系统辨识在空调房间数学建模中的应用——基于系统辨识策略的大空间建筑空调房间热湿系统的建模与测试方法研究

摘要

针对大空间建筑空调房间热湿系统的数学建模问题，本文采用系统辨识的策略，研究了几种系统辨识的方法并着重研究其应用于中国美术馆四号展厅空调系统实测数据的情况。与从传热机理出发得到的空调房间机理数学模型相比，最小二乘类辨识算法提高了模型的精度。本文对BP网络应用于系统辨识的情况进行详细讨论，并对基本BP网络做了引入动量项、设置自适应学习率、引入LM学习规则等改进，仿真结果证明了BP网络良好的泛化能力并具有能够同时辨识温湿度数据的优点。最后，本文将遗传算法和RLS算法用相互引导的方式结合起来辨识系统参数，达到了良好的动态性能，同时把ANN引入GALS中对其进行了改进。本文用SPSS软件对辨识结果进行分析处理，以此分析辨识算法，结果表明了辨识算法的有效性，具有一定的理论和实际意义。

目录

文摘

英文文摘

北京建筑工程学院硕士学位论文原创性声明及授权书

第一章绪论

1.1本论文研究背景介绍

1.1.1课题要解决的问题

1.1.2研究的目的和意义

1.2国内外研究现状

1.2.1空调房间数学模型的研究现状

1.2.2系统辨识的研究现状

1.2.3人工神经网络在系统建模中应用的研究现状

1.2.4遗传算法用于系统辨识的研究现状

1.2.5先进控制策略相结合用于系统辨识的研究现状

1.3本论文的测试方法

1.3.1清华同方温湿度自记仪简介

1.3.2中国美术馆基本情况介绍

1.3.3本论文的测试方法

第二章从传热机理出发建立空调房间的数学模型

2.1空调系统的基本原理

2.2空调房间数学模型的推导

2.2.1定风量(CAV)方式下空调房间的数学模型

2.2.2变风量(VAV)方式下空调房间的数学模型

2.3 CAV、VAV两种送风方式下空调房间数学模型特性参数之间的关系

2.4定风量送风方式下空调房间特性参数的估算

2.5中国美术馆四号展厅空调房间数学模型的算例

2.6在Matlab/Simulink中建立变风量空调房间的仿真模型

2.7本章小结

第三章最小二乘类系统辨识算法

3.1线性静态模型的辨识

3.2基本最小二乘法(LS)

3.3逐步回归方法

3.4加权最小二乘法

3.5最小二乘估计的递推算法(RLS)

3.6最小二乘类算法在中国美术馆空调系统辨识中的应用

3.6.1传递函数差分化(模型结构的确定)

3.6.2中国美术馆空调数据

3.6.3基本最小二乘法的应用

3.6.4用SPSS分析辨识的结果

3.6.5递推最小二乘法的应用

3.7本章小结及最小二乘法的改进

第四章神经网络辨识

4.1神经网络基本概念

4.1.1神经网络概述

4.1.2人工神经网络的图示

4.2神经网络用于非线性系统建模及控制

4.2.1神经网络在非线性系统辨识及控制中应用的特点

4.2.2神经网络应用的局限性

4.3反向传播神经网络(BP网络)

4.3.1 BP网络概述

4.3.2 BP网络的两个重要定理

4.3.3 BP网络的学习

4.3.4 BP网络的泛化能力

4.3.5 BP网络的设计过程

4.3.6 BP网络的改进方向

4.4用BP网络辨识空调房间的数学模型

4.4.1数据的归一化与预处理

4.4.2用基本BP网络辨识空调房间数学模型

4.4.3对基本BP网络算法的各种改进

4.4.4对基本BP网络及其改进方法的实验总结

4.5本章小结

第五章结合遗传算法与最小二乘的辨识算法

5.1遗传算法的基本概念

5.1.1遗传算法的发展历程

5.1.2遗传算法的基本原理

5.1.3与其它寻优方法相比遗传算法的改进之处

5.1.4遗传算法的优点

5.1.5应用遗传算法必须明确的一点

5.2遗传算法的基本操作步骤

5.3结合最小二乘技术和遗传算法的在线辨识算法

5.3.1问题的产生背景

5.3.2 GALS方法的详细介绍

5.4 GALS算法的详细运用

5.4.1遗传算法的实现过程

5.4.2 GALS的编程实现及其解释

5.4.3 GALS辨识的结果

5.4.4 GALS辨识结果的检验

5.5人工神经网络与GALS结合对算法的改进

5.6本章小结

第六章结论

6.1已取得的成果及存在的问题

6.2针对问题后续研究方向的讨论

参考文献

附录

致谢

硕士研究生阶段已发表论文的情况