传统的蒸汽压缩系统一般设计成在零过热或制冷剂的临界温度 下运行。以亚临界方式运行的蒸汽压缩系统通常是通过选择负载特 性(高压侧排热)、输入特性(低压侧热吸收)和制冷剂特性(高压/低压侧 制冷剂温度和过热)进行优化。
由于含氯的制冷剂可对臭氧产生不利影响，因而在世界上大部 分地区已逐步淘汰这种类型的制冷剂。已使用氢氟碳(HFC)作为替代 的制冷剂，但这些制冷剂同样可产生不利后果。已有人提议将诸如 二氧化碳和丙烷的“自然”制冷剂用作替代流体。二氧化碳具有较 低的临界点，这使得在大多数情况下，大部分采用二氧化碳的空调 系统部分地运行于该临界点上方，或是以跨临界方式运行。在饱和 条件下(当液体和蒸汽均存在时)，任何亚临界流体的压力是关于温度 的函数。然而，当该流体的温度超过临界温度时(超临界)，该压力便 成为流体密度的函数。
当蒸汽压缩系统以跨临界方式运行时，调节该系统的高压分量 是有利的。通过调节系统高压，可以控制和优化系统的容量和/或效 率。通过以跨临界方式操作系统，可以彼此独立地控制压力和排热 温度。
在自适应控制算法中，可采用自适应控制来修改可变系数。通 过在自适应控制算法中修改可变系数，可以获得实现最大容量的优 化的可变设定点的基准。
在现有的蒸汽压缩系统中，已将采用递归最小二乘法(RLS)的后 退时域控制(receding horizon control)用于模型鉴别。并且，通过调 节控制变量和用直接的矩阵求逆来求解系统，也对系统进行了优化。 这两种方法均自动调节热泵、鼓风机速度和蒸汽压缩系统的蒸发器 过热来优化系统的性能系数。

基本形式的蒸汽压缩系统包括压缩机、气体冷却器、膨胀装置 和蒸发器。制冷剂在闭路循环中循环流动。将二氧化碳用作制冷剂。 由于二氧化碳具有较低的临界点，因此，将二氧化碳用作制冷剂的 系统通常要求蒸汽压缩系统以跨临界方式运行。当系统以跨临界方 式运行时，调节蒸汽压缩系统的高压分量来控制和优化系统的容量 和/或效率是有利的。系统的整体效率是通过将由排热热交换器提取 的有用能量的量与用于压缩制冷剂和运行系统的任何辅助部件(如热 交换器风扇或泵)的那部分能量的量进行比较而确定的。
由于环境和系统随时间发生变化，因此提供系统的最大性能系 数的高压也发生变化。采用自适应控制来修改操作系统的模型，以 连续优化性能系数。该模型是通过包括可变系数的自适应控制算法 确定的。由于系统随时间发生变化，因此修改操作该系统的模型来 优化性能系数。由于该自适应算法的变量发生变化，因而该模型也 发生变化。然后，基于上述修改调节排热热交换器的控制来调节系 统的高压，并因此调节性能系数。
在第一实施例中，使用最小均方(LMS)法修改自适应控制算法的 变量，以优化性能系数。在第一步中，使用梯度下降方法计算系统 鉴别误差。在第二步中，使用上述系统鉴别误差对模型进行调整。 修改模型，使其输出基本上等于系统的输出，这样便将系统鉴别误 差减小到零。并基于该自适应控制更新调节某一控制，以调节排热 热交换器中的系统的高压，来获得最大的性能系数。
在第二实施例中，通过采用缓慢变化的周期性激励方法来寻求 极值条件，对性能系数进行优化。采用智能激励和信号处理及滤波 来实现自适应控制更新。
第三实施例采用三角化方法来求取系统的最优性能系数。建立 了具有三个设定点的三角形：一个点处于左侧，具有正的斜率，一 个点处于右侧，具有负的斜率，并有一个中点位于上述两点之间。 在首先建立包括三个点的三角形后，自适应控制算法压缩上述控制 变量，并关注于旧的中点来定义新的中点。重复这种三角化，直到 获得最大的性能系数为止。然后，系统运行于这种输入，来使性能 系数变得最大。
从以下的说明和附图中，可以最好地理解本发明的这些和其他 特征。

通过阅读以下关于当前的优选实施例的详细说明，本领域技术 人员当能更清楚的理解本发明的各种特征和优点。现对本详细说明 的附图简述如下：
图1为现有技术的蒸汽压缩系统的示意图；
图2为跨临界蒸汽压缩系统的热力学图；
图3示意表示用最小均方法使跨临界蒸汽压缩系统的性能系数 为最大的自适应控制系统；
图4示意表示用缓慢变化的周期性激励使跨临界蒸汽压缩系统 的性能系数为最大的系统；
图5示意表示用三角化方法使跨临界蒸汽压缩系统的性能系数 为最大的系统；
图6示意表示图5中的系统的初始化；
图7示意表示所求取的图5中的系统的三角化。

图1示出一种蒸汽压缩系统，该系统包括压缩机22、气体冷却 器/冷凝器24、膨胀装置26和蒸发器。制冷剂在闭路系统20中循环 流动。
制冷剂以高压和高焓的形式离开压缩机22，并流过气体冷却器 24。在气体冷却器24中，制冷剂散热，并以低焓和高压的形式离开 气体冷却器24。诸如水或空气的流体介质流过散热器32，并与流过 气体冷却器24的制冷剂交换热量。例如，冷却水在散热器进口34 处进入散热器32，并在与制冷剂流动的方向相反的方向上流动。在 与制冷剂完成热交换后，得到加热的水通过散热器出口36离开。然 后，制冷剂流经膨胀装置26，其压力也有所降低。膨胀后，制冷剂 流过蒸发器28，并以高焓和低压的形式离开。
最好将二氧化碳用作制冷剂。尽管图中示出的是二氧化碳，但 是也可以使用其他制冷剂。因为二氧化碳具有较低的临界点，因此 用二氧化碳作为制冷剂的系统通常要求蒸汽压缩系统20以跨临界方 式运行。
如图2的A点所示，制冷剂以高压和高焓的形式离开压缩机22。 由于制冷剂以高压的形式流过气体冷却器24，因此它散发热和焓， 并以低焓和高压的形式离开气体冷却器24，如点B所示。随着制冷 剂流过膨胀装置26，其压力也有所下降，如点C所示。在进行膨胀 后，制冷剂流经蒸发器28，并以高焓和低压的形式离开，如点D所 示。在制冷剂流经压缩机22后，它又重新成为高压和高焓的形式， 从而完成了循环。
系统20的整体效率是通过将由气体冷却器24提取的有用能量 与用于压缩压缩机22中的制冷剂和运行系统20的任何辅助部件(如 热交换器风扇或泵)的那部分能量进行比较而确定的。因此，将系统 性能(z(u))或称性能系数定义成：
(等式1)
变量u是由输入到膨胀装置26中的控制输入控制的压力设定 点。因此，系统20的性能系数是关于压力设定点的函数。
当蒸汽压力系统20以跨临界方式运行时，调节系统20的高压 侧是有利的。通过调节系统20的高压，可以控制和优化系统20的 性能系数。通过以跨临界方式运行系统20，可以彼此独立地控制压 力和排热温度。
对跨临界蒸汽压缩系统20的自适应控制提供了可变的设定点基 准和用于达到上述设定点的可变的算法参数。可变的设定点基准对 它们自身进行修改，以与外界影响无关地促进系统20的最优操作。 即，修改设定点基准来得到优化的性能系数。通过改变控制算法的 参数，使外部因素对达到上述设定点的性能系数的影响为最小。
系统20是通过模型进行操作的，由于环境和系统20随时间发 生变化，因此提供系统20的最大性能系数的高压也发生变化。如果 该模型没有随系统20发生变化而得到更新，则该模型将不能正确地 操作已经改变了的系统20，而这会导致非最优的性能系数。在本发 明中，利用自适应控制来修改该模型，以连续地优化系统20的性能 系数。上述模型是通过包括可变系数的自适应控制算法确定的。由 于系统20随时间变化，因而，改变上述自适应控制算法的可变系数 来修改上述模型，以优化性能系数。上述变量是基于诸如环境条件 和用户选择的负载对系统20的影响而进行修改的。
大多数自适应控制方法包括以下两个步骤：1)在靠近预期最优 值的设定点处的初始化，和2)随后的激励，以确定在参数空间中哪 个方向上将该组变量进一步最大化。
系统20中最好存在两个独立的控制回路。其中，用于气体冷却 器24内的设定点控制的PID回路保持对高压侧出口温度进行调节控 制。而用于优化性能系数的LMS回路根据系统20的运行方式来改 变设定点。上述两个回路通过热泵进行耦合。通过在不同的时标上 运行这两个回路，可以将耦合最小化。PID回路运行相对较快，而LMS 回路运行相对较慢。因此，LMS回路不响应高压侧温度输入或输出 的变化。用于系统鉴别的对系统20的激励运行于PID回路速度和LMS 回路速度之间。
在第一实施例中，如图3所示，用最小均方(LMS)法修改自适应 控制算法的变量，以优化性能系数。在第一步中，使用梯度下降方 法计算系统鉴别误差。系统鉴别误差是系统输出和模型输出之间的 差异。在第二步中，使用该系统鉴别误差信息对模型进行调整。
系统通过最小均方(LMS)法进行鉴别。首先，通过调节控制单元 38(如图1所示)对系统20进行激励(du)。然后，将系统输出(dy)与系 统模型的输出(dy’)进行比较。通过传感器40读出系统输出(dy)。系 统模型(Ф)是性能系数(z(u))相对于压力设定点(u)的的斜率。因此，系 统模型的输出(dy’)是系统模型(Φ)与第一激励(du)之积。
系统20被双向地激励，以确定进一步最大化性能系数(z(u))的空 间方向。激励(du)必须是连续的，以导致性能系数的缓慢变化。激励 (du)的频率取决于系统的动态性能。为模型鉴别选择了静态关系，且 相对于控制信号，系统20的响应必须呈现为静态。在一实施例中， 激励(du)是幅值较低的正弦输入。该幅值选择得使激励(du)在仪器噪 声级外对性能系数(z(u))进行微扰(perturb)。
模型(Ф)通过具有可变系数的自适应控制算法确定。系统20和 系统20的最优性能系数(z(u))随时间发生变化。基于系统20的状态 修改自适应控制算法的可变系数，以调整系统20来优化性能系数。 上述可变系数基于诸如环境条件和用户选择的负载对系统的影响进 行修改。用最小均方法来调整系统模型(Φ)，使得模型的输出(dy’)等 于系统的输出(dy)。
在对系统进行激励(du)后，将系统输出(dy)与系统模型的输出(dy’) 进行比较，以确定系统鉴别误差(e)。系统鉴别误差(e)是系统输出(dy) 和模型的输出(dy’)之间的差异，或
e＝dy-dy’＝dy-Φdu                          (等式2)
然后将系统鉴别误差(e)取平方，得到关于该模型的参数的模型 精确度的正的二次函数：
E[e2]＝E[dyT]+Ф2[duduT]Ф-2ΦE[dydu]            (等式3)
通过求导，得到了上述二次关系的梯度：
$▿=\frac{\partial E\left[e^2\right]}{\partial \Phi }2\mathrm{\Phi E}\left[{\mathrm{dudu}}^T\right]-2E\left[\mathrm{dydu}\right]$ (等式4)
通过促使离散时间模型在上述梯度方向上更新，系统鉴别误差(e) 得到最小化(最陡下降方法)。
利用模型更新参数(μ)来产生所鉴别模型的更新。模型更新参数 (μ)对系统鉴别的稳定性和收敛时间有影响。模型更新参数(μ)取决 于系统的激励(du)，并定义成：
$\bar{\mu }=\frac{\mu }{ϵ+d{u}^2}$ (等式5)
通常将用户定义的调整常数(μ)选得较小，如处于0.0和1.0之间。 当模型更新参数(μ)小且基于控制信号的预期最小水平进行选取时， 规格化参数(ε)可减轻数值计算上的困难。规格化减少了在高幅值激 励期间出现的噪声和未知的系统动态性能，而该高幅值激励能影响 更新参数(μ)。
将鉴别的模型更新(ΦK+1)定义成：
${\Phi }_{K+1}={\Phi }_K+\bar{\mu }(-{▿}_K)$ (等式6)
其中k为时间点。该等式表明，模型更新(ΦK+1)是当前系统模型(ΦK) 加上模型更新参数(μ)与负梯度()之积的和。
在鉴别了对输入的响应后，利用最优控制理论，得到了对于对 系统20的输入(du)的最优自适应控制更新。已知的二次成本函数定 义成：
J(u)＝zTqz+duTσdu                            (等式7)
在该二次成本函数中，q和σ是用户定义的补偿权重，z是蒸汽 压缩系统20的靠近平均工作点的隐式系统性能系数。
将系统性能参数(z)定义成：
z＝z0+Φdu                        (等式8)
在该系统性能系数等式中，z0是系统性能参数(z)的平均工作点。 用二次成本函数J(u)来处罚系统性能参数(z)和控制导数。在将收敛速 度向最优和稳定的方向进行平衡时选择成本函数J(u)的参数。
通过求二次成本函数J(u)的极值，得到最优的自适应控制更新：
$\mathrm{du}=\frac{-\mathrm{\Phi q}}{{\Phi }^T\mathrm{q\Phi }+\sigma }$ (等式9)
通过在最优自适应控制更新等式中使用经鉴别的模型更新 ΦK+1，可以得到最优的自适应控制更新。该最优自适应控制更新(du) 调整模型(Ф)，使得模型输出(dy’)基本上等于系统输出(dy)，这样便 将系统鉴别误差(e)减少到零。基于自适应控制更新(du)调节控制单元 38来调节气体冷却器24内的系统20的高压，以得到最大的性能系 数。在一实施例中，控制单元38调节通过气体冷却器24的水流的 变速泵。
在第二实施例中，如图4所示，系统20的性能系数用缓慢变化 的周期性激励方法进行优化。已用智能激励和信号处理(包括信号 滤波)在极值的方向上实现自适应控制更新。
该方法以叠加在平均设定点上的系统20的正弦激励开始。与系 统的动态性能相比，该激励的频率较低。将该正弦激励定义成：
u′＝u+Asin(ωt)                            (等式10)
其中u’是输入到系统20中的信号，而u是输入到系统20中的平 均信号。
对正弦激励(u’)的系统响应是：
z′＝z0+zsin(ωt)                            (等式11)
然后，通过第一动态滤波器H1(s)(s为拉普拉斯变量)对响应(z’) 进行滤波。第一动态滤波器H1(s)实际上是高通滤波器，它除去了响 应(z’)中的直流偏移量，从而得到了谐波响应。因此，响应(z’)在正弦 激励信号(u’)的频率处必定具有零相位。如果正弦激励信号(u’)是在 系统20的带宽内选择的，则第一动态滤波器H1(s)能部分地导致系统 20的动态相互作用。第一动态滤波器H1(s)也可减少仪器噪声。
假设为低激励，则上述谐波响应包含与正弦激励信号(u’)同相或 异相的正弦响应。这种相位特征便于在极值的方向上确定设定点更 新。如果系统20为同相，则u小于uopt，其中uopt是最优解；此外， 如果系统20为异相，则u大于uopt。
然后，将谐波响应与初始的激励u相乘，以解调该谐波响应。通 过用初始激励u解调谐波响应，得到了相对静态的增益和高频谐波信 息：
Z*u＝1/2uz′-1/2uz′sin(2ωt)                    (等式12)
然后，用第二动态滤波器H2(s)过滤高频成分。第二动态滤波器 H2(s)实际上是低通滤波器，它除去了振荡因子[1/2uz’sin(2ωt)]而仅留 下静态增益(1/2uz’)。该静态增益与系统20的性能系数曲线z(u)的斜 率类似。耦合到第二动态滤波器H2(s)的积分型控制器使系统响应(z’) 的相对静态的增益(或斜率)变为零。第二动态滤波器H2(s)提供了足 以将上述斜率变为零的新的平均控制信号，并提高了控制算法的稳 定性和性能。为了稳定，第二动态滤波器H2(s)的稳定的状态增益必 须与激励的幅值相匹配。此外，选择第二动态滤波器H2(s)的极点， 以从解调过程识别出需要的信息。可设定第二动态滤波器H2(s)的频 率响应曲线的形状，以减少上述闭环系统的带宽，从而增加随时间 的收敛性(the convergence over time)。
然后，将来自第二动态滤波器H2(s)的经过滤的信号用作系统20 的输入。由于性能系数z(u)是系统20的输入(u’)的函数，因而性能系 数被修改成最优值。调节控制单元38来调节气体冷却器24内的系 统20的高压，以得到最大的性能系数。该方法的优点是，对系统20 的鉴别不会中断上述控制，从而导致了更好的收敛速度。
参阅图5，本发明的第三实施例利用三角化方法来确定系统20 的最大的性能系数(z(u))。该三角化包括1)对系统20进行的非连续激 励和2)存储系统响应以用自适应的方式映射系统20。通过智能地移 动控制设定点，可建立一个三角形。
图5是作为系统20的平均控制变量的输入(u)的函数的性能系数 z(u)的曲线图。建立了一个具有三个设定点条件的三角形。一个点 z(uLHS)位于图的左侧，因为曲线具有正斜率；因而该点为正值，另一 个点z(uRHS)位于图的右侧，因为曲线具有负斜率，因而该点为负值， 且指明最大性能系数z(u)的点z(uMAX)位于上述两点之间。因此，
$\frac{\partial z}{\partial u}{|}_{u=\mathrm{uLHS}}>0;$ 和 $\frac{\partial z}{\partial u}{|}_{u=\mathrm{uRHS}}<0\to u_{\max }\in (u_{\mathrm{LHS}},u_{\mathrm{RHS}})$ (等式13)
系统20的响应的历史记录被保存以总是保留将极值包含其中的 条件三角形。在首先建立包括点z(uLHS)、z(uRHS)和z(uMID)的三角形后， 算法便开始缩小控制变量的范围，并集中于uMID来定义新的中点。 侧如，如图6所示，首先让系统20运行于u1点。然后，让系统20 的工作点从第一设定点u1移动到第二设定点u2。如果该移动导致性 能系数减少，则进行反方向移动。例如，如图6所示，如果将工作 点移动到左侧导致性能系数减少，则让工作点向右移动，而这提供 了增加的性能系数。在与移动到第二设定点u2的移动方向类似的方 向上选择第三设定点u3。该次移动提供了增加的性能系数，因而， 选择第三设定点u3。然而，如果该次移动提供了减少的性能系数， 则在相反的方向上选择第三设定点u3。如果选择了恰当的步长，则 可以加速三角形鉴别过程。因此，如果
z(u2)＞z(u1)→方向正確，則u3＞u2；如果
z(u2)＜z(u1)→方向錯误，則u3＜u1            (等式14)
初始的步长必须选得较小，使得即便第一步进行的方向有错， 也不会使系统20的性能显著变差。最小步长是改变性能系数所需的 最小的控制改变量。进行每一步的时刻基于系统20的动态响应特性 来确定。然而，必须指定最小步长来保证，如果非线性性能系数z(u) 随时间变化，则可以通过算法来跟踪这些变化(持续激励)。该步长也 应受限于一个最大值，以在初始化过程中防止其从最大值的一侧超 调到最大值的另一侧。
通过让上一个成功步长乘以诸如Fibonacchi的黄金分割比率 (k＝1.618)的增益来选择步长：
Δunew＝kΔuold，k＞1                            (等式15)
如图7所示，继续进行初始化，直到得到具有处于设定点uk和 uk-2之间的最大性能系数uk-1的三角形为止。为校验此过程，对上述 扰动进行监视，直至取得一组三设定点条件，该组中有一个处于两 个较小值之间的最大值。当该条件得到满足时，以下为真：
z(uk-1)＞z(uk-2)；以及z(uk)＜z(uk-1)→建立了三角形(等式16)
一旦三角形建立，初始化就完成。然后，通过集中于当前的中 点uk-1，算法不断缩小上述三角形的大小。选取作为偏离中点uk-1的 逻辑扰动的新的设定点，同时考虑与先前接受的三角形的中点uk-1距 离最远的先前点。通过考虑上述最远的先前点，减小了三角形的大 小。此外，如果基于先前的步长来选择步长，则在靠近最大值时算 法的速度下降，从而有利于提高稳定性。
重复上述三角形约束，直至获取得到最大性能系数z(u)的输入(u) 为止。当得到该输入(u)时，系统20便运行于该输入(u)处，以使系统 20的性能系数z(u)成为最大。对控制单元38进行调节来调节气体冷 却器24内的系统20的高压，以得到最大性能系数。
另外，可用单个多输入多输出(MIMO)自适应控制器而不是两个 独立的PID和LMS控制回路来提供更快的性能系数收敛和水温调 控。通过使用多变量形式的梯度下降控制和用来优化上述性能系数 的调整，可同时实现高压侧出口温度的调节和性能参数的最大化。 相对于膨胀阀26，水出口温度并非是不变的，且性能系数受到了排 热热交换器24中的能量获取速度的影响。
先上仅是对本发明原理的举例阐述。借助于上述教导，可以对 本发明进行许多修改和变更。文中公开了本发明的若干优选实施例， 然而，本领域具有普通技能的人员应认识到，可以在本发明的范围 内对实施例进行某些修改。因此，应当理解，在所附权利要求书规 定的范围内，可以用不同于本公开具体说明的方式来实施本发明。 因此，应当研读后附的权利要求书，以明确本发明的真实范围和内 容。