论文部分内容阅读
摘要：在现代建筑的设计建造中，建筑体的温度控制系统的暖通空调的制冷系统为现代建筑体的保温和散热起到了巨大的作用，暖通空调制冷系统在现代建筑中使用非常普及，在整个建筑业界的质量系统的安装中占有五分之一的市场份额，然而暖通空调制冷系统的能耗问题却没有得到使用者的认可。所以研究降低暖通空调制冷系统的能耗问题并优化控制的方法是我们探讨的中心话题，是实现制冷技术向前发展的途径之一。
关键词：暖通空调制冷系统；能源消耗；优化方法
引言
在我們生产和生活中都必不可少的要用到暖通空调，无论是大型的厂矿企事业单位建筑体，还是高大多层级的楼宇都会用到暖通空调，暖通空调的安装设计可以大幅度的减少个体单元制冷设备的安装数量，从而减少了经济的支出。然而，暖通空调制冷系统的能源消耗相对于同等级别的制冷设备来说能源的消耗量是比较大的，新的制冷技术的应用将会对暖通空调制冷系统带来巨大的改变，也会推动制冷业的快速发展，为此我们要对暖通空调制冷系统的优化控制进行探讨。
1、暖通空调制冷系统的工作原理
暖通空调的制冷系统是由压缩机、冷凝器、蒸发器和节流阀四部分组成。是通过制冷剂在制冷系统中循环往复过程中实现热量转换的，制冷剂在压缩机的压力驱使下进入蒸发器在吸收了一定的热量后汽化，又被压缩机吸入压缩，在冷凝器中降温后还原成液态，再通过冷凝管道被压缩机又一次输送到蒸发器中，如此反复循环形成热量的转换，从而降低了室内空间的温度。在这个不断往复循环的过程中，需要大量能源的消耗才能做到，要使得暖通空调制冷系统达到极佳的制冷效果，就要提供大量的能源来驱动压缩机的运转。
2、暖通空调制冷系统降耗的具体设计
暖通空调系统设计并非复杂，它有许多的子系统存在，当信息反馈出现延时的情况会增加能源的消耗。建立具有一定智能化的暖通空调系统网络控制终端，对暖通空调的实时运转情况和数据的信息反馈进行管理，可以有效避免信息反馈中延时的问题。BP神经网络、Matlab语言和自适应模糊控制系统可以在智能化的系统中承担不同的职责，进而实现信号的及时反馈。BP神经网络是整个控制系统的骨架，Matlab语言模块为数据的收集装置，自适应模糊控制系统是中央处理器，三者形成一个独立的系统。在设计要求时，要根据BP神经网络的特点建立输入量，输入量实在满足质量需要后即可，一旦输入量和输出了得到确认，BP神经网络就能够利用Matlab的语言模块进行数据的汇总，然后再将数据信息传送给自适应模糊控制系统。自适应模糊系统依据压缩机最佳吸气量为准，一次调节好压缩机的工作频率，由此达到能源消耗的减少。
3、暖通空调制冷系统的优化控制方法
3.1 BP神经网络在暖通空调制冷系统中的应用
BP神经网络系统在制冷系统中的应用，发挥了BP神经网络系统多层反馈的功能，有效的解决了隐藏单元连接的问题，还解决了非线性的映射问题。BP神经系统的特点首先是具有超强的模式分类和识别能力。在计算机网络语言中，BP神经系统可以依据不同的数据特性区分出来文字、图像或语言的不同种类，并有机的进行归纳，由此对各类信息进行整合处理，提高了处理的速度。其次是函数系统的控制能力。BP神经系统可以根据自身的非线性特点进行函数建模，建立起的函数系统可以做到对工业生产中一些自动机械的运行控制，例如机器人的运行轨迹的控制等，第三是实现对数据的压缩功能，BP神经系统对计算机数据进行压缩管理，并能够根据数据特点的不同随机迅速抽取数据，便于数据的分析。根据以上三方面的特点应用BP神经系统在空调制冷系统中，可以实现空调压缩机吸气压力的模拟控制，还能够模拟连续非线性函数，利用神经网络模型来实现接近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制。
3.2 Matlab语言在暖通空调制冷系统中的应用
Matlab语言是一种很强大的工程语言，它具有处理大量数据的功能，其效率非常高，广泛应用于系统的控制、图像处理和系统仿真，Matlab语言逐步完善中可依据各个使用的领域的具体要求，形成了一些Matlab工具箱，便于人们随时取用，减少了人们繁琐的编程环节，实现了模块化设计和应用，达到简化系统控制过程的目的。对于不了解计算本质的人们来说，也能依据模块化操控进行建模，实现系统的运行的模拟。BP神经系统可以做到模拟建模，而Matlab语言技术可以对模块进行设定的操控，两种技术的应用可以做到简化系统的设定程序和反馈最接近实际情况的数据。
3.3 自适应模糊控制系统的应用
暖通空调制冷系统中应用自适应模糊控制系统技术，可以实现空调整体系统性能的优化，控制制冷机能源的消耗，实现各个功能的有效调节。自适应模糊控制系统可以让空调制冷系统更加智能化，原本空调的控制中存在许多的子系统的操控，通过自适应模糊系统的控制，以模块化的控制手法进行指令的发布，减少了对各个元件操控的不协调的问题，应用自适应模糊系统技术优化了操控过程，降低了能源的消耗。自适应模糊系统对反馈的数据可以做到逻辑型的处理，智能化的协调自身温度与环境温度的差异，可以及时的感知到最佳冷却水的温度，便于暖通空调对制冷系统的能源消耗的控制。自适应模糊系统技术还有较强的学习的能力和自身调节的能力，在制冷机运行中当感知到运行参数有了较大的变化时，可以通过自适应模糊系统的职能功能实现自主调节，做到运行模块的有效完善。达到控制系统的准确与有效的目的。
结语
我们国家经济建设的快速发展，在人们生活水平日益提高的今天，明天开通的应用在广泛的建筑领域，而解决好暖通空调制冷系统的能耗问题是实现暖通空调优化控制的关键，全面应用先进的科学技术手段来控制暖通空调制冷系统的能耗问题，是实现空调制冷业界优化管理的途径。从而也提高了暖通空调应用的广泛性，实现制冷业的高速发展。
参考文献：
[1]毕崇宁.暖通空调水系统效率优化策略研究[D].山东大学，2016.
[2]夏毓，孙罡.暖通空调制冷系统的优化控制研究[J].民营科技，2016，（5）.
[3]杨秀峰.如何优化控制制冷机在暖通空调中的作用[J].中国新技术新产品，2015，（13）.
关键词：暖通空调制冷系统；能源消耗；优化方法
引言
在我們生产和生活中都必不可少的要用到暖通空调，无论是大型的厂矿企事业单位建筑体，还是高大多层级的楼宇都会用到暖通空调，暖通空调的安装设计可以大幅度的减少个体单元制冷设备的安装数量，从而减少了经济的支出。然而，暖通空调制冷系统的能源消耗相对于同等级别的制冷设备来说能源的消耗量是比较大的，新的制冷技术的应用将会对暖通空调制冷系统带来巨大的改变，也会推动制冷业的快速发展，为此我们要对暖通空调制冷系统的优化控制进行探讨。
1、暖通空调制冷系统的工作原理
暖通空调的制冷系统是由压缩机、冷凝器、蒸发器和节流阀四部分组成。是通过制冷剂在制冷系统中循环往复过程中实现热量转换的，制冷剂在压缩机的压力驱使下进入蒸发器在吸收了一定的热量后汽化，又被压缩机吸入压缩，在冷凝器中降温后还原成液态，再通过冷凝管道被压缩机又一次输送到蒸发器中，如此反复循环形成热量的转换，从而降低了室内空间的温度。在这个不断往复循环的过程中，需要大量能源的消耗才能做到，要使得暖通空调制冷系统达到极佳的制冷效果，就要提供大量的能源来驱动压缩机的运转。
2、暖通空调制冷系统降耗的具体设计
暖通空调系统设计并非复杂，它有许多的子系统存在，当信息反馈出现延时的情况会增加能源的消耗。建立具有一定智能化的暖通空调系统网络控制终端，对暖通空调的实时运转情况和数据的信息反馈进行管理，可以有效避免信息反馈中延时的问题。BP神经网络、Matlab语言和自适应模糊控制系统可以在智能化的系统中承担不同的职责，进而实现信号的及时反馈。BP神经网络是整个控制系统的骨架，Matlab语言模块为数据的收集装置，自适应模糊控制系统是中央处理器，三者形成一个独立的系统。在设计要求时，要根据BP神经网络的特点建立输入量，输入量实在满足质量需要后即可，一旦输入量和输出了得到确认，BP神经网络就能够利用Matlab的语言模块进行数据的汇总，然后再将数据信息传送给自适应模糊控制系统。自适应模糊系统依据压缩机最佳吸气量为准，一次调节好压缩机的工作频率，由此达到能源消耗的减少。
3、暖通空调制冷系统的优化控制方法
3.1 BP神经网络在暖通空调制冷系统中的应用
BP神经网络系统在制冷系统中的应用，发挥了BP神经网络系统多层反馈的功能，有效的解决了隐藏单元连接的问题，还解决了非线性的映射问题。BP神经系统的特点首先是具有超强的模式分类和识别能力。在计算机网络语言中，BP神经系统可以依据不同的数据特性区分出来文字、图像或语言的不同种类，并有机的进行归纳，由此对各类信息进行整合处理，提高了处理的速度。其次是函数系统的控制能力。BP神经系统可以根据自身的非线性特点进行函数建模，建立起的函数系统可以做到对工业生产中一些自动机械的运行控制，例如机器人的运行轨迹的控制等，第三是实现对数据的压缩功能，BP神经系统对计算机数据进行压缩管理，并能够根据数据特点的不同随机迅速抽取数据，便于数据的分析。根据以上三方面的特点应用BP神经系统在空调制冷系统中，可以实现空调压缩机吸气压力的模拟控制，还能够模拟连续非线性函数，利用神经网络模型来实现接近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制。
3.2 Matlab语言在暖通空调制冷系统中的应用
Matlab语言是一种很强大的工程语言，它具有处理大量数据的功能，其效率非常高，广泛应用于系统的控制、图像处理和系统仿真，Matlab语言逐步完善中可依据各个使用的领域的具体要求，形成了一些Matlab工具箱，便于人们随时取用，减少了人们繁琐的编程环节，实现了模块化设计和应用，达到简化系统控制过程的目的。对于不了解计算本质的人们来说，也能依据模块化操控进行建模，实现系统的运行的模拟。BP神经系统可以做到模拟建模，而Matlab语言技术可以对模块进行设定的操控，两种技术的应用可以做到简化系统的设定程序和反馈最接近实际情况的数据。
3.3 自适应模糊控制系统的应用
暖通空调制冷系统中应用自适应模糊控制系统技术，可以实现空调整体系统性能的优化，控制制冷机能源的消耗，实现各个功能的有效调节。自适应模糊控制系统可以让空调制冷系统更加智能化，原本空调的控制中存在许多的子系统的操控，通过自适应模糊系统的控制，以模块化的控制手法进行指令的发布，减少了对各个元件操控的不协调的问题，应用自适应模糊系统技术优化了操控过程，降低了能源的消耗。自适应模糊系统对反馈的数据可以做到逻辑型的处理，智能化的协调自身温度与环境温度的差异，可以及时的感知到最佳冷却水的温度，便于暖通空调对制冷系统的能源消耗的控制。自适应模糊系统技术还有较强的学习的能力和自身调节的能力，在制冷机运行中当感知到运行参数有了较大的变化时，可以通过自适应模糊系统的职能功能实现自主调节，做到运行模块的有效完善。达到控制系统的准确与有效的目的。
结语
我们国家经济建设的快速发展，在人们生活水平日益提高的今天，明天开通的应用在广泛的建筑领域，而解决好暖通空调制冷系统的能耗问题是实现暖通空调优化控制的关键，全面应用先进的科学技术手段来控制暖通空调制冷系统的能耗问题，是实现空调制冷业界优化管理的途径。从而也提高了暖通空调应用的广泛性，实现制冷业的高速发展。
参考文献：
[1]毕崇宁.暖通空调水系统效率优化策略研究[D].山东大学，2016.
[2]夏毓，孙罡.暖通空调制冷系统的优化控制研究[J].民营科技，2016，（5）.
[3]杨秀峰.如何优化控制制冷机在暖通空调中的作用[J].中国新技术新产品，2015，（13）.