CN114019846A - 公路长隧道智能通风控制设计方法与*** - Google Patents
公路长隧道智能通风控制设计方法与*** Download PDFInfo
- Publication number
- CN114019846A CN114019846A CN202111195013.5A CN202111195013A CN114019846A CN 114019846 A CN114019846 A CN 114019846A CN 202111195013 A CN202111195013 A CN 202111195013A CN 114019846 A CN114019846 A CN 114019846A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- control
- tunnel
- variable
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000009423 ventilation Methods 0.000 title claims abstract description 72
- 238000013461 design Methods 0.000 title claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 79
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 14
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F1/00—Ventilation of mines or tunnels; Distribution of ventilating currents
- E21F1/003—Ventilation of traffic tunnels
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种公路长隧道智能通风控制设计方法与***,包括测量装置、模糊控制器和执行器,测量装置用于检测公路长隧道内可用于通风调控的信息参数,并将其传递给所述模糊控制器;模糊控制器用于通过在输入论域上定义语言变量,将输入的精确量转换为模糊量,然后通过模糊推理,得到模糊控制量,再通过逆模糊化将该模糊控制量变换为实际的控制量,并输出给执行器;执行器用于向被控对象施加控制作用,以调控公路长隧道内的风量。本发明通过采用基于模糊理论的前馈式控制方案,对于隧道营运管理而言能够有效提升空气流通效率,实现提前快速通风,相比传统控制模式在节能及安防效果上有显著的提高。
Description
技术领域
本发明涉及公路交通技术领域,具体涉及一种公路长隧道智能通风控制设 计方法与***。
背景技术
公路长隧道内空气质量的控制方法,其传统控制方法包括直接分档控制法、 间接控制法、程序控制法和组合控制法,直接分档控制法就是利用安装在隧道 内的传感器对CO和VI的浓度值进行检测,经过相应的计算处理后得到控制指 令,然后对风机的启停状态进行操作,为隧道补充一定量的新鲜风量,稀释CO 和VI,使隧道内的安全卫生要求得以满足。直接分档控制法是一种既简单又有 效的控制方法,它是一种闭环拉制***,并且受控参数的范围是事先确定好的, 在我国目前已建成的隧道中应用很广。但是直接分档控制法存在一定的滞后且 被控量不是固定值,风机的控制不连续且控制过程中出现的静态偏差较大等缺 点。
间接控制法是一种开环控制***,它的输入量是使用隧道内的车型、交通 量以及车速平均值等参数,经过优化处理后计算出CO和VI浓度值,通过与设 定的标准值作比较,输出风机的运行状态。间接控制法使用交通量作为被控量, 由于交通量与CO和VI浓度值之间的关系随时在变动,那么在使用时就必须在 计算过程中添加折算系数或者修正系数,然而算法中修正系数需要结合具体工 程项目而确定,不能广泛进行移植,所以,这种方法在实际工程中受到很大的 限制。鉴于我国目前的情况,并不适合单独使用此法,但仍然可以将其作为传 感器出现故障时临时降档使用或与组合控制法配合使用。根据相关资料显示,此法在国外一些发达国家有所应用。我国由于考虑到自身客观条件之间的一些 差异,并没有简单的借鉴这种方法。首先,我国的车辆构成较复杂,车辆排污 能力差异较大,车况较差,所以很难确定交通量和排污量之间的关系;其次, 我国的高速公路事业处于高速发展的时期,但是技术和经济水平还没有达到一 个相对稳定的高水平阶段,即便采用了此方法,一些相关系数也是很难确定的。
程序控制法是建立在统计获得的经验数据的基础上,控制风机的启停状态, 其本质为时序控制。这种方法省去了检测环节的费用,可以在主控***出现故 障时作为降档备用。这种方法按照时间区间的要求事先编制好程序以控制风机 的启停状态变化,而不考虑CO浓度值和VI浓度值及交通量的变化。它具有一 套完整的控制策略但需要隧道通风***正常运行一段时间后对其各项参数进行 修正,与试凑法相似,此法缺少预测控制功能,它的时序确定后,更改过程较 复杂,但是隧道在运营过程中,车流量和其他参数处在不断变化的。
组合控制法的控制思路是利用传感器测量到的车流量信息、CO浓度值、VI 浓度值等,通过总控制器的计算分析处理,进而去控制风机的启停状态。这种 控制方法的优点在于:首先,它利用传感器检测到的CO浓度值和VI浓度值通 过反馈的方式完成直接控制,确保了***的可靠稳定性;其次,通过检测车流 量数据并进行预测控制,从而保证了***的及时性和鲁棒性。组合控制法在理 论上虽然具有较多的优点,但当运用到具有较强非线性特点的公路隧道通风系 统中时,准确的建立数学模型是很困难的,导致此法在实际应用中受到很大的 局限性。虽然国外也有个别成功运用此法的工程项目,但是不适合大范围推广, 这种方法在我国尚未得到有效的推广和利用。
总之,由于传统控制方法的滞后性,传统控制法在我国隧道工程通风领域 运用还是相对较少。由于传统控制法在很大程度上不能根据外界环境的变化做 出及时合理的响应,并不能使隧道通风达到最佳效果,在经济性、安全性、环 保方面缺乏竞争力。
目前国内外公路隧道通风自动控制中存在的主要方法有反馈控制法(FB) 以及近来提出的前馈控制法(FF)和现代控制法。反馈控制法是依靠传感器检 测隧道内CO浓度和VI浓度,经计算处理后,给出控制指令,控制风机的运行, 供给必要的新鲜风量,稀释VI和CO浓度,达到设计要求的卫生和安全标准。 这种方法是根据被控对象偏差进行控制,最后消除偏差。由于控制作用落后于 干扰作用,造成控制过程中静态偏差大,是“不及时控制”。七十年代,德国 新易北河隧道采用的就是这种控制方法。
前馈法是在反馈控制的基础上加入了前馈控制以解决反馈控制中的不及 时。前馈控制是根据进入隧道前区段的交通量信息以及埋在路面下的车辆检测 器,实时了解隧道内交通量、行车速度、车辆构成等,通过检测交通量状况, ***计算出车辆的VI和CO排放量,实施风量控制。这种方法从产生污染 的交通流量入手,改变风机台数以弥补扰动引起的输出变化,使被控变量基本 保持不变。前馈控制及时,不受***延迟的影响,提高了控制精度。最早运用 此方法的是1984年交付使用的日本关越隧道,它根据长期预测的可能车流量来 确定正常通风流量,以此作为通风***的标准控制位置,再以通风流量作为有害气体浓度及短期预测的车流量的函数加以修正。目前此方法仍被一些发达国 家广泛采用,我国目前公路隧道通风控制也广泛采用这种方法。前馈法弥补了 反馈控制方法的不足,适用于风机台数多,通风方式复杂的长大隧道。
现代控制方法主要包括模糊控制、神经网络控制、专家控制等。公路隧道 通风***是典型的分布式参数***,具有很强的非线性特征,如果用传统线性 控制理论,为获得便于控制设计的数学模型,势必在模型简化过程中引入很大 的误差,因而国内外科研机构已经将研究重点转向模糊控制、神经网络控制等 现代控制算法上。
模糊技术的由来应追溯到1965年,当时美国加州大学伯克利分校电气工程 系控制论专家L.A.Zadeh提出了模糊集合理论,主要包括:模糊集合理论,模 糊逻辑,模糊推理和模糊控制等方面的内容,为模糊技术的产生奠定了理论基 础。1974年英国学者E.H.Mamdani首先在试验室里实现了对蒸汽发动机的模糊 控制,并取得了比传统的直接数字控制算法更好的效果,从而出现了一种崭新 的控制技术一一模糊控制。模糊控制结构图如图所示。模糊控制***是以模糊 集理论、模糊语言变量以及模糊逻辑推理为理论基础,结合基于规则的专家系 统和控制理论的一种智能控制***,同时也是采用计算机控制技术构成的一种 具有反馈通道的闭环结构的数字控制***。因而与常规控制***相比,有以下 优点:
①模糊控制完全是在操作人员控制经验基础上实现对***的控制,无需建 立控制对象精确的数学模型,是解决不确定性***的一种有效途径。
②模糊控制具有较强的鲁棒性,被控对象参数的变化对模糊控制的影响不 明显,尤其适用于非线性、时变、滞后***的控制。
③由离线计算得到模糊控制规则查询表,从而提高了控制***的控制实时 性。
④控制的机理符合人们对过程控制作用的直观描述和思维逻辑,为智能控 制应用打下了基础。
但模糊控制也有以下主要缺陷:
①信息简单的模糊处理将导致***的控制精度降低和动态品质变差。若要 提高精度则必然增加量化级数,从而导致规则搜索范围扩大,降低决策速度, 甚至不能适时控制。
②模糊控制的设计尚缺乏***性,无法定义控制目标。控制规则的选择、 论域的选择、模糊集的定义、量化因子的选取等多采用试凑法,这对复杂*** 的控制是难以奏效的。
发明内容
本发明提供一种公路长隧道智能通风控制设计方法与***,旨在解决的技 术问题之一是:公路长隧道内空气质量控制效果较差的技术问题。
考虑到现有技术的上述问题,根据本发明公开的一个方面,本发明采用以 下技术方案:
一种公路长隧道智能通风控制***,其包括:
测量装置,用于检测公路长隧道内可用于通风调控的信息参数,并将其传 递给所述模糊控制器;
模糊控制器,用于通过在输入论域上定义语言变量,将输入的精确量转换 为模糊量,然后通过模糊推理,得到模糊控制量,再通过逆模糊化将该模糊控 制量变换为实际的控制量,并输出给执行器;
执行器,用于向被控对象施加控制作用,以调控公路长隧道内的风量。
进一步地,所述被控对象包括设置于隧道内的各台射流风机。
进一步地,所述测量装置包括CO/VI检测器、风速风向检测器和车辆检测器。
进一步地,所述模糊控制器包括:
模糊化模块,用于针对模糊控制器每个输入空间定义一个语言变量,再定 义各语言变量的论域,以及定义各语言变量的语言值,将各语言变量的论域定 义其语言值的隶属函数。
知识库,其包含应用领域中的知识和要求的控制目标;
模糊推理模块,其由规则库中的规则推导出其蕴涵的模糊关系,根据模糊 关系和输入的情况进行推理得到输出的语言值;
逆模糊化模块,其用于将模糊的控制量经清晰化变换后,变成表示在论域 范围内的清晰量;再将表示在论域范围内的清晰量经尺度变换变成实际的控制 量。
进一步地,所述模糊控制器中的模糊推理是通过查表法得到控制量。
为了更好地实现本发明,进一步的技术方案是:
一种公路长隧道前馈式模糊智能通风控制方法,其包括:
步骤S1:检测公路长隧道内可用于通风调控的信息参数,并将其传递给所 述模糊控制器;
步骤S2:通过在输入论域上定义语言变量,将输入的精确量转换为模糊量, 然后通过模糊推理,得到模糊控制量,再通过逆模糊化将该模糊控制量变换为 实际的控制量,并输出给执行器;
步骤S3:向被控对象施加控制作用,以调控公路长隧道内的风量。
进一步地,所述步骤S1中,其信息参数包括隧道内照明、通风、交通控制 的影响参数,和隧道内的行车流、行车历史信息,以及隧道群、毗邻隧道的车 流信息。
进一步地,所述步骤S2中,其定义的两个输入变量为CO和VI,一个输出变 量为FanNum,且为每一个变量关联一个隶属度函数编辑器,输入变量采用三角 形隶属函数,输出变量采用高斯型隶属函数。
进一步地,在隧道污染状况恶化的情况下,所述执行器(1)还控制洞口车 道信号灯,利用信号灯控制车辆进入隧道的数目。
本发明还可以是:
一种模糊控制器的设计方法,其包括:
(ⅰ)定义***的输入和输出
选择偏差e和偏差变化量Δe做为***的输入,选择直接调节控制的量做为 ***的输出,通过调整调节量以减小***偏差量;
(ⅱ)确定语言值域和隶属函数
分析***输入输出变量的实际情况,确定每个变量的论域,用语言术语来 描述每个变量,定义它们的隶属函数,隶属函数应覆盖整个取值范围;
(ⅲ)设计控制规则库
制定与实际相对应的规则,同时对规则进行分类整理,并以模糊变量的运 算形式进行表示;
(ⅳ)确定模糊推理和解模糊方法
输入变量模糊化,根据模糊规则进行推理,得到模糊输出;
将模糊输出进行解模糊,得到精确输出;
(ⅴ)模糊控制器的实现
采用离散式实现,根据规则制成控制查询表;
(ⅵ)优化模糊控制器
根据控制性能对模糊控制器进行优化。
与现有技术相比,本发明的有益效果之一是:
本发明通过有效的算法,配合硬件部署和软件实施,以实现低风险下的节 能减排,且实施不会影响隧道运营的安全性和稳定性,也不会降低通行效率; 实现了隧道能效管理的自动化、智能化,对于隧道营运管理而言能够有效提升 空气流通效率,实现提前快速通风,相比传统控制模式在节能及安防效果上有 显著的提高。
附图说明
为了更清楚的说明本申请文件实施例或现有技术中的技术方案,下面将对 实施例或现有技术的描述中所需要使用的附图作简单的介绍,显而易见地,下 面描述中的附图仅是对本申请文件中一些实施例的参考,对于本领域技术人员 来讲,在不付出创造性劳动的情况下,还可以根据这些附图得到其它的附图。
图1为根据本发明一个实施例的模糊控制***示意图。
图2为根据本发明一个实施例的高斯函数的形状和率属函数分布示意图。
图3为根据本发明一个实施例的模糊推理控制分析示意图。
图4为根据本发明一个实施例的△cCO浓度的隶属度函数示意图。
图5为根据本发明一个实施例的△cVI浓度隶属度函数示意图。
图6为根据本发明一个实施例的GFanNum浓度隶属度函数示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限 于此。
如图1所示,一种公路长隧道智能通风控制***,其包括执行器1、被控对 象2、测量装置3和模糊控制器4;测量装置3用于检测公路长隧道内可用于通 风调控的信息参数,并将其传递给所述模糊控制器4;模糊控制器4用于通过在 输入论域上定义语言变量,将输入的精确量转换为模糊量,然后通过模糊推理, 得到模糊控制量,再通过逆模糊化将该模糊控制量变换为实际的控制量,并输 出给执行器1;执行器1用于向被控对象2施加控制作用,以调控公路长隧道内 的风量。
模糊控制的数学基础是模糊语言变量、模糊集合论、模糊逻辑和模糊推理 知识。从概念上来看,模糊逻辑比其它传统逻辑更接近人类的思想和自然语言。 能够对研究对象近似的、模糊的特征进行刻画,模糊控制正是利用模糊逻辑的 这种智能特性对***进行控制的。对于参数难以确定的、高阶的或者大时变、 非线性复杂对象,模糊逻辑控制往往具有显著的效果,因为它能够利用模糊逻 辑建立一种特殊的非线性控制算法。
图1中,被控对象2是一个设备或是若干个设备的整体,它们按照一定条 件工作以实现某种功能。通风控制***的被控对象2是隧道内各台射流风机。 执行器1是模糊控制器4向被控对象施加控制作用的装置。通风控制***中执 行器1是执行模糊控制输出逻辑,控制风机启停的控制器。测量装置3(传感器) 主要检测各种非电量如污染物浓度、可见度、车速、光强、温度等,并放大调 理成标准信号或通信数字信号。通风控制***中传感器包括CO/VI检测器,风 速风向检测器和车辆检测器。
模糊控制器一般由模糊化接口、知识库、模糊推理机和逆模糊化接口四部 分组成,各织成部分的基本功能如下:
(1)模糊化
模糊化的作用是通过在输入论域上定义语言变量,将输入的精确量转换为 模糊量。其中输入量包括外界的参考输入、***的输出或状态等。其具体过程 为:
①针对模糊控制器每个输入空间定义一个语言变量。在模糊控制***中, 通常取***的误差值e和误差变化率ec为模糊控制器的两个输入,则在e上定 义语言变量“误差E”,在c上定义语言变量“误差变化EC”;
②定义各语言变量的论域。通常E和EC的论域均设置为X=Y={-6,-5,-4, -3,-2,-1,0,1,2,3,4,5,6};在输入量进行模糊化之前,需将e和ec 的基本论域变换到E和EC的论域;
③定义各语言变量的语言值。通常E和EC的取值为{正大,正中,正小, 零,负小,负中,负大}={PB,PM,PS,ZO,NS,NM,NB};
④将各语言变量的论域定义其语言值的隶属函数,这样输入的精确值就转 换为模糊的语言值了。
隶属函数可取不同的形状,如三角形、梯形、高斯形、钟形、Z形和S形等。 针对工程问题,通常隶属函数的形状取正态分布连续函数,例如高斯函数,公 式如下:
式中,ai为函数的中心值;bi为函数的宽度。
假设与{PB,PM,PS,ZO,NS,NM,NB}对应的高斯函数的中心值分别为{6, 4,2,0,-2,-4,-6},宽度均为2。则高斯函数的形状和隶属函数分布如图2 所示。
图2中,NM,NS,ZO,PS,PM,PB等是论域中模糊集合的标记,其意义如 下所示:
NB=负方向大的偏差(Negative Big);
NM=负方向中的偏差(Negative Medium);
NS=负方向小的偏差(Negative Small);
ZO=近于零的偏差(Zero);
PS=正方向小的偏差(Positive Small);
PM=正方向中的偏差(Positive Medium);
PB=正方向大的偏差(Positive Big)。
(2)知识库
知识库包含了应用领域中的知识和要求的控制目标。通常由数据库和规则 库两部分组成。
①数据库主要包括各语言变量的隶属函数、尺度变换因子和模糊空间的分 级数等。
②规则库包括了用模糊语言变量表示的一系列控制规则。
规则库由若干条控制规则组成,这些控制规则根据人类控制专家的经验总 结得出,按照IF...is...AND...is...THEN...is…的形式表达。如 果规则库有n条规则,可写成:
R1:IF E is A1 AND EC is Bl THEN U is Cl
R2:IF E is A2 AND EC is B2 THEN U is C2
…………………………………………………
Rn:IF E is An AND EC is Bn THEN U is Cn
其中,E,EC是语言变量“误差”,“误差变化率”;U是语言变量“控制量”,U 的定义通常与E,EC一致。Ai,Bi,Ci是第i条规则中与E,EC,U对应的语言 值。
(3)模糊推理
模糊推理是模糊控制器的核心,它具有模拟人的基于模糊概念的推理能力, 该推理过程是基于模糊逻辑中的蕴含关系和推理规则进行的。由规则库中的规 则推导出其蕴涵的模糊关系,根据模糊关系和输入的情况进行推理合成得到输 出的语言值。由规则推导出其蕴涵模糊关系的方法有十几种方法,其中最常用 的是Mamdani的max-min合成法,具体说明如下:
第i条控制规则为:
Ri:IF E is Ai AND EC is Bi THEN U is Ci
其中,Ai,Bi,Ci为论域X,Y,Z上的语言值,该规则蕴涵的模糊关系为:
Ri=(Ai×Bi)×Ci
全部模糊规则所对应的模糊关系,用取“并”的方法得到,即:
当输入变量E,EC分别取模糊集A,B时,模糊推理得出的控制量U,可 根据下式得到:
(4)逆模糊化
逆模糊化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制 的清晰量,它包含两部分:
①将模糊的控制量经清晰化变换后,变成表示在论域范围内的清晰量;
②将表示在论域范围内的清晰量经尺度变换变成实际的控制量。
逆模糊化就是根据一定的算法将模糊推理得到的模糊输出转化为可以直接 控制对象的精确输出。输出u在作用于执行机构之前,应将其论域Z转换为执 行机构所能接受的范围,如图3所示。
逆模糊化的算法也很多,常用的逆模糊化方法有:
重心法:
极值平均法:
加权平均判决法:
(5)模糊控制查询表
经过模糊化、模糊推理和逆模糊化,对于一组输入(e,ec),可以得到控制 器的输出u。我们可以离线计算出所有(e,ec)组合对应的u,得到一个模糊控 制查询表。假设模糊控制规则总结如下表所示。
模糊控制规则表
则对于e,ec的每种可能取值,经过模糊化、推理和逆模糊化后,可得到 模糊控制查询表。
模糊控制查询表
模糊控制器的设计方法:
模糊控制器的设计方法与经典控制器不同,它不是建立在对***的数学分 析基础上,而是先根据经验来确定它的各个参数和控制规则,然后在实际*** 中进行调整。模糊控制器的一般设计包括以下几项内容:
(l)定义***的输入和输出
首先要确定***的检测输入和控制输出。模糊控制***中,常选择偏差e 和偏差变化量Δe做为***的输入,选择直接调节控制的量做为***的输出,通 过调整调节量来减小***偏差量,这种方式最直观。
(2)确定语言值域和隶属函数
然后分析***输入输出变量的实际情况,确定每个变量的论域(模糊取值), 用语言术语来描述每个变量,定义它们的隶属函数,隶属函数应覆盖整个取值 范围,同时为保证算法健壮性,隶属函数之间应有一部分重叠,通常重叠率在 25%~50%即可。
(3)设计控制规则库
控制规则是描述控制器输入输出特性的一组语言型规则,它是模糊控制器 的核心,优劣直接影响控制器的性能。控制规则的制定要求设计人员对控制对 象的工作原理有较深入的认识,制定的规则要与实际相对应,同时对规则进行 分类整理,并以模糊变量的运算形式表示出来。
(4)确定模糊推理和解模糊方法
模糊规则确定后,即可用之进行模糊推理。输入变量模糊化,然后按照似 然推理方法进行推理,得到模糊输出。要从模糊输出得到精确输出,就要进行 解模糊,常见的解模糊方法有最大隶属度法、中位数法和加权平均法三种。其 中最大隶属度法简单,但精度不高,加权平均法的静态性能优于中位数法,而 动态性能要略差于中位数法。
(5)模糊控制器的实现
模糊控制器的软件实现有连续式实现和离散式实现。对于通用性强、精度 要求高的***,常采用连续式实现,即在线直接计算输入量对应的输出量;对 于计算时间要求高、存储量需求大的***,常采用离散式实现,将输入输出离 散,制成查询表,使用时对每次的输入通过查表得出对应的输出。本文中模糊 控制器的实现采用离散式实现,根据规则制成控制查询表。
(6)优化模糊控制器
根据控制性能可以对模糊控制器进行优化。通常的优化手段有调整控制规 则和比例因子,调整隶属度函数的位置和形状等。
前馈式模糊控制算法实现:
模糊控制算法的实现有多种形式,下面简要介绍下基于Mamdani推理的系 矩阵法、查表法和解析法。本文采用查表法来制定隧道通风***的模糊控制策 略。关系矩阵法需要输入变量和关系矩阵执行合成运算,这种方法比较费时, 难以满足实时控制对时间的要求,所以它只是一种理论上的方法,并不能解决 实时控制中的问题。
查表法把输入输出映射关系做成表格,运行时通过查表以降低计算时间。 这个表格也称控制表,它把输入论域的所有可能进行组合,求出各种可能与输 出论域元素的对应关系,然后制成表格,对应关系是从控制规则中来的。在实 际控制中,只要执行输入量量化和查表两步,就可得到控制量。
生成控制表有直接和间接两种方法。直接法就是直接从推理语句(即控制规 则)中求取控制量并精确化,从而产生控制表;间接法需事先求出模糊关系,将 输入量和模糊关系进行合成求出控制量,最后把控制量精确化,求得控制表。 解析公式法要求出相应的解析公式,计算机处理时只要移位相加、判别等操作 就能实现,不需要存储控制表。
前馈式模糊控制器设计:
Simulink是MATLAB环境下的模拟工具,为用户提供了很方便的图形化功能 模块,以便连接一个模拟***,简化设计流程,减轻设计负担。模糊逻辑工具 箱(Fuzzy LogicToolbox)是其中之一,易于掌握,使用方便。本实施例将利用 模糊逻辑工具箱实现隧道通风模糊控制的建模和仿真。
对于隧道通风***进行模糊控制,利用MATLAB进行建模,模型见图所示。
隧道通风模糊控制***包括下面几个部分:
(1)模糊控制器,作用是根据实时检测到的和给定的污染物浓度值模糊推 理,来控制射流风机的启动停止;利用专家或操作者的知识和经验经过预先制定 一套控制规则,并根据“最优规则排序无关”规则对建立的规则进行调整和优律。
(2)***输入模块,作用是根据实时检测到的和给定的CO和烟雾浓度的 差值给模糊控制器提供输入;
(3)***输出模块,作用是控制隧道***流风机的启动停止;
MATLAB模糊逻辑工具箱:
模糊逻辑工具箱有5个主要的图形用户界面(Graphic User Interface,GUI 工具用来建立、编辑和观察模糊推理***(Fuzzy Inference System,FIS,见 图。这5个GUI工具包括3个编辑器,分别为模糊推理***编辑器(FIS Editor), 隶属函数编辑器(MembershipFunction Editor)和模糊规则编辑器(Rule Editor);2个观察器,分别为模糊规则观察器(Rule Viewer)和曲面观察器 (Surface Viewer)。这些GUI工具相互之间是动态连接的,因此在使用中,只 要当中任一个GUI的参数和性质被修改,其他打开的GUI中相应的参数和性质 都将自动被改变,这极大地方便了用户对自己的FIS进行调试。
(1)隧道通风模糊推理***的建立
首先建立一个隧道通风模糊推理***FzyController.fis,在MATLAB命令 窗口中键入“fuzzy",调用模糊逻辑工具箱,直接打开FIS编辑器,选择类型为 "Mamdani",并以“FzyController.fis”文件名保存。
①在输入变量区域,双击变量的图标,可以打开隶属度函数编辑器,用来 定义输入变量的隶属度函数;
⑵双击FzyController图标,可以打开模糊规则编辑器;在输出变量区域, 双击变量的图标,用来编辑输出变量的隶属度函数。
(2)建立变量和隶属度函数
打开隶属度函数编辑器,定义***的两个输入变量和一个输出变量,分别 为CO,VI和FanNum。每个变量关联一个隶属度函数编辑器,打开的隶属度函数 编辑器如图所示:
①在变量区中显示了所有已定义的输入变量和输出变量。单击某一变量, 使其成为当前变量,就可编辑该变量的隶属函数;
②绘图区中显示当前变量的所有隶属函数,单击并选中一个隶属函数,便 可编辑该函数的名称、类型、属性和参数。
(3)隶属函数(Membership Function,MF)的选择
模糊逻辑工具箱中除了自定义隶属函数外,可供选择的隶属函数有11种, 将其分为四大类,分别为:最简单的隶属函数(Simplest MF)、光滑无奇点的 隶属函数(Smoothand Nonzero MF)、非对称的隶属函数(Asymmetric MF)和 多曲线的隶属函数(PolynomialBased Curves MF)。如表所示,各个类型包括 以下具体的隶属函数。
其中最简单的隶属函数形状都是由直线构成,最大的优点就是运算简单, 速度快;光滑无奇点的隶属函数是工程中最常用的类型,因为这类函数的曲线 光滑,无奇点,在积分过程中不需要分段;而后两类隶属函数则在特殊的情况下 运用。
模糊逻辑工具箱中常用隶属函数如下表所示。
模糊逻辑工具箱中隶属函数的分类
而且隶属度函数曲线形状较尖的模糊子集,其分辨率较高,控制灵敏度也 高;相反,隶属度函数曲线形状较平缓,控制特性也就比较平缓,稳定性能也 较好。因此在选择模糊变量的隶属度函数时,在误差较大的区域采用低分辨率 的模糊集,在误差较小的区域选用较高分辨率的模糊集,在误差接近于零时选 用高分辨率的模糊集,这样才能达到控制精度高而稳定性好的控制效果。隧道 通风模糊推理***的输入变量采用三角形隶属函数,输出变量采用高斯型隶属 函数。
①***变量的模糊化
根据第二章的相关论述,选择实时检测到的和给定的CO和烟雾浓度误差作 为模糊推理***的输入。
CO浓度偏差定义为:
ΔCCO=δ-CCO
式中,δ为CO设计浓度(ppm);
CCO为实测的CO浓度(ppm)。
烟雾浓度偏差定义为:
ΔCVI=K-CVI
式中,K为烟雾设计浓度(m-1);
CVI为实测的烟雾浓度(m-1)。
输入变量CO浓度偏差△CCO和烟雾浓度偏差△CVI的模糊语言变量均为{NB, NM,NS,ZO,PS,PM,PB},论域都为[-6,6]。对于污染物而言,根据上面偏 差的定义,NB表示污染物浓度最大,比设计浓度高很多;而PB表示污染物浓度 很小,比设计浓度低很多;而中间的变量表示污染物浓度由高到低,ZO表示污 染物浓度不大,与设计浓度相当。
ΔCCO的基本论域为:
-100ppm≤ΔcCO≤200ppm
ΔCVI的基本论域为:
-0.005m-1≤ΔcVI≤0.007m-1
则基本论域到论域的变换公式分别为:
ΔcVI=0.001ΔCVI+0.001
两者的隶属度函数采用三角形函数trimf,隶属函数具体设定分别见图4和 图5所示。
选择射流风机的台数作为模糊推理***的输出。输出变量定义CFanNum, GFanNum浓度隶属度函数如图6所示,其模糊语言变量为{NB,NM,NS,ZO,PS, PM,PB},论域为[-6,6]。对于射流风机启动台数,NB表示启动台数最少,PB 表示启动台数最多,而中间的变量表示启动台数由少到多。
输出变量CFanNum的基本论域为:
0≤cFanNum≤24
则基本论域到论域的变换公式分别为:
cFanNum=2CFanNum+12
隶属度函数采用高斯函数gaussmf。
模糊规则:
使用模糊规则编辑器构造规则非常容易,方法是在模糊规则编辑器左边选 择一个输入变量,并选中其中一个语言值,然后在编辑器的右边输出变量框中 选择一个输出变量,并选择其中一个语言值,然后规则添加到规则库中。对于 一个规则中有多个输入变量,则选择一个连接项(and或or)即可。
本***模糊规则库根据模糊控制表进行建立,控制表如下:
模糊规则表
射流风机布置与开启策略:
(1)射流风机布置
在公路隧道纵向通风***中,射流风机通常是两台并联为一组,沿行车方 向对称地安装在隧道顶端。
①风机的纵向布置
隧道中每组风机之间应该具有足够的距离,使得喷射气流会有充分的逐渐 减速。如果喷射气流减速不完全,将会影响到下一级风机的工作性能。一般情 况下,每组风机之间的纵向间距取为隧道截面水力当量直径的l0倍或l0倍以 上,也可以取风机空气动压的十分之一作为风机纵向间距。而隧道中的射流风 机纵向布置并不一定具有同一间距,只要风机之间具有足够的纵向间距,则风 机可以尽可能布置在靠近隧道洞口的位置。如果风机轴向安装位置允许存在一 定的倾斜,则风机之间的纵向距离可以适当减小,从而可以提高安装系数。
②风机的横向布置
根据实验和实践表明,为了避免喷射气流产生相互干涉,致使***的通风 效率下降,同一组风机之间的中心距离至少取为风机直径的2倍。
(2)射流风机启停策略
隧道内风机的启停应满足以下原则:
①隧道内某点CO值达到风机启动值,则最靠近此检测器的风机组应首先启 动;
②累计运行时间最短的风机应首先启动,以平衡各风机的劳逸程度;
③各风机的启动应有短暂的延时,避免瞬间电流的冲击(一般启动电流是 运行的2-10倍,持续2-15秒);
④当隧道污染状况恶化,仅靠风机运行无法达到环保要求时,应与洞口车 道灯配合,利用信号灯来控制车辆的数目。
基于最优规则调整后的模糊控制:
本实施例将利用“最优规则排序无关”规则对规则库进行调整,所谓的“最优 规则排序无关”,是针对公路隧道通风模糊控制***,一条规则后件部的取值改 变,不会影响另一条规则后件部的最佳取值。所说的“无关”,不是指严格数学意 义上的两条规则没有相互联系和作用,绝对无关,而是通过仿真分析从工程的 角度加以验证的,两条规则后件部的最佳取值无关。最优指标是误差(误差为CO 实际浓度值与设定值)的平方和最小。
前馈式神经网络智能通风设计:
因为模糊控制中模糊控制规则的选择、论域的选择、模糊集的定义、量化 因子的选取等都非常依赖专家的经验,以及隧道通风是一个时变大滞后***, 造成模糊控制对于隧道通风的效果不够理想。针对以上不足,研究了神经网络 对于隧道交通量的预测(第1章),以及在隧道通风模糊控制***的基础上,加 入了神经网络对隧道交通量预测,构造一个基于智能控制的隧道通风节能***, 对于隧道模糊控制***起到了明显改善的绩效。
基于神经网络预测的模糊控制***是在基于神经网络和模糊技术两种智能 控制方式实现的,故称为智能控制***。对于模糊控制中存在规则库的建立需 要依赖经验和专家指导的不足,以及隧道通风是一个时变大滞后***,根据本 章关于隧道交通量进行神经网络预测的介绍和分析,结合第三章建立的隧道通 风模糊控制***,构造一个基于智能控制的隧道通风节能***。
各控制方法的节能效果分析:
不同控制方法作用下,隧道在一天内风机开启的数量和时间情况表如下。
分档控制下隧道内一天风机启动的数量和时间情况表
模糊控制下隧道内一天风机启动的数量和时间情况表
调整后模糊控制下隧道内一天风机启动的数量和时间情况表
智能控制下隧道内一天风机启动的数量和时间情况表
若电费按每度电0.55元计,则智能控制下隧道一年运营通风消耗的电费可 按下式计算。
则一天消耗的总电能W为:
则一年产生的电费H为:
H=11430×365×0.55=2294572
其他几种控制方法作用下的通风期运营费用可按类似方法计算得出,各种 控制方法作用下的能量消耗情况统计如下表所示。
不同控制方式产生的能量消耗情况统计表
从表中可以看出相对于传统分档控制,光光使用模糊控制以及调整规则的 模糊控制来控制隧道通风***并不能实现节能效果,是因为模糊控制规则的选 择、论域的选择、模糊集的定义、量化因子的选取等非常依赖专家的经验,多 采用试凑法,这对像隧道通风这样复杂***的控制是比较难以取得明显的效果; 而***在加入了神经网络对隧道交通量预测,控制射流风机进行一定的预启动 后,对于有大滞后特性的隧道则起到了明显改善的绩效,故智能控制将是未来 隧道通风控制技术的首选方案。
本发明基于常用的通风控制技术调研,对各种控制方法的特点和实现过程 进行分析,通过对模糊控制的理论、基于最有规则调整后的模糊控制、前馈式 神经网络智能通风设计、各控制方法的节能效果分析的研究,发明的一种公路 长隧道前馈式模糊智能通风控制模型算法。
在能效控制方案及算法研究完成的情况下,可以结合隧道的特点进行仿真 测试和演练应用,考虑在***实际运营中,各项测试数据与理论预测存有的偏 差,对此进行进一步的检验和调整,以实现更为有效的智能节能控制。
本算法可以根据在输入论域上定义语言变量,将输入的精确量转换为模糊 量。其中输入量包括外界的参考输入、***的输出或状态等情况进行事前智能 通风控制,它具有模拟人的基于模糊概念的推理能力,该推理过程是基于模糊 逻辑中的蕴含关系和推理规则进行的。由规则库中的规则推导出其蕴涵的模糊 关系,根据模糊关系和输入的情况进行推理合成得到输出的语言值。采用基于 模糊理论的前馈式控制对于隧道营运管理而言能够有效提升空气流通效率,实 现提前快速通风,相比传统控制模式在节能及安防效果上有显著的提高。
本发明的前馈式智能模糊控制为一种预判断控制,在对隧道内照明、通风、 交通控制的影响参数进行分析的基础上,对隧道内的行车流、行车历史信息进 行分析、研究,并对隧道群、毗邻隧道的车流进行统一分析、纳入研究范围, 在隧道的车流预判分析的基础上,研究形成适应于隧道的前馈式智能模糊控制 方案,建立智能模糊控制的DLL动态库模型,植入控制软件,根据风机的开启 频度、累计运转时间,以节约风机寿命、节约能源为主展开通风的智能化控制。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是 与其它实施例的不同之处,各个实施例之间相同相似部分相互参见即可。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、等, 指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述 的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一 个实施例。进一步来说,结合任一实施例描述一个具体特征、结构或者特点时, 所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的 范围内。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应 该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和 实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公 开和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变 型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人 员来说,其他的用途也将是明显的。
Claims (10)
1.一种公路长隧道智能通风控制***,其特征在于包括:
测量装置(3),用于检测公路长隧道内可用于通风调控的信息参数,并将其传递给所述模糊控制器(4);
模糊控制器(4),用于通过在输入论域上定义语言变量,将输入的精确量转换为模糊量,然后通过模糊推理,得到模糊控制量,再通过逆模糊化将该模糊控制量变换为实际的控制量,并输出给执行器(1);
执行器(1),用于向被控对象(2)施加控制作用,以调控公路长隧道内的风量。
2.根据权利要求1所述的公路长隧道智能通风控制***,其特征在于所述被控对象(2)包括设置于隧道内的各台射流风机。
3.根据权利要求1所述的公路长隧道智能通风控制***,其特征在于所述测量装置(3)包括CO/VI检测器、风速风向检测器和车辆检测器。
4.根据权利要求1所述的公路长隧道智能通风控制***,其特征在于所述模糊控制器(4)包括:
模糊化模块,用于针对模糊控制器(4)每个输入空间定义一个语言变量,再定义各语言变量的论域,以及定义各语言变量的语言值,将各语言变量的论域定义其语言值的隶属函数。
知识库,其包含应用领域中的知识和要求的控制目标;
模糊推理模块,其由规则库中的规则推导出其蕴涵的模糊关系,根据模糊关系和输入的情况进行推理得到输出的语言值;
逆模糊化模块,其用于将模糊的控制量经清晰化变换后,变成表示在论域范围内的清晰量;再将表示在论域范围内的清晰量经尺度变换变成实际的控制量。
5.根据权利要求1所述的公路长隧道智能通风控制***,其特征在于所述模糊控制器(4)中的模糊推理是通过查表法得到控制量。
6.一种公路长隧道智能通风控制方法,其特征在于包括:
步骤S1:检测公路长隧道内可用于通风调控的信息参数,并将其传递给所述模糊控制器(4);
步骤S2:通过在输入论域上定义语言变量,将输入的精确量转换为模糊量,然后通过模糊推理,得到模糊控制量,再通过逆模糊化将该模糊控制量变换为实际的控制量,并输出给执行器(1);
步骤S3:向被控对象(2)施加控制作用,以调控公路长隧道内的风量。
7.根据权利要求6所述的公路长隧道智能通风控制方法,其特征在于所述步骤S1中,其信息参数包括隧道内照明、通风、交通控制的影响参数,和隧道内的行车流、行车历史信息,以及隧道群、毗邻隧道的车流信息。
8.根据权利要求6所述的公路长隧道智能通风控制方法,其特征在于所述步骤S2中,其定义的两个输入变量为CO和VI,一个输出变量为FanNum,且为每一个变量关联一个隶属度函数编辑器,输入变量采用三角形隶属函数,输出变量采用高斯型隶属函数。
9.根据权利要求6所述的公路长隧道前馈式模糊智能通风控制方法,其特征在于在隧道污染状况恶化的情况下,所述执行器(1)还控制洞口车道信号灯,利用信号灯控制车辆进入隧道的数目。
10.一种模糊控制器的设计方法,其特征在于包括:
(ⅰ)定义***的输入和输出
选择偏差e和偏差变化量Δe做为***的输入,选择直接调节控制的量做为***的输出,通过调整调节量以减小***偏差量;
(ⅱ)确定语言值域和隶属函数
分析***输入输出变量的实际情况,确定每个变量的论域,用语言术语来描述每个变量,定义它们的隶属函数,隶属函数应覆盖整个取值范围;
(ⅲ)设计控制规则库
制定与实际相对应的规则,同时对规则进行分类整理,并以模糊变量的运算形式进行表示;
(ⅳ)确定模糊推理和解模糊方法
输入变量模糊化,根据模糊规则进行推理,得到模糊输出;
将模糊输出进行解模糊,得到精确输出;
(ⅴ)模糊控制器的实现
采用离散式实现,根据规则制成控制查询表;
(ⅵ)优化模糊控制器
根据控制性能对模糊控制器进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195013.5A CN114019846A (zh) | 2021-10-11 | 2021-10-11 | 公路长隧道智能通风控制设计方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111195013.5A CN114019846A (zh) | 2021-10-11 | 2021-10-11 | 公路长隧道智能通风控制设计方法与*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114019846A true CN114019846A (zh) | 2022-02-08 |
Family
ID=80056099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111195013.5A Pending CN114019846A (zh) | 2021-10-11 | 2021-10-11 | 公路长隧道智能通风控制设计方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019846A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114995272A (zh) * | 2022-04-28 | 2022-09-02 | 中铁九局集团电务工程有限公司 | 一种用于隧道施工***排风的智能集中控制***和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101235724A (zh) * | 2008-02-02 | 2008-08-06 | 西南交通大学 | 高速公路毗邻隧道联动通风控制方法 |
CN101509390A (zh) * | 2009-02-25 | 2009-08-19 | 湖南大学 | 一种基于模糊控制的隧道通风控制方法 |
CN202196324U (zh) * | 2011-08-31 | 2012-04-18 | 成都金隧自动化工程有限责任公司 | 智能区域控制器 |
CN103543697A (zh) * | 2012-07-16 | 2014-01-29 | 上海宝信软件股份有限公司 | 交通隧道设备集群式智能控制方法 |
CN104154019A (zh) * | 2014-08-04 | 2014-11-19 | 昆明联诚科技股份有限公司 | 一种基于模糊控制的隧道通风节能控制***及其控制方法 |
CN105569707A (zh) * | 2015-12-11 | 2016-05-11 | 中铁第四勘察设计院集团有限公司 | 基于环境预测的公路隧道通风前馈控制方法 |
CN107091534A (zh) * | 2017-04-27 | 2017-08-25 | 扬州大学 | 一种太阳能热水器模糊控制装置 |
CN109426148A (zh) * | 2017-08-25 | 2019-03-05 | 中核兰州铀浓缩有限公司 | 一种实现燃煤锅炉除灰过程循环周期时间自动调节的方法 |
CN111535845A (zh) * | 2020-05-06 | 2020-08-14 | 东华大学 | 一种基于pso和模糊控制的隧道通风节能优化控制方法 |
-
2021
- 2021-10-11 CN CN202111195013.5A patent/CN114019846A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101235724A (zh) * | 2008-02-02 | 2008-08-06 | 西南交通大学 | 高速公路毗邻隧道联动通风控制方法 |
CN101509390A (zh) * | 2009-02-25 | 2009-08-19 | 湖南大学 | 一种基于模糊控制的隧道通风控制方法 |
CN202196324U (zh) * | 2011-08-31 | 2012-04-18 | 成都金隧自动化工程有限责任公司 | 智能区域控制器 |
CN103543697A (zh) * | 2012-07-16 | 2014-01-29 | 上海宝信软件股份有限公司 | 交通隧道设备集群式智能控制方法 |
CN104154019A (zh) * | 2014-08-04 | 2014-11-19 | 昆明联诚科技股份有限公司 | 一种基于模糊控制的隧道通风节能控制***及其控制方法 |
CN105569707A (zh) * | 2015-12-11 | 2016-05-11 | 中铁第四勘察设计院集团有限公司 | 基于环境预测的公路隧道通风前馈控制方法 |
CN107091534A (zh) * | 2017-04-27 | 2017-08-25 | 扬州大学 | 一种太阳能热水器模糊控制装置 |
CN109426148A (zh) * | 2017-08-25 | 2019-03-05 | 中核兰州铀浓缩有限公司 | 一种实现燃煤锅炉除灰过程循环周期时间自动调节的方法 |
CN111535845A (zh) * | 2020-05-06 | 2020-08-14 | 东华大学 | 一种基于pso和模糊控制的隧道通风节能优化控制方法 |
Non-Patent Citations (2)
Title |
---|
彭家寅, 李洪兴, 侯健, 尤飞, 王加银: "基于逐点优化模糊推理的模糊控制器及其插值机理", ***科学与数学, no. 03, 26 July 2005 (2005-07-26) * |
欧进萍, 张吉礼: "模糊控制基本推理方法及其效果分析", 哈尔滨建筑大学学报, no. 02, 25 April 2000 (2000-04-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114995272A (zh) * | 2022-04-28 | 2022-09-02 | 中铁九局集团电务工程有限公司 | 一种用于隧道施工***排风的智能集中控制***和方法 |
WO2023165633A1 (zh) * | 2022-04-28 | 2023-09-07 | 中铁九局集团电务工程有限公司 | 一种用于隧道施工***排风的智能集中控制***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104534507B (zh) | 一种锅炉燃烧优化控制方法 | |
Ng et al. | Classification of capacitor allocation techniques | |
WO2020015466A1 (zh) | 锅炉节煤控制方法 | |
CN112066355B (zh) | 基于数据驱动的余热锅炉阀门自适应调节方法 | |
CN110400018B (zh) | 用于燃煤火力电厂制粉***的运行控制方法、***和装置 | |
CN114019846A (zh) | 公路长隧道智能通风控制设计方法与*** | |
CN108657232A (zh) | 一种城轨列车的多目标控制方法 | |
CN112836920A (zh) | 煤电机组能效状态评价方法、装置及煤电机组*** | |
CN113048807A (zh) | 一种空冷机组背压异常检测方法 | |
Bonissone et al. | Fuzzy logic controllers: from development to deployment | |
CN111535845A (zh) | 一种基于pso和模糊控制的隧道通风节能优化控制方法 | |
CN111336828A (zh) | 一种基于fcm模糊时间序列的加热炉炉温控制器 | |
Welch et al. | Comparison of two optimal control strategies for a grid independent photovoltaic system | |
Jerry et al. | The optimal strategy for a bioeconomical model of a harvesting renewable resource problem | |
Sharma et al. | Minimizing uncertainties with improved power system stability using wide area fuzzy-2 logic based damping controller | |
Li et al. | Research and application of data mining in power plant process control and optimization | |
TWI420278B (zh) | 具模糊滑動控制器之太陽能系統 | |
Chen et al. | The application of intelligent integral realized by fuzzy logic for hydroturbine governing system | |
CN111541245A (zh) | 一种智能家庭能量管理***控制方法 | |
Xin et al. | Genetic based fuzzy Q-learning energy management for smart grid | |
Wang et al. | Modeling of the ecological economic activity based on machine learning | |
Zhang et al. | The relationship between energy consumption and economic growth in china based on ANFIS | |
CN117470300B (zh) | 一种成品铜管存储车间的环境监测方法及*** | |
CN115573819A (zh) | 基于多模型预测控制算法的燃气轮机t-s模型优化方法 | |
Singh et al. | A hybrid approach for temperature and humidity control in HVAC system and optimization with fuzzy logic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |