张 淬，郭迎清，黄典贵

（1.黄冈师范学院机电与汽车学院，湖北 黄冈438000；2.西北工业大学动力与能源学院 陕西 西安710072；3.上海理工大学能源与动力工程学院 上海200093）

1 引言

变风量空调相对于传统的定风量空调来说具备低能高效的优势而得到了广泛的应用[1]。对于空调来说，节能始终是最受关注的一个问题，对于空调所在的环境来说，温度与湿度干扰是不可避免的。为跟踪给定信号，空调控制系统若在干扰条件下反应剧烈，将会导致较大的能耗损失，而且控制性能也会受到较大影响[2]。

迭代学习控制算法由于其被控对象模型精度要求较低而被学者广泛应用于轨迹跟踪控制[3]。近几年，迭代学习控制与其他理论相结合产生了许多的新型迭代学习控制方法比如PID迭代学习控制，自适应迭代学习控制以及模型参考迭代学习控制等[4-5]。但是迭代学习控制的应用必须满足一个严格的重复性条件，但是在实际的变风量空调运行中，遇到的干扰基本上都是随机干扰，因此传统的迭代学习控制无法实现随机干扰条件下的空调温湿度跟踪控制。

传统的迭代学习预测控制通过求解稳定条件确定迭代学习速率以及预测步长，但是此种方法使得该种控制器具备一定的保守性[6]。针对变风量空调的跟踪控制以及能耗节约，提出了一种二维框架理论的模糊迭代学习预测控制。首先利用二维跟踪框架对变风量空调模型进行相应处理从而得到相应的二维模型，另外，为了降低传统迭代学习预测控制的保守性，利用模糊理论对学习速率与预测步长进行在线自适应调整，使得该控制器在保证跟踪精度的条件下，提升响应速度以及干扰鲁棒性，降低了扰动条件下的能耗损失。……