智能控制在变风量空调系统的应用探讨
摘 要：在未来变风量空调系统运行的过程中，智能控制问题非常重要。本文主要针对于智能控制中两大方向进行分析，分别是：模拟控制、神经网络控制。同时本文对于未来发展过程中的整体运行趋势进行了研究。
关键词：智能控制；变风量控制；空调系统
在建筑工程建设过程中，选择经济节能的空调系统能够帮助建筑工程实现节能。智能控制作为先进的空调运行方式，能够调节变风量空调不可靠、不稳定的缺点。变风量空调系统具有高度非线性、慢时变、大滞后、强耦合等等性质，除此之外，在进行控制的过程中变量较多、干扰较多、负荷较大、控制要求较多且较为复杂。
一、变风量空调系统组成
变风量空调的组成一共由两部分组成，分别为水系统和风系统。水系统中分为冷却水循环和冷冻水循环，冷却水循环为冷却塔与外界产生热量交换，随后冷水机组再与冷冻水进行热交换。冷冻水则是通过空气处理机组来与室内空气进行交换，也就完成了整体水系统循环运行[1]。
变风量空调在运行的过程中，空调系统风系统可以通过变频调速以及末端风量调节。因此变风量空调中包括：一个或者多个被调空间、末端装置、冷却盘管、加湿器、风道、送风机、控制系统。风系统与水系统一同为房间进行降温或者增温，经过分析发现变风量空调的整体运行步骤如下：首先将房间内的空气通过回风道送回，其中一部分排放，另一部分与室外空气混合后经过表冷器与冷却盘管后进行热量交换，在此过程中也能够补充空气中的湿度。送风机需要根据房间大小以及实际温度进行分析，从而满足在运行过程中对于送风量的需求。想要在空调运行的过程中控制空气循环中房间的温度以及湿度，就需要调整送风量以及送风状态。完成这些工作需要使用自动控制系统，而系统中风机的运行、冷却水阀的运行、新风阀的开度、加湿器水阀开度、末端装置风阀开度等等都会影响到变风量空调的运行状态。因此，想要控制变风量空调的运行，需要对系统进行整体考虑以及控制，从而保证其稳定运行[2]。
二、智能技术对变风量空调系统的解耦控制
（一）变风量空调概念系统机组解耦控制的价值和意义
对于变风量空调系统的分析与控制，我国当下对于这方面的研究大多数倾向于单回路方面，也就是在我国当下的研究过程中，考虑的调节区域一般只有一个，最后不会超过两个。然而这种调节区域的限制在很大程度上影响了变风量空调系统的运行，即便如此，我国对于变风量空调的运行也分析出了动态模型，其中包括五大输入因素和四大输出因素。输入量分别是：冷水流量、风机转速、房间送风量、新风量，输出量是指送风温度、静压点静压、房间温度、二氧化碳浓度、室内湿度。由此可见变风量空调在运行过程中往往控制较为复杂，因此对变风量孔田进行详细的控制与分析是非常有必要的过程[3]。
由前文所致，变风量空调中风道以及末端装置分散在整个空调系统中，因此可以将整个变风量空调系统看做为分布参数系统。当下发展过程中很常见的控制方式为DDC控制，适用网络技术来将空调运行过程中的末端控制器、空气处理机、组控制器等等结合分为一个整体。除此之外，将风道的运行看做为物质与能量之间的转化方式，那么对变风量空调的运行与调控就能够简化许多。最后则是变风量空调属于强耦合、分布参数、非线性、参数不断变化的复杂多变量控制系统，因此需要将传统控制手段进行升级，从而解决当下控制过程中存在的问题。只有使用系统论的方式来对变风量空调进行控制与分析，才能够将实用性与全新的解耦控制方法进行综合。未来发展过程中需要将模糊控制、神经网络控制、专家系统智能控制融入解耦控制中，建立变风量空调系统控制是主要的解决方式。
（二）神经网络控制
所谓的多变量智能解耦控制技术是指在运行的过程中，将智能控制技术与多变量解耦控制技术相结合而来。近些年来发展过程中，神经网络、模糊技术、专家系统等等人工智能理论正在不断的发展。因此基于神经网络的解耦控制方法出现的主要原因是神经网络的特征符合控制领域的应用性。神经网络解耦控制方法能够逼近任何域上的非线性函数、完成信息的并行分布式处理、多输出、大规模集成电路发展、适应环境变化。神经网络的特性决定了未来的发展过程中可以将解耦方法拥有全方面的自适应能力，从而满足解耦控制指标的需求，这构成了神经网络基础上的解耦控制要求，从而得到了越来越多的使用。在神经网络系统的基础上，使用智能解耦控制系统的主要方法是基于闭环解耦的神经网络解耦方法和基于开环解耦的神经网络解耦控制方法[4]。
结束语：
变风量空调在运行的过程中控制难度较大、要求较多，因此大量的干扰将会导致整运行过程中控制不紧密。技术人员无法根据操作实际情况来定制数字模型，这些特性导致经典控制和现代控制无法全面的实现控制，而具有这方面优势的智能控制已经在变风量空调运行过程中取得了良好的效果。但是智能控制系统在理论和实践过程中都远远达不到成熟的层次，目前的研究工作主要是在简化的条件下构建仿真系统来研究智能控制体系结构以及实际算法。因此这项工作未来需要进一步的进行加强，从而全方面提升变风量空调的研究水平。
参考文献：
[1]张子苏.基于PSO-BP-PID控制在变风量空调系统中的应用[J].数字技术与应用,2020,38(07):42-44.
[2]董金奎,胡彦奎.变结构模糊神经网络预测控制在变风量空调系统中的应用[J].黑龙江科技信息,2013(32):44-45.
[3]侯石超,张九根.预估模糊PID控制在植物实验室变风量空调系统中的应用[J].南京林业大学学报(自然科学版),2013,37(06):142-146.
[4]杨世忠,任庆昌.鲁棒模型预测控制在变风量空调系统中的应用[J].计算机工程与应用,2013,49(06):8-11+104.
