变频空调器的模糊控制技术(陇东人作品)（XXX 能源学院陕西西安710054 ）摘要：对变频空调器的模糊控制技术的原理作了研究，讨论了变频空调器模糊控制系统的特点。
分析总结了国内变频空调器模糊控制技术的研究现状以及发展趋势，同时对变频空调器模糊控制技术未来的研究问题进行了展望。
关键词：变频空调器；模糊控制；展望Developing Tendency and Current Situation of Fuzzy Control in In-verter Room Air ConditionerXXX(Xi'an XX,College of Energy Resources Engineering, Shaanxi, Xi'an710054, P.R.China) Abstract：In this paper, the fuzzy control technology is briefly introduced, and from different directions discusses the characteristics of fuzzy control system. Current domestic developing ten-dency and current situation of fuzzy control in inverter room air conditioner is summarized, while future research issues about the technology of fuzzy control in inverter room air conditioner were discussed.Keywords: inverter room air conditioner; fuzzy control; current situation; developing tendency; development0引言随着世界范围内能源危机的到来，各国政府都在为经济的可持续发展积极地推广节能降耗技术。
作为家庭用电的主要设备，传统空调器由于其运行效率低下正在逐渐退出市场，而变频空调器（Inverter Room Air Conditioner，MAC）是制冷理论、热动力学、电机驱动技术、电力电子技术、微电子技术和智能控制理论交叉发展应用的产物，由于其高效节能和实现智能化控制的优异特性，使之成为家用空调器的主要发展方向。
变频空调器的空气调节效果虽然比传统定速空调器有所提高，但变频空调器容易控制、反应快、高效节能等特点并没有完全展现出来。
智能控制方法的出现打破了传统控制的模型限制，将模糊控制技术应用于变频空调器中，使空调性能更为优越。
可以说控制系统是整个变频空调器的心脏，研究变频空调器的控制技术，对变频空调器的节能运行至关重要。
鉴于变频空调器系统属于参数时变、非线性、大纯滞后系统的特点，所以采用具有学习功能的模糊控制方法，根据系统响应自动建立和修改控制规则，不断自动改善其性能，与传统的控制方法相比能达到较好控制效果。
本文主要讨论变频空调器的模糊控制技术，以及该技术的现状和研究进展。
1变频空调器模糊控制技术1.1 模糊控制模糊控制（Fuzzy Control，FZ）是模糊逻辑控制的简称，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。
它实质上是一种非线性控制，采用具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程，也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理，以启发来引导求解过程。
模糊控制属于智能控制的范畴。
1.2 参数自调整模糊控制参数自整定模糊控制根据控制系统的性能来在线地调整控制系统的比例因子Ke、Kec和Ku，使它们保持合适的数值，从而使系统的性能达到令人满意的水平。
这种控制方法较之常规的固定比例因子的模糊控制方法，对环境变化有较强的自适应能力，在随机环境中能对控制器进行自动校正，使得在被控对象特性变化或扰动情况下，控制系统保持较好的性能。
1.3 加权参数自调整模糊控制基于参数自调整模糊控制的思想，在模糊控制器的输入端前面增加三个系统状态的判断模块，判断系统当时所处状态，根据系统所处的不同误差区间，采用不同的控制规则算法，从而保证在系统的整个工作区间，自调整量化因子和比例因子[1]。
1.4 模型参考模糊自适应控制系统（MRST）基于T-S模糊模型设计模糊自适应机构，用参考模型产生期望的输出时域响应（目标），采用信号综合方法，将模糊自适应机构的输出作用于受控子系统，构成模型参考模糊自适应控制系统。
它由参考模型、受控子系统、模糊自适应机构三部分组成。
参考模型用来产生期望的输出时域响应。
受控子系统是一个包含对象在内的闭环控制系统。
模糊自适应机构根据参考模型输出与受控子系统输出之差及其变化率，产生一个模糊自适应信号，作用于受控子系统，使其输出趋于参考模型输出[2]。
1.5 模糊滑模变结构控制为了克服由于交流电机多变量耦合、非线性、参数变化对系统动态性能的影响，引入滑模变结构控制来调节转速。
滑模变结构控制是为控制系统预先在状态空间设计一个特殊的开关面，在系统变量从起始点运动到开关面之前，控制回路的结构维持固定，当到达开关面后，开始自适应的调整控制规律，不断地改变控制结构，使系统的状态沿着这个特定的开关面或它的邻域向系统平衡点滑动，最后渐进稳定到平衡点或平衡点的某个允许的邻域内。
但是滑模控制律会使系统输出结果存在抖动问题，而滑模控制的抖动和滑动模态是并存的，消除了抖动也就消除了滑模变结构的鲁棒性，因此在保证不失去滑模变结构控制策略的鲁棒性的基础上削弱抖动以保证系统的稳态精度才是有意义的。
熊祥等人[3]提出了在常规的滑模控制律的基础上加入模糊控制来自动调节滑模的切换增益，从而完成变频的目的。
2变频空调器复合模糊控制技术2.1 Fuzzy-PID复合控制Fuzzy（模糊）控制器有更快的响应和更小的超调，对过程参数的变化也不敏感，具有很强的鲁棒性，可以克服非线性因素的影响，但由于存储量的影响，在控制精度方面，模糊控制没有PID控制理想。
因此如果采用模糊控制与经典PID控制相结合的控制策略，使系统既有PID控制的精度高的特点，又具有模糊控制的灵活、适应性强的特点。
采用Fuzzy-PID复合控制控制变频空调器的方法，经过模糊控制改变压缩机的驱动电机的供电频率，压缩机通过变频调节其转速，使其单位时间内的排气量发生变化，从而对制冷剂流量进行控制。
在变频空调器中Fuzzy-PID复合控制主要分以下两类：其一，模糊和PID 并联控制（即模糊和PID都参加控制）；其二，模糊和PID串联（即模糊整定PID 参数）。
其中并联形式主要有模糊和PID并联、模糊和PI并联、模糊和I并联等；串连形式主要分为模糊整定PID参数、模糊整定PI参数、模糊整定P参数。
其中模糊整定PID参数，利用模糊推理实现PID参数在线自校正虽可达到响应快、稳定性好的效果，可前期工作非常繁杂，而且不同气候条件和不同空调需设计不同的推理表，不利于推广。
模糊和PID并联形式参数整定后较容易适应不同的控制环境，效果较好，宜推广。
王兴贵等[4]引入智能积分微分Fuzzy-PID复合控制器来提高系统动态精度。
同时还发现采用Fuzzy-PID复合控制器能使系统具有较强的控制能力和较宽的适应范围。
2.2 基于模糊控制的空间矢量调制（SVPWM）技术空间矢量脉宽调制技术(SVPWM)自德国学者H. W. Vander Broeck等人提出，该技术的原则是使逆变器瞬时输出三相脉冲电压合成的电压空间矢量与期望输出的三相正弦波电压所合成的电压空间矢量相等。
它是PWM的优化方法，能够在很大程度上降低电动机谐波损耗，削减逆变器输出电流的谐波成分，以及减弱电磁转矩的脉动程度。
这种技术控制简洁，数字化实现方便。
潘耀[5]对变频调速中的空间电压矢量（SVPWM）调制方式及其实现方法进行了探讨，采用SVPWM调制技术对压缩机进行连续的变频控制。
克服了普通的PWM调制技术电压利用率低、谐波含量高等缺点，使压缩机运行更加平稳。
变频压缩机能根据室内需要的冷（热）量的不同，连续地、动态地、实时地调整其制冷（热）量，始终保持在较合理的状态下。
2.3 基于遗传算法的模糊控制遗传算法(GA)是一种利用计算机模拟生物进化机制对全局优化搜索的算法。
遵循“物竞天择”的自然选择的遗传学原理。
其综合了适者生存和遗传信息之结构性及随机性交换的生物进化特点，使满足目标的决策获得最大的生存可能。
他利用对问题的编码集进行操作而不是变量本身，具有广泛的实用性。
同时，他是在一群点上的搜索最优解而不是从单一点上进行搜索，因而能同时获得许多峰值，增强了收敛性，保证了解的全局最优性。
传统的优化算法往往需要目标函数的导数值等，其他一些辅助信息才能确定搜索方向；而遗传算法是以决策变量的编码为运算对象，直接以目标函数值作为搜索目标，这样对一些很难有数值概念优化的问题，更显示出了其独特的优越性[6]。
由于遗传算法是一种优秀的优化技术，对于复杂问题的优化优于一些常规的算法，成为模糊控制器参数寻优的一条很好的途径。
利用遗传算法优化模糊控制器时，优化的主要对象是隶属函数和模糊控制规则集，根据优化对象的不同，现有的研究可分为以下几种类型[7]：1.已知模糊控制规则，利用GA优化隶属函数一般先设定隶属函数形状后，确定待寻优的隶属函数参数，利用己有知识确定各参数的允许变化范围，并对其参数进行编码，将所有的待寻优参数串接起来构成一个个体，代表一个模糊控制器，进行寻优。
2.已知隶属函数，利用GA优化模糊控制规则事先确定输入、输出隶属函数的形状和各参数。
将每个输入输出变量划分为一定数量的模糊子集，从而确定最大可列举规则数。
将所有可能的规则制成一个规则表按一定的顺序展开为一维，并编码为一个个体。
随机地选择一定数量的个体作为初始群体，对这些个体进行遗传操作，实现控制规则的优化。
3.同时优化隶属函数和模糊控制规则隶属函数和模糊控制规则进行同时优化。
通过对输入输出变量隶属函数和控制规则进行编码，通过遗传运算获得最佳控制参数。
但编码方式不同，控制结果也不同。
己知模糊控制规则，利用GA优化隶属函数和己知隶属函数，利用GA优化模糊控制规则人为割断了隶属函数和模糊控制的内在联系，控制效果不易获得全局最优。
同时优化隶属函数和模糊控制规则易获得全局最优。
2.4 基于神经网络算法的模糊控制神经网络和模糊集理论都是介于传统人工智能的符号推理和传统控制理论的数值计算之间的方法。