)的控制，一般采用以知識(shí)表示的非數(shù)學(xué)的廣義控制模型?？晒┻x擇的策略有神經(jīng)網(wǎng)絡(luò)控制、模糊控制、實(shí)時(shí)系統(tǒng)控制、仿人智能控制等，它們都無(wú)需對(duì)象的數(shù)學(xué)模型。其中，人工神經(jīng)網(wǎng)絡(luò)(ANN Artificial Neural Networks)理論、實(shí)現(xiàn)方式及算法是人工智能(AI Artificial Intelligence)研究的重要課題之一。它作為一種軟件產(chǎn)品，廣泛應(yīng)用于信息技術(shù)和模式識(shí)別等智能化領(lǐng)域，近年來(lái)人工神經(jīng)網(wǎng)絡(luò)[2][3][4][5]在自動(dòng)控制領(lǐng)域得到了廣泛的應(yīng)用，為自學(xué)習(xí)、自適應(yīng)控制等提供了一種新的有效途徑。通過(guò)人工神經(jīng)網(wǎng)絡(luò)的離線訓(xùn)練和在線學(xué)習(xí)，使控制器具有自調(diào)整和自適應(yīng)的性能，從而進(jìn)一步改進(jìn)實(shí)時(shí)控制效果，這里選取人工神經(jīng)網(wǎng)絡(luò)與控制技術(shù)相結(jié)合的控制策略，因?yàn)樗N近實(shí)際。

4 人工神經(jīng)網(wǎng)絡(luò)在中央空調(diào)自動(dòng)控制系統(tǒng)中的實(shí)現(xiàn)

針對(duì)大區(qū)域中央空調(diào)監(jiān)控系統(tǒng)的傳統(tǒng)PID控制方案存在的問(wèn)題，筆者將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入到該監(jiān)控系統(tǒng)中。

4.1 網(wǎng)絡(luò)結(jié)構(gòu)的確定
對(duì)于BP神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)的確定包括了輸入層、輸出層節(jié)點(diǎn)個(gè)數(shù)的確定和隱藏層層數(shù)、隱藏節(jié)點(diǎn)個(gè)數(shù)的確定，以及神經(jīng)元的激活函數(shù)。其中輸入層、輸出層節(jié)點(diǎn)的個(gè)數(shù)與求解的問(wèn)題密切相關(guān)。

(1) 神經(jīng)網(wǎng)絡(luò)層數(shù)

理論上已證明具有偏差和至少一個(gè)S型隱層加上一個(gè)線形輸出層的網(wǎng)絡(luò)，能夠逼近任何有理函數(shù)。但這只說(shuō)明了含有一個(gè)隱層能夠逼近任何有理函數(shù)，并不一定是的。文獻(xiàn)[6]指出：逼近相同輸入維數(shù)的函數(shù)，兩個(gè)隱層的網(wǎng)絡(luò)可能比單個(gè)隱層所需隱單元數(shù)少得多。增加層數(shù)還可以更進(jìn)一步的降低誤差，提高，但同時(shí)也使網(wǎng)絡(luò)復(fù)雜化。而的提高實(shí)際上也可以通過(guò)增加隱層的神經(jīng)元數(shù)目來(lái)獲得。

（2） 輸入?yún)?shù)及輸出節(jié)點(diǎn)的選取

為了全面反映空調(diào)系統(tǒng)中室內(nèi)溫、濕度的變化，又考慮到神經(jīng)元網(wǎng)絡(luò)便于處理多輸入信息的特點(diǎn)，選取4對(duì)車間溫濕度、室外溫濕度、冷水溫度、送風(fēng)機(jī)電流、加熱閥閥位、加濕閥閥位、制冷閥閥位、新風(fēng)閥閥位和車間設(shè)定溫濕度共18個(gè)參數(shù)作為輸入?yún)?shù)，并將其輸入?yún)?shù)標(biāo)準(zhǔn)歸一化。輸出節(jié)點(diǎn)為冷水閥控制、加熱閥控制、加濕閥控制、新風(fēng)閥控制和送風(fēng)機(jī)控制等5個(gè)參數(shù)。取其中192個(gè)樣本組成訓(xùn)練集。

（3） 隱含層神經(jīng)元個(gè)數(shù)

隱層節(jié)點(diǎn)數(shù)的選擇是十分復(fù)雜的，隱含節(jié)點(diǎn)數(shù)與問(wèn)題的要求、輸入輸出節(jié)點(diǎn)的多少有關(guān)。網(wǎng)絡(luò)訓(xùn)練的提高可以通過(guò)增加隱層神經(jīng)元個(gè)數(shù)的方法來(lái)實(shí)現(xiàn)。如果隱層節(jié)點(diǎn)太少，網(wǎng)絡(luò)可能難以訓(xùn)練或容錯(cuò)性差，但隱層節(jié)點(diǎn)過(guò)多又使學(xué)習(xí)時(shí)間太長(zhǎng)，誤差也不一定。但究竟選取多少個(gè)隱層節(jié)點(diǎn)，在理論上并沒(méi)有一個(gè)明確的規(guī)定。很多學(xué)者提出了不同的觀點(diǎn)，有三種計(jì)算公式^[7]:

(1)

式中，k為樣本數(shù)， 為隱層節(jié)點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，如 ,
b) (2)

式中，m為輸出層節(jié)點(diǎn)數(shù)，a為1-10之間的常數(shù)。

c) (3)

由此可見(jiàn)，對(duì)于神經(jīng)網(wǎng)絡(luò)這樣一個(gè)復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)而言，很難找到有關(guān)其特性、容量等的簡(jiǎn)潔解析表達(dá)式。文中采用第二種方法確定隱層節(jié)點(diǎn)數(shù)，并通過(guò)學(xué)習(xí)對(duì)隱層節(jié)點(diǎn)數(shù)進(jìn)行調(diào)整，直到滿足要求為止。

（4） 激活函數(shù)

a) 在S型函數(shù)中加入可調(diào)系數(shù)

b) 在基本的S型函數(shù)中加入可調(diào)參數(shù),激活函數(shù)的形式變?yōu)?/FONT>

(4)

其中 為可調(diào)參數(shù)，調(diào)節(jié)這個(gè)參數(shù)值可改變非線性的特性。當(dāng)網(wǎng)絡(luò)訓(xùn)練進(jìn)人誤差曲面的平坦區(qū) 時(shí)，而 時(shí)，可調(diào)整 ，使 ，而使導(dǎo)數(shù)值 增大，盡快地退出平坦區(qū)。待退出平坦區(qū)后再恢復(fù) ；而在誤差曲面的陡峭時(shí)，可調(diào)整 ，使 ，而使導(dǎo)數(shù)值 減小，減慢學(xué)習(xí)速度，克服跳過(guò)全局點(diǎn)的可能性，使學(xué)習(xí)更加有效。其激活函數(shù)的輸入、輸出變化曲線如所示。

具有可調(diào)參數(shù)的S型函數(shù)

c) 改變S形函數(shù)輸出動(dòng)態(tài)范圍

基本BP算法中神經(jīng)元的激活函數(shù)，通常采用S形函數(shù)，即

(5)

一般對(duì)數(shù)S型激活函數(shù)的輸出動(dòng)態(tài)范圍為(0，1)，從網(wǎng)絡(luò)訓(xùn)練的要求來(lái)看，這不是的。因?yàn)閺臋?quán)值凋整公式可知，權(quán)值的變化也正比于前一層的輸出，而因其中一半是趨向0的一邊，這必然引起權(quán)值調(diào)整量的減少或不能調(diào)整，從而延長(zhǎng)了訓(xùn)練時(shí)問(wèn)，為了解決這個(gè)問(wèn)題，采用雙極性S型函數(shù)，即

(6)

其一階導(dǎo)數(shù)為

(7)

這時(shí)神經(jīng)元輸出值的變化范圍為 ，采用雙極性S型函數(shù)后，可減少收斂時(shí)間。

終，采用激活函數(shù)的形式變?yōu)椋?/FONT>

(8)

（5） 學(xué)習(xí)速率 的選取

在網(wǎng)絡(luò)權(quán)值的調(diào)整過(guò)程中，通常希望在學(xué)習(xí)的初始階段，步長(zhǎng)可選擇大一些；以使學(xué)習(xí)速度加快；當(dāng)接近點(diǎn)時(shí)，步長(zhǎng)又必須相當(dāng)小，否則連接權(quán)值將產(chǎn)生振蕩而難以收斂；當(dāng)處在誤差曲面的平坦區(qū)時(shí)，步長(zhǎng)太小將使迭代次數(shù)增多；當(dāng)處在誤差曲面的劇烈變化區(qū)域，步長(zhǎng)又不宜太大，否則將跳過(guò)較好的極小值或全局極小值[8]，通常是針對(duì)特定的問(wèn)題，憑經(jīng)驗(yàn)和依據(jù)實(shí)驗(yàn)結(jié)果調(diào)整這些參數(shù)值。

由于本方案中使用了具有可調(diào)參數(shù)的激活函數(shù)，為了使系統(tǒng)學(xué)習(xí)效果更加理想，既要使輸出達(dá)到期望值，又要盡可能的加快學(xué)習(xí)速度，因此，在學(xué)習(xí)速率的選取上采用學(xué)習(xí)速率自適應(yīng)調(diào)整方案。學(xué)習(xí)速率自適應(yīng)調(diào)整的一般規(guī)則是：在連續(xù)迭代幾步的過(guò)程中，新誤差都比舊誤差值大，學(xué)習(xí)速率將減??；若新誤差小于舊誤差時(shí)，則增大學(xué)習(xí)速率。此方法可以保證網(wǎng)絡(luò)總是以的可接受的學(xué)習(xí)速率進(jìn)行訓(xùn)練，當(dāng)一個(gè)較大的學(xué)習(xí)速率仍能使網(wǎng)絡(luò)穩(wěn)定學(xué)習(xí)，使其誤差繼續(xù)下降，則增加學(xué)習(xí)速率。一旦學(xué)習(xí)速率調(diào)得過(guò)大，而不能保證誤差繼續(xù)減少，則減小學(xué)習(xí)速率直到使其學(xué)習(xí)過(guò)程穩(wěn)定為止。選取學(xué)習(xí)速率的初始值 ＝0.2。

（6） 動(dòng)量系數(shù) 的選取

為了保證過(guò)程的穩(wěn)定性，在每個(gè)加權(quán)調(diào)節(jié)量上加一項(xiàng)正比于前次加權(quán)變化量的值，即動(dòng)量系數(shù)，其作用是使系統(tǒng)更加穩(wěn)定。在訓(xùn)練網(wǎng)絡(luò)時(shí)，變更不同 值，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練及預(yù)測(cè)，當(dāng) ＞0.5時(shí)，網(wǎng)絡(luò)不再穩(wěn)定，使網(wǎng)絡(luò)限于局部。因此分別選取動(dòng)量系數(shù) 為0.15、0.20、0.40、0.50，網(wǎng)絡(luò)比較穩(wěn)定。綜合考慮網(wǎng)絡(luò)的訓(xùn)練結(jié)果，動(dòng)量系數(shù) ＝0.2。

4.2 人工神經(jīng)網(wǎng)絡(luò)控制中程序設(shè)計(jì)與實(shí)現(xiàn)
(1) 學(xué)習(xí)樣本

網(wǎng)絡(luò)模型選取的樣本為企業(yè)生產(chǎn)車間某日從8:00到23:00每五分鐘采集的數(shù)據(jù)。車間面積為1200m²，由于車間面積較大以及廠方要求，每個(gè)空調(diào)區(qū)域共設(shè)置了四對(duì)溫濕度檢測(cè)點(diǎn)。輸入?yún)?shù)分別為：車間溫度1、車間濕度1、車間溫度2、車間濕度2、車間溫度3、車間濕度3、車間溫度4、車間濕度4、室外溫度、室外濕度、冷水溫度、送風(fēng)機(jī)電流、加熱閥閥位、加濕閥閥位、制冷閥閥位、新風(fēng)閥閥位、車間設(shè)定溫度、車間設(shè)定濕度共18個(gè)參數(shù)，作為數(shù)據(jù)學(xué)習(xí)樣本，輸出節(jié)點(diǎn)為冷水閥控制、加熱閥控制、加濕閥控制、新風(fēng)閥控制和送風(fēng)機(jī)控制共5個(gè)參數(shù)。

（2） 控制系統(tǒng)結(jié)構(gòu)圖

綜合上述的分析，選隱層數(shù)為2，再根據(jù)隱層節(jié)點(diǎn)的第二種計(jì)算方法，并通過(guò)學(xué)習(xí)，取 ，得出隱層節(jié)點(diǎn)數(shù)是 ，又知輸入?yún)?shù) ，輸出參數(shù) ，可得該中央空調(diào)人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖如所示。

控制系統(tǒng)結(jié)構(gòu)圖

（3） 網(wǎng)絡(luò)學(xué)習(xí)過(guò)程程序流程圖

網(wǎng)絡(luò)學(xué)習(xí)過(guò)程程序流程，如所示。學(xué)習(xí)終止條件設(shè)為：兩次響應(yīng)誤差之間的差的小于 ，或誤差小于 ，或?qū)W習(xí)次數(shù)大于5萬(wàn)次而未收斂。如果出現(xiàn)第三種情況，就認(rèn)為學(xué)習(xí)不成功，用戶可以追加樣本個(gè)數(shù)或者調(diào)整輸入、輸出關(guān)系，對(duì)網(wǎng)絡(luò)進(jìn)行新的訓(xùn)練。當(dāng)然也可以繼續(xù)訓(xùn)練，但是如果訓(xùn)練次數(shù)過(guò)多，網(wǎng)絡(luò)不可避免的會(huì)出現(xiàn)“過(guò)學(xué)習(xí)”的情況，造成網(wǎng)絡(luò)對(duì)樣本集的依賴性增加，泛化能力減弱。

網(wǎng)絡(luò)學(xué)習(xí)流程圖

5 工程實(shí)驗(yàn)與結(jié)果
5.1主要程序模塊

可用C語(yǔ)言編寫網(wǎng)絡(luò)學(xué)習(xí)過(guò)程程序，其中主要程序模塊有：樣本信號(hào)正向傳播過(guò)程模塊，誤差信號(hào)(導(dǎo)師)反傳過(guò)程模塊，網(wǎng)絡(luò)學(xué)習(xí)過(guò)程模塊，網(wǎng)絡(luò)工作過(guò)程模塊。

5.2 實(shí)驗(yàn)結(jié)果與分析

中央空調(diào)系統(tǒng)由空氣加熱、冷卻、加濕、去濕，空氣凈化，風(fēng)量調(diào)節(jié)設(shè)備以及空調(diào)用冷熱源等設(shè)備組成。被監(jiān)控參數(shù)主要有空氣的溫度、濕度、壓力(壓差)以及空氣清新度、氣流方向等，在冷熱源方面主要是冷熱水溫度、蒸汽壓力。有時(shí)還需要測(cè)量、控制供回水干管的壓力差，測(cè)量供回水溫度以及回水流量等。在對(duì)這些參數(shù)進(jìn)行控制的同時(shí)，還要對(duì)主要參數(shù)進(jìn)行指示、記錄、打印，并能監(jiān)測(cè)各機(jī)電設(shè)備的運(yùn)行狀態(tài)及事故狀態(tài)和報(bào)警。系統(tǒng)經(jīng)改造后，將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用在大區(qū)域中央空調(diào)控制系統(tǒng)后，系統(tǒng)的穩(wěn)定性和控制有了明顯提高，從而節(jié)約了能源，改善了生產(chǎn)車間的環(huán)境，對(duì)提高產(chǎn)品的質(zhì)量有很大幫助。為了說(shuō)明控制效果，現(xiàn)將生產(chǎn)車間在技術(shù)改造前利用傳統(tǒng)PID進(jìn)行溫、濕度控制的數(shù)據(jù)和改造后人工神經(jīng)網(wǎng)絡(luò)溫、濕度控制數(shù)據(jù)結(jié)果進(jìn)行比較分析，部分?jǐn)?shù)據(jù)結(jié)果詳見(jiàn)表1，對(duì)照ANN控制和PID控制實(shí)際測(cè)量的溫、濕度數(shù)據(jù)可看出，ANN控制采用控制效果是相當(dāng)理想的。

表1 控制結(jié)果分析

6 結(jié)束語(yǔ)
以上圍繞大區(qū)域中央空調(diào)系統(tǒng)溫濕度控制問(wèn)題對(duì)相關(guān)各參數(shù)進(jìn)行了分析，結(jié)合某企業(yè)大區(qū)域中央空調(diào)監(jiān)控系統(tǒng)改造，將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在大區(qū)域中央空調(diào)控制系統(tǒng)中。文中筆者對(duì)經(jīng)典BP網(wǎng)絡(luò)進(jìn)行了改進(jìn)，研究?jī)?nèi)容包括：網(wǎng)絡(luò)結(jié)構(gòu)的確定，輸入?yún)?shù)及輸出節(jié)點(diǎn)的選取，隱含層神經(jīng)元節(jié)點(diǎn)的個(gè)數(shù)，激活函數(shù)的選取，學(xué)習(xí)速率 和動(dòng)量系數(shù) 的選取等，還給出了程序設(shè)計(jì)流程圖。工程實(shí)驗(yàn)表明：ANN在大區(qū)域中央空調(diào)溫、濕度監(jiān)控系統(tǒng)中的應(yīng)用前景是令人樂(lè)觀的。

參考文獻(xiàn)
[1] 張瑞武.智能建筑的系統(tǒng)集成及其工程實(shí)施.北京:清華大學(xué)出版社,2002

[2] 王洪元,史國(guó)棟.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用.北京:中國(guó)石化出版社,2003

[3] 楊行峻,鄭君里.人工神經(jīng)網(wǎng)絡(luò).北京:高等教育出版社,1992

[4] 徐耀軍,崔丹等. 改進(jìn)的反向傳播學(xué)習(xí)算法.黑龍江商學(xué)院學(xué)報(bào),2002,Vol.16(1)：54~56

[5] 陳祥光,裴旭東.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用.北京:中國(guó)電力出版社,2003

[6] Ramura S, et al. Capabilities of a Four-layered Feed Forward NN, Four Layer Versus Three Layer. IEEE Trans NN,1997.

[7] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用.上海:復(fù)旦大學(xué)出版社,1992

[8] Xiaoming Yin，Dong Guo and Ming Xie. Hand image segmentation using color and RCE neural network，Robotics and Autonomous Systems,2001,(4):235~250

[9] 李中興.空調(diào)運(yùn)行管理.北京:中國(guó)建筑工業(yè)出版社,1982

[10] 韓寶琦,李樹(shù)林.制冷空調(diào)原理及應(yīng)用.北京:機(jī)械工業(yè)出版社,2002

[11] 李援瑛.空調(diào)系統(tǒng)運(yùn)行與管理.北京:高等教育出版社,1998

[12] 陳沛霖,岳孝方等.空調(diào)與制冷技術(shù)手冊(cè).上海:同濟(jì)大學(xué)出版社,1990