文档名：采用中心平衡优化的表冷系统预测控制研究
摘要：根据室外温度和相对湿度环境变量,采用极限学习机(extremelearningmachine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度.传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能.利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度.仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果.
作者：卢志敏 饶伟 江琳 严德龙 王华秋 向力 Author：LUZhimin RAOWei JIANGLin YANDelong WANGHuaqiu XIANGLi
作者单位：龙岩烟草工业有限责任公司,福建龙岩364021重庆理工大学两江人工智能学院,重庆401135重庆太和空调自控有限公司,重庆400030
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(6)
分类号：TP391.9TP301.6
关键词：空调表冷系统 斐波拉契搜索 极限学习机 预测控制 中心平衡优化算法
机标分类号：TP391TP183P642.23
在线出版日期：2023年6月6日
基金项目：教育部科技项目，科技改造项目采用中心平衡优化的表冷系统预测控制研究[
期刊论文] 重庆理工大学学报--2023, 37(6)卢志敏 饶伟 江琳 严德龙 王华秋 向力根据室外温度和相对湿度环境变量,采用极限学习机(extremelearningmachine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
采用中心平衡优化的表冷系统预测控制研究 Research on predictive control of the surface cooling system using KMedoids equilibrium optimization
采用中心平衡优化的表冷系统预测控制研究.pdf
- 文件大小:
- 8.06 MB
- 下载次数:
- 60
-
高速下载
|
