1、“.....个方法自动调节比例积分微分个控制器参数。神经网络采用层网络结构对比例积分微分调节，如图所示。摘要针对变风量空调控制系统存在非线性时变强耦合等特性，提出种粒子群优化神经网络控制器的控制方法。通过对粒子群算法进行加权改基于控制在变风量空调系统中的应用论文原稿量空调系统中的应用论文原稿。变风量空调系统的工作原理变风量空调系统是由自动控制系统送风系统空气处理机组末端装置等软件组成。自动控制系统是空调系统的中枢核心通过安装的传感器对温湿度度等进行全方位监控......”。

2、“.....取值大小对粒子群算法都有问题，取值小时，粒子群就会进入区域最优值的问题取值大时，容易找不到整个区域的最优值问题。我们只有找到个最适合值才能避免这些问题其公示为是个非负数，当它是时就是基本粒子器参数。神经网络采用层网络结构对比例积分微分调节，如图所示。变风量空调系统的工作原理变风量空调系统是由自动控制系统送风系统空气处理机组末端装置等软件组成......”。

3、“.....提出种粒子群优化神经网络控制器的控制方法。通过对粒子群算法进行加权改进后优化神经网络的初始权值以提高神经网络的收敛性用优化后的神经网络实时在线调整控筑电气，闫婷基于蚁群与神经网络算法的变风量空调末端控制研究西安西安建筑科技大学，陈书谦，张丽虹神经网络在控制器参数整定中的应用计算机仿真，刘开丽粒子群优化算法的研究与应用合肥安徽大学，张丹，韩胜菊，李建，等采用新型改进算法设计控制器，实时采集比例积分微分个参数最佳值......”。

4、“.....验证仿真模型分别取，取。从图中可以看出普通之后达到稳定，振荡幅度更大算法步骤确定神经网络结构神经网络输入层由温度设定误差等决定隐含层节点数选择适中太少收敛度低，太多训练时间过长。粒子适应度通过对适应度函数的选取计算粒子所在位置。个体和全局最优值的选取粒子相互之间之间进行适应值比较不法的研究与应用合肥安徽大学，张丹，韩胜菊，李建，等基于改进粒子群算法的算法的研究计算机仿真，蒋鼎国基于改进型神经网络控制器的温室温度控制技术实验室研究与探索......”。

5、“.....吴兴中，欧达贤钢包炉配料基于控制在变风量空调系统中的应用论文原稿基于改进粒子群算法的算法的研究计算机仿真，蒋鼎国基于改进型神经网络控制器的温室温度控制技术实验室研究与探索，欧青立，吴兴中，欧达贤钢包炉配料控制研究控制工程，。调节送风量。仿真结果表明采用新型改进控制算法有更快响应速度稳定的时间也缩短了。参考文献邢丽娟，杨世忠变风量空调系统房间舒适度温度优化设置计算机仿真，瞿睿......”。

6、“.....仿真结果表明采用新型改进控制算法有更快响应速度稳定的时间也缩短了。参考文献邢丽娟，杨世忠变风量空调系统房间舒适度温度优化设置计算机仿真，瞿睿，李界家基于之后达到稳定，超调量也变小了在之后稳定，响应速度也快，超调量最小。结语传统控制和神经网络控制对非线性系统控制都不理想。改进粒子群算法优化神经网络与控制相结合能很好的控制房间温度断迭代最终选取最佳值。选取粒子最新的位置和速度。运算神经网络输入量输出量。得出输出。令返回算出最优解......”。

7、“.....所以把空调房间看成个单容对象。传递函数控制研究控制工程，。在工业控制领域，传统控制具有节构简单易于实现等特点，但对于具有非线性不确定性和时变性的变风量空调系统控制效果不好。基于控制在变风量空调系统中的应用论文原稿。新型改进控制神经网络的控制在变风量空调系统中的应用现代建筑电气，闫婷基于蚁群与神经网络算法的变风量空调末端控制研究西安西安建筑科技大学，陈书谦，张丽虹神经网络在控制器参数整定中的应用计算机仿真......”。

8、“.....从图中可以看出普通之后达到稳定，振荡幅度更大之后达到稳定，超调量也变小了在之后稳定，响应速度也快，超调量最小。结语传统控制和神经网络控制对非线性系统控制都不理想。改进粒子群算法优体和全局最优值的选取粒子相互之间之间进行适应值比较不断迭代最终选取最佳值。选取粒子最新的位置和速度。运算神经网络输入量输出量。得出输出。令返回算出最优解......”。

9、“.....仿真结果表明引入改进粒子群的神经网络控制能够提高控制精度，缩短稳定时间，减小超调量。基于控自动调节新风经空气处理机组进行优化处理达到洁净指标，然后通过送风系统的传送设备送到各个房间，末端装置根据每个房间的需求调节送风量的大小。神经网络控制器的设计根据房间温度变化，神经网络可以通过自学习和调整加权系数等群算法，是约束粒子群惯性权重，当較小时变成局部搜索法有很好收敛速度，当取值很大时我们必须个接个去搜索解变得更加复杂从而找不到要找的优值......”。