刘民友 万良曙 谭超 郭明东 秦军刚
中建四局安装工程有限公司 510700
摘要：变风量空调系统是一种节能型的空调，并且舒适性良好。在变风量空调的运行过程中需要人工的控制，进一步保证系统良好的运行效果。但是控制工作的难度较大，并且内容复杂，目前的经典控制和现代控制都很难满足运行的需要，借助智能的控制可以很好的解决上述问题。目前我国已经将模糊控制、神经网络控制等方式引入到了控制过程中，该项目应有的方式潜力较大。本文将针对模糊控制和神经网络控制的应用研究情况进行论述，希望可以为今后的应用提供一定的帮助。
关键词：智能控制；变风量空调；模糊控制
引言：
目前在建筑中系统中应用变风量空调控制系统是一种非常节能的方式，因此得到了较广的倡导。在变风量控制系统投入使用的过程中却遇到了一些难题，在运行过程中无法保证其运行的可靠性，这就导致系统的稳定性较差。在系统运行过程中，系统的稳定性、送风温度的优化以及室内环境情况都会影响到系统的情况。基于此目前所采用的控制方法很难达满足使用的需求，工作效果也不是非常好。近些年来，随着科学技术的不断进步，智能方面的研究越来越深入，借助智能控制可以更好的来对系统进行控制，保证系统运行的稳定性和可靠性。
一、模糊控制应用研究
目前针对变风量空调的控制方面存在很多的不确定性，在制冷空调领域使模糊控制技术的范围较广。加强对于模糊控制技术的研究可以更好的提高其运行的稳定性，保证变风量空调可以充分发挥其节能的作用。
目前我国针对模糊控制技术的研究主要集中在如何应用方面，但是实际上模糊控制中对于信息的处理程度会影响到控制的精度，为了更好的提高精确度往往会增加一些其他的因素，近几年，这种混合模糊控制已经越来越受到重视。混合模糊控制主要有两种类型，一种是模糊控制和PID控制结合，另一种是用模糊规则调节PID控制参数来进行自适应的控制。根据具体的环境条件可以选择不同的混合控制方式。
从模糊控制的本质来看，模糊控制其实是一种人工控制，需要后期的推理来提前安排控制策略。同时，模糊控制器的控制大部分都是在离线状态下进行的，所以控制的情况和效果的反馈存在间隔，这些问题都成为了推广模糊控制的阻碍。但是结合神经网络来进行模糊控制可以有效的解决模糊控制依赖专家的经验等情况。针对神经网络和模糊控制的研究，目前我国的学者十分重视，主要的研究点在于保证居住着舒适性的基础上如何进行空调房温度的自控制。
二、神经网络控制应用研究
神经网络和模糊控制的区别在于，神经网络的自学习能力和自适应能力较强，所以应用在复杂系统的建模和控制方面具有更强的稳定性。
虽然目前神经网络是应用于控制VAV系统这样的非线性对象，但是依赖其特点，很多线性的系统也可以结合这些理论进行应用，这样就形成了VAV系统参数的智能控制。这种神经元补偿器的学习功能较强，所以可以很快的调整对象参与改变所产生对系统的影响，从而保证了系统运行的稳定性。
将预测控制和神经网络进行结合，从而达到实施检测的效果，这样不仅可以满足节能的要求，同时还可以保证系统的稳定性。但在目前实际应用的过程中，我们通常是采用BP神经网络，其属于一种全局逼近网络，当网络的规模比较大的时候，每个训练样本不能很好的进行连接，从而导致了BP神经网络难以在线应用。而基于径向基函数神经网络可以更好的实行自控制，但是其内存和计算量都比较大，往往需要若干台计算机并行才能实现。
针对VAV系统的复杂控制问题研究，在今后将更加注重于模糊控制、遗传算法以及小波变换的结合，通过不断的研究去探求更加有效的方式。在模糊控制的利用方面，除了可以和神经网络进行结合，还可以考虑将模糊逻辑引入神经网络结构，这样神经网络就可以对信息进行模糊处理，这就将模糊控制和神经网络的优点巧妙的结合在一起了。
三、结束语
VAV系统的控制难度较大，并且有很多因素都会影响到系统的运行，而研究的工作人员无法及时对获得的数据进行模型处理，导致不能及时的获得信息。但是具有优势的VAV系统目前的应用的情况较好，在理论层面上还需要进一步的完善。总体来看，目前构建的仿真系统都是建立在算法的基础上，但是并没有针对专门的实验系统进行验证，所以导致研发出来的产品功能十分单一，在后期投入应用的情况也不乐观。今后，我国仍要加强对于各方面的研究，努力寻找更加高效、稳定的智能控制系统，更好的为变风量空调系统的应用提供帮助。
参考文献：
[1]周治远.变风量空调系统智能控制技术研究[J].中外企业家.2020(02):239.
[2]何国柱.变风量空调系统的调试控制技术[J].安装.2020(05):50-52.
[3]王志伟,谢会雪,刘伟,袁超.变风量空调系统消声减振关键技术[J].建筑技术.2020(04):436-438.
[4]司春强,邵双全.多联式空调系统制热工况动态仿真建模[J].建筑技术,2019(06):656-660.