Автоматичне керування системою опалення, вентиляції та кондиціювання на основі штучних нейронних мереж

Abstract

У роботі розглянуто питання моделювання та розробки системи автоматичного керування системою опалення, вентиляції та кондиціонування повітря (HVAC). Проведено аналіз сучасних підходів до математичного моделювання та керування HVAC-системами, досліджено особливості їх функціонування, а також методи побудови моделей динамічних об’єктів із суттєвою інерційністю та нелінійністю. Розроблено математичну модель системи HVAC, модель теплообмінника та модель приміщення, на основі яких побудовано передавальну функцію та структурну схему системи. Для опису нелінійної поведінки об’єкта розроблено нейромережеву модель типу NARX, яка забезпечує ідентифікацію динамічних процесів та прогнозування станів системи. Виконано синтез ПІД-регулятора та реалізовано відмовостійку систему керування для підвищення надійності функціонування HVACсистеми. Проведено імітаційне моделювання розробленої системи у середовищі MATLAB/Simulink та виконано аналіз її динамічних характеристик. Отримані результати підтверджують ефективність запропонованого підходу щодо підтримання заданих параметрів мікроклімату, підвищення якості керування та зменшення енергетичних витрат. Розроблені моделі та алгоритми можуть бути використані під час проєктування та модернізації сучасних систем HVAC у житлових, адміністративних і промислових будівлях.

The thesis addresses the problem of modeling and developing an automatic control system for a Heating, Ventilation, and Air Conditioning (HVAC) system. An analysis of modern approaches to mathematical modeling and control of HVAC systems has been carried out, and the features of their operation, as well as methods for constructing dynamic models of systems with significant inertia and nonlinear behavior, have been investigated. A mathematical model of the HVAC system, a heat exchanger model, and a room model have been developed. Based on these models, the transfer function and structural scheme of the system were obtained. To describe the nonlinear behavior of the controlled object, a NARX-type neural network model was developed, providing dynamic system identification and state prediction. A PID controller was designed, and a fault-tolerant control system was implemented to improve the reliability of HVAC system operation. Simulation modeling of the developed system was carried out in the MATLAB/Simulink environment, and its dynamic characteristics were analyzed. The obtained results confirm the effectiveness of the proposed approach in maintaining the required indoor climate parameters, improving control quality, and reducing energy consumption. The developed models and control algorithms can be applied in the design and modernization of modern HVAC systems for residential, commercial, and industrial buildings.