通过针对空调室中央温度控制系统的非线性，高惯性和时间变化特性，基于与经典小脑模型（CMAC）相关的控制器的复合控制，自适应结构提出了CMAC神经网络控制器的设计方案。
控制器使用动态系统误差和给定的信号量作为CMAC激励信号，并与自适应单神经元PD控制器并联以形成系统的复合控制，这不仅保证了系统的良好性能。
统控制，也有效降低了能耗。真结果表明了该方法的有效性。前，中央空调系统已广泛用于各种建筑物。是，由于空调房是一个惯性高，随时间变化且非线性的系统，因此传统的控制策略不能令人满意，并且能耗很高。
何使中央空调系统达到最佳运行状态并实现最大程度的节能，人们逐渐将注意力转向新的智能控制策略。
经网络在解决高度非线性和高度不确定性系统的控制方面具有巨大的潜力，与小脑模型（CMAC）相关的控制器是模仿人类小脑功能的神经网络。
于具有局部学习结构，具有收敛速度快，泛化能力强，无局部极小等优点，具有比神经网络更好的非线性逼近能力。用，更适用于复杂动态环境中的非线性实时控制。
上面的仿真图中，虚线和虚线分别表示传统的PID控制和基于CMAC的通用复合控制的仿真结果。实现代表了本文提出的自适应CMAC控制的仿真结果。
实线表示控制系统给出的激励信号。
仿真结果的比较可以看出，与传统的PD控制相比，该自适应CMAC控制器具有输出误差小，过冲小，实时性好等优点。时，与常用的CMAC复合控制相比，该新型控制器可以消除现有CMAC控制器不断变化的信号时因过度学习现象引起的不稳定性，并且鲁棒性强。
对现有基于CMAC的自学习控制器的不足，恒温阀芯本文提出了一种基于CMAC的新型自适应神经网络控制器，并将该控制策略应用于具有时变，不确定和非线性特征的系统。
于控制空调的环境温度。真结果表明，新型自适应CMAC-PID控制器的控制效果优于传统的PD控制算法和常用的CMAC-PID复合控制算法，响应速度快。
快，更低的过冲和更好的跟踪性能，具有一定的应用价值和前景。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com