Cfd数值模拟结合bp神经网络人工环境控制方法
【技术领域】
[0001]本发明涉及一种人工环境下空气调节的优化控制方法，属于环境与自动控制交叉领域。具体讲，涉及CFD数值模拟结合BP神经网络人工环境控制方法
【背景技术】
[0002]人工环境是由人为设置边界面围合成的空间环境。在人工环境状态下，为保证其中人员的正常活动工作，一套高效运行的空气调节系统必不可少。在维持其中人员正常活动的同时，也应努力提高该环境下人员的热舒适度、空气质量及降低系统能耗，由此达到节能的同时激发人员工作效率的目的。
[0003]在空调季，由于送风温度与室内温度不同，导致室内存在温度分层现象，而且不同位置的温度也不尽相同。然而，常规的温度传感器一般不会设置在人的周围，所以人员活动区的温度与温度传感器所测得的温度往往并不相等。但在目前常见的空气调节系统中，人们往往采用温度传感器所在位置处的温度测量值与设计值相比较进行温度控制，从而造成控制误差，造成室内过冷或过热，既无法提供令人满意的空调环境，同时也造成能耗的增加。
[0004]对于上述问题，如何获得人周围温度进而用于空调系统控制是问题关键。在现有技术中，通过CFD数值模拟能精确获得人工环境中的各个物理参数分布，但是由于其计算时间过长，无法满足空调系统实时控制的要求。基于上述情况，也有文献提出采用POD降阶模型简化CFD计算过程，但值得指出的是，由于此方法假设人工环境条件下速度场稳定，而实际中，因为热浮力作用等因素，温差过大会引起速度场的改变，速度场的改变又会进一步影响温度场。所以此方法计算中的缺陷可能导致实际控制上的较大误差。
[0005]人工神经网络是在现代神经科学的基础上提出和发展起来的，能反应人脑结构及功能。它在模式识别、图像处理、智能控制、通信等领域得到广泛的应用。多层前馈网络(back propagat1n)BP神经网络是使用最为广泛的一类神经网络模型，它实现了一个从输入到输出的映射功能。通过建立BP神经网络模型，可以代替CFD快速解算出人工环境中的各个物理参数分布，由此可将其用于人工环境的空调控制系统。
【发明内容】
[0006]为克服现有技术的不足，本发明旨在提供一种人工环境控制方法，用于解决控制误差大，效率低的问题。为此，本发明采取的技术方案是，CFD数值模拟结合BP神经网络人工环境控制方法，包括如下步骤:
[0007](I)为所述人工环境建立CFD模型，包括使用计算流体力学CFD软件建立人工环境的几何模型，确定空调送风口和回风口的位置及尺寸，环境中包含的人员及物品陈设的位置及尺寸；
[0008](2)根据所在地区的气象条件和室内设计参数，计算其人工环境的冷/热负荷，得到其空调系统的条件参数范围，这里条件参数包括:冷/热负荷和送风量，对不同的条件参数将各自区间范围内的值进行随机组合，并将此组合作为CFD模型的边界条件通过模拟得到相应条件下的环境参数，环境参数包括:人体周围取样点的温度值，气流速度值和PMV值，在此过程中，形成大量随机的输入/输出数据对即训练样本，输入即条件参数，输出即对应的环境参数；
[0009](3)利用上步骤得到的训练样本，将条件参数作为输入数据，相应CFD模拟得到的环境参数作为输出数据，建立BP神经网络，神经网络采用三层网络结构，输入层神经元个数和条件参数个数一致，输出层神经元个数和环境参数个数一致，隐层神经元个数按照经验公式确定，选定训练参数后，使用贝叶斯正则化算法对BP网络进行训练，以确定最佳网络参数；
[0010](4)训练好的BP神经网络替代CFD模拟，用于空调系统的实时控制，将所要控制的人工环境的初始条件(a)输入BP神经网络，得到相应的环境参数；此处初始条件即:空调系统开启时刻的条件参数，计算人体周围取样点PMV值的平均值，看其平均值范围是否落在(-0.5，0.5)区间内，若在区间内，则保持该送风量，执行机构不动作；若在此区间范围夕卜，则进行以下步骤；
[0011](5)将人体周围取样点的温度算术平均值t，气流速度算术平均值，利用PMV公式和上述平均值计算PMV = O时的温度值T，利用T - t的差值进行PID控制，得到新的送风量，将新的送风量和当前环境负荷作为输入数据重新利用BP神经网络进行计算，得到对应新的环境参数值；此循环过程直至人体周围取样点PMV值的平均值落在(-0.5,0.5)区间内时停止；
[0012](6)实际过程中，在初始状态空调系统控制调节达到要求后，一般是由于输入数据中环境负荷的变化(b)而再次引起空调控制系统的动作，其控制过程同上，将变化后的新的输入数据输入BP神经网络模型，得到对应的环境参数。计算人体周围取样点PMV绝对值值的平均值，看其值是否落在(_0.5，0.5)区间内，若在区间内，则保持该送风量，执行机构不动作；若在此区间范围外，则进行控制调节；
[0013](7)在上述调节结束达到稳定后，将输入数据导入CFD模型进行验证，若所得环境参数计算人体周围取样点PMV值的平均值，若在(-0.5，0.5)区间外，则将此数据对加入已有训练样本，重新对BP神经网络进行训练。
[0014]与已有技术相比，本发明的技术特点与效果:
[0015]本发明由于采取以上技术方案，其具有以下优点:
[0016]通过建立CFD模型，能够获得人工环境条件下空间中各点的流场参数，克服了温度传感器位置设置限制问题，能得到人员周围的温度值。
[0017]采用BP神经网络模型代替CFD模型，实现了人员周围的温度值的快速获得，提高了控制实时性。
[0018]将系统稳定时的环境参数反馈回CFD模型进行验证，保证了 BP替代模型的准确性，从而确保了整个控制过程的准确性。
[0019]总体上，通过本方法，克服了现存状态下温度传感器所测温度用于整个人工环境空调控制系统上造成的控制不准确的问题，提高了空调控制系统的品质。同时针对人员周围环境的控制，既满足了人员舒适度的需求，同时也避免了传统根据室温大范围进行温度控制造成的能源损失。
【附图说明】
[0020]图1为本发明方法技术流程图。
[0021]图2为一个3D房间模型示意图。
【具体实施方式】
[0022]本发明采取以下技术方案:
[0023](I)为所述人工环境建立CFD模型，包括使用计算流体力学(CFD)软件建立人工环境的几何模型，确定空调送风口和回风口的位置及尺寸，环境中包含的人员及物品陈设的位置及尺寸；
[0024](2)根据所在地区的气象条件和室内设计参数，计算其人工环境的冷/热负荷，得到其空调系统的条件参数范围，这里条件参数包括:冷/热负荷和送风量。对不同的条件参数将各自区间范围内的值(将区间按一定间隔划分取值)进行随机组合，并将此组合作为CFD模型的边界条件通过模拟得到相应条件下的环境参数，环境参数包括:人体周围取样点的温度值，气流速度值和PMV值。在此过程中，形成大量随机的输入/输出数据对即训练样本。输入即条件参数，输出即对应的环境参数；
[0025](3)利用上步骤得到的训练样本，将条件参数作为输入数据，相应CFD模拟得到的环境参数作为输出数据，建立BP神经网络。神经网络采用三层网络结构，输入层神经元个数和条件参数个数一致，输出层神经元个数和环境参数个数一致，隐层神经元个数按照经验公式确定，选定训练参数后，使用贝叶斯正则化算法对BP网络进行训练，以确定最佳网络参数；
[0026](4)训练好的BP神经网络在此可替代CFD模拟，用于空调系统的实时控制。将所要控制的人工环境的初始条件(a)输入BP神经网络，可得到相应的环境参数。此处初始条件即:空调系统开启时刻的条件参数。计算人体周围取样点PMV值的平均值，看其平均值范围是否落在(_0.5，0.5)区间内，若在区间内，则保持该送风量，执行机构不动作。若在此区间范围外，则进行以下步骤；
[0027](5)将人体周围取样点的温度算术平均值t，气流速度算术平均值，利用PMV公式和上述平均值计算PMV = O时的温度值T，利用T - t