面向室内热湿环境热舒适度预测与控制模型优化研究

面向室内热湿环境热舒适度预测与控制模型优化研究

ID:35102080

大小:6.57 MB

页数:92页

时间:2019-03-17

面向室内热湿环境热舒适度预测与控制模型优化研究_第1页
面向室内热湿环境热舒适度预测与控制模型优化研究_第2页
面向室内热湿环境热舒适度预测与控制模型优化研究_第3页
面向室内热湿环境热舒适度预测与控制模型优化研究_第4页
面向室内热湿环境热舒适度预测与控制模型优化研究_第5页
资源描述:

《面向室内热湿环境热舒适度预测与控制模型优化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、开.—__密级丝-分类号::"035—UD单位代码:'nn^MlH^gpPiVP...-—'‘-v.imt'f。"":;S"I!。。巧:-〇?"?■巧巧巧巧3..M^-:饰苗巧i.^rnM|A,之!^^"^::l^.麻S?迪yn&ipi麵结*.<论文题目:面向室内热湿环境热舒适度预測与控制模型优化硏究r'*■;/'.至'■■/?学号.13朋11000057作者:控制科学与工程,I^学科名称:2016年01月

2、10日^1I独创性说明本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工作巧取得的研究成果。尽我所知,除了文中特别加标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得一沈阳大学或其他教育机构的学位或证书所使用过的材料。与我同工作的同志对本硏究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。::签名%%日期公;L!‘化关于论文使用授权的说明、使用学位论文的规定,即本人完全了解沈阳大学有关保留;学校有权保留送交论文的复印件,允许论文被查阅和借

3、阅;学校可公布论文的全部或部分内容^文,可采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应逆循此规定)-签名:准勇导师签名;為W日期:)。化./、成沈阳大学硕士学位论文论文题目:面向室内热湿环境热舒适度预测与控制模型优化研究作者:_________________________曹勇指导教师:万福才教授单位:沈阳大学协助指导教师:田力威教授单位:沈阳大学单位:论文答辩日期:2016年1月9日学位授予单位:沈阳大学AMaster’sThesisinControlScienceandEngineeringTheOp

4、timizationofThermalcomfortPredictionandControlModelforIndoorthermalenvironmentCandidate:CaoYongSupervisor:ProfessorWanFucaiProfessorTianLiweiSchoolofInformationEngineeringShenyangUniversityJanuary09,2016摘要如今人们对室内环境质量的要求要越来越高,人们最能直接感受到的是室内热湿环境,现今调节室内热湿环境的主要手段是空调控制系统。传统的空调控制

5、系统主要通过单一的温度指标来控制室内的热湿环境,不是真正基于人的热舒适度,并且其能耗也非常巨大。所以建立起室内热湿环境热舒适度控制系统是现在迫在眉睫的问题。然而,选取一个室内热湿环境热舒适度的评价标准是室内热舒适度控制实现的必要前提条件,利用这一评价标准,综合考虑室内的环境因素,使得室内环境朝着人们希望的状态进行调整和改变。综上,本文的研究成果如下:(1)本文选取PMV热舒适模型作为评价室内热湿环境热舒适度的评价标准。因为PMV值的计算过程非常复杂,时滞性非常明显。为了解决这些问题,选用BP神经网络对PMV热舒适度进行预测建模。最后通过实验

6、仿真,验证了面型室内热湿环境热舒适度PMV预测模型的可行性,也能将此模型应用在空调的实时控制之中。(2)由于BP神经网络算法具有预测精度低、收敛速度慢、易于陷入局部最优的缺陷。针对这些缺陷,本文决定选用PSO算法对神经网络算法进行优化。并且在PSO算法的速度更新、惯性权值、加速系数三个方面做出改进,提出了改进的PSO算法—IPSO算法。并且利用IPSO算法对神经网络进行优化,建立起IPSO优化的BP神经网络PMV实时预测模型。通过模型实验仿真,并对比BP预测模型与PSO优化的BP预测模型,得出本文建立的预测模型收敛更快,预测更加准确。(3)

7、由于传统的空调控制系统本身就是非线性、大滞后的复杂系统,所以本文将利用模糊控制算法建立起室内热湿环境热舒适度PMV模糊控制模型。通过实验仿真,得出该系统对舒适度的控制达到预期效果,并对比传统PID控制系统,实验验证出本文的热舒适度控制系统的控制效果更好。关键词:热舒适度,BP神经网络,PSO算法,PMV指标,模糊控制ITheOptimizationofThermalcomfortPredictionandControlModelforIndoorthermalenvironmentAbstractNowadays,theindoorenvi

8、ronmentqualityisdemandedmoreandmorestrict.Atthesametimethepeoplecanmostdirectlyfeeltheind

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。