广义回归神经网络在空调湿度调节中的应用.pdfVIP

维普资讯 2003年 3月 控 制 工 程 M ar．2003 第10卷第2期 ControlEngineeringofChina Vo1．10。No．2 文章编号：1671．7848(2003)02—0162．03 譬广摘义回要归神经上海(网大络周学在动枫自化空系．沙调上．立海湿民2度0007调2)节中的应用 ：湿空气中温度和湿度的关系通常通过水蒸气性质表进行查取 ．通过温度和 饱和水蒸气分压力的关系计算相对湿度值，但其为离散 的非线性关系。不便于实时控制。 提 出了一种简单、有效的广义 回归神经网络 (GRNN)用于 中央空调控制 中的湿度调节． GRNN可以对离散的非线性关系进行拟和．不同于数值分析 中的插值和拟和。也不同于常 用的BP网络。GRNN易于实现．仅需要一个参数，结构简单，便于编程．可以在较少数据中 较好地工作。 关 键 词 ：广义 回归神经网络 (GRNN)；中央空调 ；相对湿度 中图分类号：TU 831，3 文献标识码：A 要求，湿度太大，精密仪器易受潮损坏 ；湿度太低， 1 引 言 容易产生静 电火花。也影响工作人员的舒适度。 工程实践中，许多问题可以用函数 Y=厂() 空气中对湿度的描述主要有含湿量、绝对湿 来表示其内在规律 的数量关系。数值分析中，离 度、相对湿度等。含湿量是指在湿空气组成中，与 散的实验数据 、计算数据可用插值和拟和的方法 每 kg干空气混合的水蒸气的质量 ；绝对湿度是指 对非采样点的数据进行估计和预报；近几年新发 每m 湿空气中所含水蒸气的质量 ；相对湿度是 展起来的神经网络。如 BP网络也有很好的线性 、 指湿空气的绝对湿度和同温度饱和空气绝对湿度 非线性拟和能力。但也有其局限性 。如 ：插值和拟 的百分比。 和方法针对不同的问题。需要重新计算多项式 ；而 检测空气湿度 目前常用的传感器为相对湿度 BP网络也存在学 习时间较长、节点数量和层数的 传感器，而在控制过程 中，需要计算新风含湿量来 判断是否需要进行降湿处理，即新风含湿量超过 确定缺乏理论性的指导、学习速率 、权值初值需经 某设定值时，即需进行降湿处理，使新风含湿量降 验确定等问题，使其在工程实践中的应用受到限 至设定值。根据含湿量计算式 制。 p 本文提出一种 以广义回归神经 网络 (General d=622 (1) 一 ‘q RegressionNeuralNetwork—GRNN)获取数据之间 式中，d为空气含湿量，g／kg；B为大气压力，Pa； 关系的方法，它不同于插值和拟和。能在同一结构 Pa为水蒸气分压力，Pa。 下直接以采样或计算得来 的数据对 网络进行修 相对湿度计算式 改，不需要重新计算参数；不同于BP网络，仅需