基于粒子群多目标寻优的制冷系统内模控制模型研究及实验论证

结题报告

项目介绍

AI项目解读

基本信息

批准号：
51076143
项目类别：
面上项目
资助金额：
37.0万
负责人：
沈希
依托单位：
浙江工业大学
学科分类：
E0601.工程热力学
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
黄跃进；徐鸣；顾江萍；金华强；蒋文奇；王海炳；吴晓杰；章龙；陈楠；
关键词：
内模神经网络控制热动力学运行效率粒子群多目标寻优多变量制冷系统

项目摘要

针对小型多控制变量制冷系统因缺乏高效的控制模型而难以实现在不同工况下具有较高运行效率的技术难题，提出一种基于粒子群多目标寻优的神经网络内模控制方式的最优控制模型和方法。其原理和创新是：研究小型多变量压缩式制冷系统各控制变量与目标参数的精确关系样本和动态关系，建立表达非定常动态系统的正-逆神经网络逼近模型，以微元动态方程和神经网络的输出为性能函数，构建粒子群多目标寻优模型，改进迭代算法的均匀性、多样性，建立内模控制和最优控制相结合的控制方式，实现制冷系统的变量合理匹配和最优控制，有效提高系统综合运行效率。项目应用智能辩识、制冷系统热动力学和演化控制算法等理论，结合实验和仿真方法，研究与分析提高系统运行效率的工作机理，PWM频率、切换角和启停对效率的影响，变排量、变流量系统的传热、传质的非平衡变化过程，含油量对传热和效率的影响，控制体系中变量的耦合关系和控制策略的智能寻优和稳定性、鲁棒性。

结项摘要

本项目是以小型压缩式制冷系统运行优化控制为目的，研究一种以效率和温度为目标的粒子群多目标寻优的神经网络内模控制方式的最优控制模型和方法。研究的内容涉及制冷系统动态特性和模型分析、神经网络模型构建、鲁棒多目标优化寻优算法，变频压缩机本体及控制器优化设计。取得了以下学术成果：.1.采用机理建模法对制冷系统中的冷凝器、毛细管和蒸发器进行动态特性分析，并建立数学模型。然后借助制冷系统中各个部件的数学模型，从理论和实际分别分析压缩式制冷系统的工作原理和热力指标。.2.改进和搭建制冷量测试系统、含油量测试系统、测功系统、P-V图的实验装置等实验与验证装置，从而保证了参数测量、实验论证研究的可行性和准确性。.3.通过研究活塞式制冷压缩机的实际工作循环与理论循环的差异，提出了压缩机吸、排气过程中压缩机气缸内部存在压力脉动现象，分析了压缩机工作时吸、排气阀的流量、运动以及工作过程的微分方程，从而确定阀片对压力脉动具有重要的影响。另外，为了研究阀片疲劳失效的规律，设计了一套压缩机阀片冲击疲劳寿命测试系统。该系统采集阀片振动的声音信号，并对信号进行小波分析，根据信号频谱特征检测阀片是否疲劳失效。.4.为了提高直流变频压缩机的控制效率及降低成本，采用一种基于单电阻采样母线电流的电机相电流重构方法。在空间矢量PWM调制过程中的中、高频调制区的非观测区域采用了预测状态观测器的数学方法，正确有效的完成了三相电流的重构。.5.以环境温度和压缩机转速作为输入变量，以温度周期能耗值和温度周期时间值作为输出量，建立热力学系数的映射关系，利用BP神经网络建立了两个映射模型。将神经网络建立的两个模型作为目标函数，用粒子群多目标优化算法进行优化，得出了不同环境温度下的最优转速，为变频冰箱的内模控制策略优化提供了基础。.6.提出了一种基于最大最小适应函数的改进算法。该算法在最大最小适应函数的计算中引入函数相对值算法和ε-支配的概念，并提出了变ε-支配的策略，改进了最大最小适应函数的计算方法，解决粒子飞行过程中的偏向性和多样性损失问题，加快了算法的收敛速度。为了提高算法的鲁棒性，将鲁棒的概念引入并提出一种改进的鲁棒多目标优化方法，它利用了经典的基于适应度函数期望和方差方法各自的优势，有效地将两种方法结合。仿真实例表明，所给出的方法能够得到更为鲁棒的Pareto最优解。