基于改进BP神经网络的中央空调冷负荷预测研究

针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。     

基于遗传神经网络的VAV空调系统预测模型

针对单纯的机理建模方法难以准确预测变风量空调系统（VAV）的参数,利用BP神经网络构建了变风量空调系统的预测模型,并将遗传算法与BP网络相结合,提出运用遗传算法对神经网络的权值和阈值进行遗传搜索,寻优后再进行BP运算,以克服BP算法收敛速度慢、易陷入局部解的缺点。通过实验平台采集了大量数据对所建模型进行训练和验证,结果表明,模型对空调送风参数以及房间温湿度的预测结果与实测数据能很好拟合,精确度高,泛化能力强。     

基于改进LMBP神经网络的地源热泵空调控制研究

针对BP神经网络训练速度慢并且容易陷入局部最小点的缺点,研究了LM优化算法;为解决LM算法中求解逆矩阵这一最耗时因素的问题,提出将共轭斜量法与LMBP算法结合起来,并通过Matlab编程语言实现,并将其应用到地源热泵冷冻水控制回路中;通过仿真对比,结果表明这种通过算法改进的控制器比PID控制器调节时间快约10 s、超调量小0.4,稳态误差小,具有明显的控制效果。