浅谈C8051单片机在变风量空调控制系统中的应用

　　3.1系统模型建立

上述被控对象的模型包括空调房间模型方程、冷冻水管路模型方程和送风系统模型方程，模型中各参数的意义如下： hW―液态水焓值，T0―室外温度，hfg―水蒸气焓值，T2―送风温度，Vhe―热交换器容积，T3―室内温度，V3―房间体积，f―送风风速，W0―室外空气含湿量，gpm―冷冻水流量，W2―送风空气含湿量，M0―房间湿负荷，W3―室内空气含湿量，Q0―房间显热负荷，Cp―空气比热，ρ―空气密度。

　　3.2、系统在Matlab环境下进行控制系统仿真

　　为了便于在Matlab/Simulink环境下进行预测控制效果仿真研究，网络模型须采用能够被Simulink调用的语言编写。有两个途径可以实现：一种是利用Matlab提供的S功能，编写S程序供Simulink仿真程序调用。另一种方法是直接用Simulink模块搭建网络模型。为了便于在仿真过程中实时调整和修改，本文采用Simulink模块构造可视化的神经网络模型，图3为加空调房间温度Simulink神经模型。模型中模块u,y为系统输入，经延迟变换输入为;模块yhat为模型系统输出，即空调房间的温度。

图3空调房间温度Simulink神经模型

　　对于该区域房间从旱晨8时到傍晚20时对HVAC系统进行控制，在此过程中假设负荷随外在环境不断变化，仿真结果如图4所示，图中横坐标轴为时间，纵坐标轴取室内空气温度（℃）和室内空气相对湿度（%）。

图4室内温度、湿度控制仿真结果

　　由图4可知，房间的温度在人们日常的工作时段内基本维持在24℃一27℃之间，相对湿度也保持在45%一60%之间，可以做到随外部环境参数的变化实时调整，既满足了舒适性的要求，又满足了节省能耗的目的。能够克服干扰和不确定性的影响，具有较好的鲁棒性。利用人工神经网络技术，建立的表征人体热舒适感的PMV指标的预测模型具有很高的准确度，可以对PMV指标进行实时预测，在此基础上可以进一步实现基于PMV指标的空调系统实时控制，从而创造更加舒适健康的室内环境。

4、结束语

　　变风量空调系统的控制方法很多，各种新风量的确定和控制方法都有自身的优缺点，变风量空调系统也是一种先进的空调方式，在变风量空调系统中新风量是一个很重要的技术参数，它对系统的节能效果如何以及室内空气质量好坏都有非常大的影响。本系统充分考虑到室内空气质量和节能问题，与传统的固定新风量的控制方法比较，在保证室内空气品质不变的前提下，这种控制方法有潜在的节能效果。