空调系统温湿度解耦控制方法应用

邢文静康智强黄凯良

摘要：分析空调系统温湿度控制过程中的耦合关系，针对多变量系统变量间耦合问题，归纳了空调系统解耦控制的主要方法，介绍解耦控制在温湿度调节问题中的应用。

关键词：解耦控制；温湿度；多变量系统；耦合

引言

在空调系统调节控制的过程中，往往需要操作多个变量以实现较高的舒适性或工艺性要求，而变量之间一般存在着相互联系，使得传统的单变量控制理论已无法达到要求。空调系统结合自动控制技术为系统多变量控制提供了理论基础和技术支持[1]，为了实现相关参数的最优控制，要建立更复杂的多变量控制系统。

室内温度和相对湿度是空调系统调节过程中的关键参数，受室外环境和室内负荷变动的影响在实际运行中需要做出调整。当室内温度改变时，调节送风温度的同时会影响送风的含湿量，若优先满足温度要求必然改变对湿度控制，往往需要加大能耗才能达到舒适度要求。因此，对温度和相对湿度的精确调节和节能控制一直是工程应用中的难点，对两者进行解耦是减弱耦合影响的有效手段。

1解耦控制方法

现有理论一般将多变量解耦控制方法分为三类：传统解耦控制、自适应解耦控制以及智能解耦控制。

传统的解耦方法通过建立被控对象的数学模型，分析设计解耦补偿器，使控制系统的传递函数矩阵为对角矩阵，实现一个多变量耦合系统向一系列单变量系统的转变。其中以对角优势为核心的现代频域法，在很大程度上避免了完全解耦时对系统参数变动敏感的问题。

自适应解耦控制将自适应控制与解耦技术结合，建立闭环传递函数的对角矩阵形式，应用最优控制方法，实现对参数未知系统以及时变系统的解耦控制。

智能解耦方法实现了对非线性、时变、特性未知系统的控制，较传统控制方法精确度大大提高，可归纳为两个主要方向：模糊解耦控制和神经网络解耦控制。模糊解耦控制利用模糊规则完成传感信号和输出变量的模糊化，通过模拟量或数字量实现对系统的控制[2]。神经网络方法容错能力和学习能力强，在解决非线性问题上有极大的优势。近年来，将神经网络与寻优算法相结合的研究逐渐增多，改善了神经网络控制本身的缺点，实现了更好的控制效果。

表1解耦控制方法与特点

2温湿度控制研究

国内外针对温湿度的控制方法主要包括：露点送风温度控制、温湿度解耦控制、温湿度互锁控制、温湿度独立控制[3]。在对温度与湿度进行控制时存在强耦合，使得对任一个量的调整都会引起另一个量的变化，为了减少这种影响，需要对温湿度进行解耦。

K.Nagaya等人[4]设计了一种用于汽车空调的PD自适应控制方法，应用干燥剂实现了同时对温湿度进行控制，利用电磁控制阀控制压缩机转板倾斜度，并考虑冷却液体流动与换热的延迟采用时滞控制方法，减少了过冷造成的能量损失，系统的能耗较传统汽车空调有所降低。程文锋等人[5]应用反馈-前馈线性化解耦方法实现非线性多变量温室系统内温湿度的完全线性化解耦，同时确定合理的温度和湿度调控量，通过成熟的线性单变量控制技术提高系统的温度湿度控制精度。李界家等人[6]将模糊控制与神经网络结合，设计出一种改进型神经网络解耦控制方法，在温度达到期望值的过程中湿度值基本不变，解耦控制效果良好，系统响应快、稳态误差小。徐天洋[3]将前馈解耦的模糊PID控制策略应用于药厂变风量空调系统的温湿度解耦控制中，基于对系统模型的简化建立传递函数模型，并分别设计温度、湿度模糊PID控制器，分析表明该控制方式具有良好的稳定性和控制精度，能极大地抑制过渡过程中的震荡频率和超调量。朱启然[1]将前馈补偿算法应用于室内温湿度解耦控制中，设计出室内温湿度PIλDμ控制器，同时利用迭代式渐进变化的方法对控制器参数进行整定，通过Matlab软件获取解耦控制器控制参数的最佳值，数值仿真结果表明，PIλDμ控制器在系统控制的稳定性和快速性方面都具有一定的优势。

3结论

近年来多变量空调系统解耦控制的研究逐渐增多，主要朝着智能解耦方向发展，与最优控制方法相结合的研究更是成为热点。当前针对解耦控制的研究主要基于系统模型，由于各学者对问题的分析存在差异，系统模型的确立具有针对性，使得研究的过程有所不同而无法普遍适应各种多变量系统。因此，对解耦控制的研究应注重理论体系的构建，提高模型方法的适应性以真正解决多变量解耦控制问题。

参考文献：

[1]朱启然.空调房间温湿度PI~λD~μ解耦控制器的仿真研究及其性能分析[D].兰州理工大学，2017.

[2]黄力栎，胡斌，罗昕.温湿度解耦模糊控制系统的研究[J].农机化研究，2010，32（02）：56-59.

[3]徐天洋.药厂变风量空调温湿度控制系统的研究[D].东北大学，2014.

[4]NagayaK，SenbongiT，LiY，etal.Highenergyefficiencydesiccantassistedautomobileair-conditioneranditstemperatureandhumiditycontrolsystem[J].AppliedThermalEngineering，2006，26（14-15）：1545-1551.

[5]程文锋，杨祥龙，王立人.温室温湿度的反馈前馈线性化解耦控制[J].东南大学学报（自然科学版），2012，42（S1）：5-10.

[6]李界家，刘岱岩，祝婵楠.基于神经网络的变风量空调解耦控制[J].沈阳建筑大学学报（自然科学版），2013，29（01）：187-192.

项目支持：东北地区住宅空气品质与通风策略研究（2016YFC0700501-02），2016-07-01至2019-06-30，“十三五”国家重点研发计划子课题。