变频制冷设备在网络中的使用

随着科学技术的发展，涡旋式压缩机的诞生、变频技术的完善和模糊控制技术的应用使空调器也逐渐进入电子控制时代。变频控制空调器的特点是压缩机可以根据室内所需冷（热）量的不同自动调节制冷（热）量，具有很多优点，正被广大空调用户看好。一般ON/ OFF控制的空调器在实际应用中，由于空调自身的结构特点，室内机的输出往往比压缩机的输出滞后，而室内空气参数的滞后则更大，这些都影响空调器温度控制的精度和舒适性的提高。另外，空调器的实际运行工况千变万化，大多数时间空调器并非工作在*佳状态下，而变频控制技术正是解决上述问题的*佳方案。

由于空调是一个大滞后、非线性、时变的复杂控制对象，采用传统的控制策略难以取得良好的控制品质。人工神经网络以其大容量并行处理、分布存储、智能化模糊分类的特点以及具有自组织、自学习和处理系统内在的难以解析表达的规律性的能力，为解决这类问题提供了一种简便、有效的途径。本文介绍一种基于BP神经网络模型的控制方法，使用该方法，可以快速、准确的对从实际环境中获得的数据进行综合、分析，得出正确的结论。从而通过控制单元调节压缩机、风机和电子膨胀阀，使其根据现状迅速地做出反应，达到智能控制的效果。

1变频空调控制技术所谓变频控制空调器是将传感器测定的实际环境状态和空调器系统状态与人们所期望达到的设定状态进行比较，通过模糊逻辑控制技术使空调器控制系统具有自调整的职能特性，从而对空调器的变频电源及各执行单元实施控制，使空调器的工作状态随着人们要求的变化和环境状态的变化而自动变化，迅速准确地达到人们的要求，并使空调器的工作状态保持在*合理的状态下。

1以msp430单片机为控制核心TI公司的msp430系列单片机是一种超低功耗的混合信号控制器，其中包括一系列器件。

CPU中的16个寄存器和常数发生器使MSP430微控器能达到*高的代码效率；灵活的时钟源可以使器件达到*低的功率消耗；数字控制的振荡器可使器件从低功耗模式迅速唤醒，在少于6μs的时间内激活到活跃的工作方式。同时具有以下特点：低电压、超低功耗；强大的处理能力，保证了可编制出高效率的源程序；系统工作稳定；丰富的片内外设，可以集成较丰富的片内外设；高的转换速率；方便高效的开发环境，开发语言有汇编语言和C语言。

msp430单片机主要完成以下功能：综合室内机制冷数据对压缩机进行变频调速；根据各室内传送的数据分别控制各个电子膨胀阀；监测室外环境温度、冷凝器温度、压缩机是否正常，确定整机工作状态，控制压缩机、电子膨胀阀。

1 2变频空调控制单元变频空调控制单元可分为遥控发射器、室内控制单元及室外控制单元三个相对独立的部分。

遥控发射器与室内控制单元之间采用蓝牙无线通信模块进行通信，室内控制单元与室外控制单元之间进行双向通信以交换信息。室内控制单元根据遥控发射器发出的命令和系统的状态控制空调器的运行、计算压缩机运行频率，并控制室外部分电源的开通和关断。室外控制单元根据室内控制单元的指令，控制空调器室外部分的运行，并能够独立进行特殊状态运行。原理图如所示：

（1）遥控器采用4位单片机，配以键盘输入，红外发光二极管及LCD显示器，片内有LCD控制驱动电路，可直接驱动LCD显示器。

（2）室内控制单元：室内控制单元由主控板、L ED显示板及无线接收模块组成。室内控制单元的主要功能：测量室内回风温度和蒸发器出口温度以及蒸发器入口温度；接收并处理遥控发射器发出的信号，结合系统的状态控制状态的运行；控制室内风机的运行及转速；控制导风板的摆动及位置；根据室内温度、目标温度及其变化计算压缩机的运行频率；与室外控制单元通信；控制室外部分的电源；用L ED显示室内温度、目标温度及系统运行状态、故障信息等。

室内控制单元的核心是压缩机的运行控制和频率计算。在本控制器中，采用基于BP神经网络的控制方法，达到制冷（制热）速度快、超调量小及控温精确、稳定的效果。达到稳定状态后，能够将室温控制在目标温度±0 1 5℃的范围内。

（3）室外控制单元：室外控制单元由变频器主电路和控制板组成。

室外控制单元的主要功能：检测冷凝器出口温度和压缩机顶盖温度；与室内控制单元通信，接收并分析室内控制单元的命令；根据室内控制单元的命令和各检测参数控制空调器室外部分的运行状态；控制室外风机的运行；控制换向阀的动作；控制压缩机的转速以及启动、停止；进行化霜运行；进行保护运行。室外控制单元的核心部分是压缩机的驱动控制。室外控制单元以3 1 6 kHz的调制频率，控制逆变器产生SPWM输出，驱动压缩机。室外控制单元能够根据直流侧电压的波动进行电压补偿，使系统的运行不仅能够适应负载的变化，还能适应电网电压的波动。室外控制单元在接收室内控制单元指令的同时，还要独立分析室外部分的运行状态，判断是否要进入化霜运行或保护运行。

2 BP神经网络本文中采用神经网络中的误差反向传播（BP）算法来对空调的压缩机进行控制。

BP算法的基本思想是，学习过程由信号的正向传播和误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出（教师信号）不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号及作为修正各单元权值的依据。这种信号正像传播与误差反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度，或进行到预先设定的学习次数为止。

在BP算法的多层前馈网络的应用中，应用*为普遍的是单隐层网络。单隐层前馈网络也叫三层前馈网，包括了输入层、隐层和输出层。如所示。

三层前馈网中，输入向量为X = （ x1 ， x2…

xn）T，可为隐层神经元引入阈值；隐层输出向量为Y = （ y1 ， y2…

ym）T ，可为输出层神经元引入阈值；输出层输出向量为O = （ o1 ， o2…

ol）T；期望输出向量为d = （ d1 ， d2…

dl）T。

输入层到隐层的权值矩阵用V表示V = （ v1 ， v2…

vt…

vm）T，其中列向量vt为隐层第t个神经元对应的权向量；隐层到输出层的权值矩阵用W = （ w1 ， w2…

wt…

wl）T，其中列向量vt为隐层第t个神经元对应的权向量。

下面分析各层信号之间的数学关系：对于输入层O k = f （ net k）

k = 1 ， 2…

l net k =∑w jk y j

k = 1 ， 2…

l ， j∈对于隐层y j = f （ net j） j = 1 ， 2…

m net j =∑w ij x i

j = 1 ， 2…

m ， i∈以上两式中，转移函数f （ x）均采用单极性Sigmoid函数f （ x） = 1 - e？

x / 1 + e？

x因为f （ x）具有连续、可导的特点，且有f′（ x） = f （ x） 3程序设计空调器控制过程中，房间的泄漏，人、物的多少，房间开关门的次数等都是不确定的因素，制冷量与压缩机转速也是非线性关系，因而采用模糊控制比传统控制精度高，过渡过程优良，舒适性高。控制系统如所示。

根据温度传感器测量出的温度值和用户输入的需求温度计算出二者的误差E ，同时计算出误差变化率d E/ dt。将这两组数据转换到输入区间内，作为网络的输入值。通过BP学习算

法来训练网络，网络的训练过程是在计算机上独立完成的。输入值经过网络得到一个相应的输出值，再将输出值转化到控制领域的范围内，对压缩机进行实时控制。3 1BP学习算法基本编程步骤如下。

（1）初始化“对权值矩阵V、W赋随机数，其中V为2乘2的矩阵， W为2乘1的矩阵。将样本模式计数器p和训练次数计数器q置为1 ，误差E置0 ，学习率n设为0 - l间小数，网络训练后达到的精度E min设为一正的小数；（2）输入训练样本对：样本是由专家和技术人员根据实验结合经验给出的数据。关于如何对样本进行选择和处理在下面有详细介绍。计算各层输出，根据样本对向量数组X、d赋值，计算Y和O中各分量；（3）计算网络输出误差：设共有P对训练样本，网络对应不同的样本具有不向的误差E ，用其中*大者E max代表网络的总误差；（4）计算各层误差信号： G ， H ；（5）调整各层权值计算W ， V中各分量；（6）检查是否对所有样本完成一次轮训，若p 3 1 2样本的选择和处理由于BP网络的输入、输出数据均要求在区间内，需要对输入数据进行尺度变换，转化到区间内。这样可以使网络训练一开始就给各输入分量以同等重要的地位；变换后可以防止因净输入的绝对值过大而使神经元输出饱和，继而使权值调整进入误差曲面的平坦区；网络训练值针对输出的总误差调整权值，使总误差中占分额小的输出分量相对误差较大，解决了数值大的输出分量绝对误差大，数值小的输出分量绝对误差小的问题。

制冷空调温度控制系统典型的响应曲线如所示。我们来通过对此响应曲线的分析来归纳系统动态过程各阶段对制冷控制的要求。

AB阶段：这是系统的滞后阶段。为了获得较快的下降速度，应增大制冷量，此时系统的特征为： E 0。

CD阶段：是系统向偏差增大方向发展的阶段，应加强控制，尽量降低超调，使输出尽量回到稳态值。此时系统的特征为E > 0 ， d E/ dt > 0。DE：阶段：是系统向偏差减小趋于稳态发展的阶段，要适当减小加控制，避免回调，此时系统的特征为， E 0 ，d E/ dt 0。

可见，在不同的响应阶段，系统对控制强弱的要求不同。这些都需要在网络的训练过程中通过训练样本体现出来。训练样本的合适与否直接影响到网络的工作效率，因而要重视样本的选择与处理工作。

4结束语本文介绍了一种基于神经网络的变频空调控制系统。该控制系统将当前国际上的先进变频技术和神经网络理论应用于空调领域，解决了普通空调器中存在的耗电量大、控温不稳定、制冷（热）速度慢等多方面的问题，代表未来空调业发展的一个趋势。