Fresh air damper的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

應用基因演算法PID參數佳化於IAQ 系統控制模擬

為了解決Fresh air damper的問題，作者黃晟航 這樣論述：

本研究主要目的在於尋找PID最佳化參數以達到良好控制室內環境之二氧化碳CO2與PM 2.5濃度。本研究於研究室內架設一套PLC控制器，控制比例式風門變風量調整開度引進新鮮外氣量，並安裝室內空氣品質感測器蒐集CO2與PM 2.5濃度變化，再以質量守恆定律為基礎，建立適用於系統之系統特性方程式。本研究以R軟體為平台，撰寫一套PID控制器結合基因演算法（Genetic Algorithm, GA）自動搜尋所需參數，藉由其全域的搜索能力，透過其特有的複製、交配與突變等程序，搜尋全域參數最佳解。給定本模擬系統比例式風門一組預設參數進行自動控制，並觀察人數的變化及開門次數對環境造成影響，記錄比對室內CO

2與PM 2.5濃度變化值。之後將所蒐集的數據代入GA-PI控制器模擬計算，自動取得參數最佳解。模擬顯示如果我們將基因演算法所得之參與預設值進行結果比較，利用基因演算法可以將總誤差量從45964降低至27714，顯示基因演算法佳化參數效果顯著。

應用粒子群優化演算法佳化PID參數於IAQ模擬系統

為了解決Fresh air damper的問題，作者楊冠廷 這樣論述：

本研究模擬 IAQ 系統,利用風量變化將 PM2.5及 CO2 濃度快速達到目標值,控制手法為應用 PID 控制器改變風門開度,使風量隨著風門開度大小而有所變化,進而達到平衡室內的空氣品質,但 PID 參數該輸入何值? 以往,工程師會依經驗調整法輸入 PID 參數,但此方法非常耗時也耗大量人力成本,因此本研究目的為了省時及省人力成本,選用粒子群優化演算法,個別推導出適合於該系統的最佳參數,並將導出的結果化成曲線圖作分析。本研究主要目的為控制 PM2.5 及 CO2 濃度。利用風門開度調整新鮮外氣的進氣量,以模擬實際室內空氣品質系統對於 PM2.5 及 CO2 濃度控制的運作方式為基礎,構思一

流程圖及建立適合於該系統的系統方程式,並以 Python 語言為開發平台,撰寫一套 PID 控制器及粒子群優化(PSO)演算法程式,將數據(如:PM2.5 濃度、CO2 濃度、人流量、時間點、風門開度 ...等)代入,計算出最佳化的 PID 參數。首先,該系統有兩個比例式風門,CO2 風門及 PM2.5 風門的初始 Kp 值皆調為 100,Ki 值皆調為 0,在此狀態下紀錄空氣品質,並定時觀察污染物產生量(人數的變化)及洩漏量(開門次數)。將蒐集來的數據代入 PSO-PI 控制器計算,得出最佳化的 PID 參數,其 CO2 風門的 Kp 值為 148,Ki 值為 1,PM2.5 風門的 Kp

值為 39,Ki 值為 14,總誤差量從 45,965 降低至 27,560,效果顯著。