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
國立臺北科技大學 能源與冷凍空調工程系 李文興所指導 黃晟航的 應用基因演算法PID參數佳化於IAQ 系統控制模擬 (2018),提出Fresh air damper關鍵因素是什麼,來自於基因演算法、室內空氣品質、PID參數、二氧化碳、PM 2.5、PID Tuning。
而第二篇論文國立臺北科技大學 能源與冷凍空調工程系 李文興所指導 楊冠廷的 應用粒子群優化演算法佳化PID參數於IAQ模擬系統 (2018),提出因為有 粒子群優化演算法、PID控制器、Python、室內空氣品質的重點而找出了 Fresh air damper的解答。
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。