‫ﻣﺠﻠﻪ ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ ﻣﺪرس‪ ،‬ﻣﻬﺮ ‪ ،1395‬دوره ‪ ،16‬ﺷﻤﺎره ‪ ،13‬وﯾﮋهﻧﺎﻣﻪ ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت ﮐﻨﻔﺮاﻧﺲ‪ ،‬صص ‪

174-171‬‬

‫ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت دوﻣﯿﻦ ﮐﻨﻔﺮاﻧﺲ ﺑﯿﻦاﻟﻤﻠﻠﯽ ﺗﻬﻮﯾﻪﻣﻄﺒﻮع و ﺗﺎﺳﯿﺴﺎت ﺣﺮارﺗﯽ و ﺑﺮودﺗﯽ‬

‫ﺑﯿﺮﺟﻨﺪ‪ ،‬داﻧﺸﮕﺎه ﺑﯿﺮﺟﻨﺪ‪ 6 ،‬و ‪ 7‬ﻣﻬﺮ ‪ 1395‬‬

‫ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ ﻣﺪرس‬

‫‪ mme.modares.ac.ir‬‬

‫ﻃﺮّاﺣﯽ ﻣﺪل ﺑﺮﺧﻂ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ ﺑﻪ ﻣﻨﻈﻮر ارزﯾﺎﺑﯽ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﺎ‬
‫روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي‬
‫‪2‬‬
‫ﻣﺴﻌﻮد ﻧﻈﺮي‪ ،*1‬ﻋﻠﯽ ﻏﻔﺎري‬

‫‪ -1‬ﮐﺎرﺷﻨﺎﺳﯽ ارﺷﺪ‪ ،‬ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﺗﺮوﻧﯿﮏ‪ ،‬داﻧﺸﮕﺎه آزاد اﺳﻼﻣﯽ واﺣﺪ ﺗﻬﺮان ﺟﻨﻮب ‪ ،‬ﺗﻬﺮان‬
‫‪ -2‬اﺳﺘﺎد‪ ،‬ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ‪ ،‬داﻧﺸﮕﺎه ﺧﻮاﺟﻪ ﻧﺼﯿﺮاﻟﺪﯾﻦ ﻃﻮﺳﯽ‪ ،‬ﺗﻬﺮان‬
‫* ﺗﻬﺮان‪ ،‬ﺻﻨﺪوق ﭘﺴﺘﯽ ‪st_ma_nazari@azad.ac.ir ،1764667148‬‬

‫ﭼﮑﯿﺪه‬
‫در اﯾﻦ ﭘﮋوﻫﺶ ﻣﺪل ﺑﺮﺧﻂ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ ﺑﺎ اﺳﺘﻔﺎده از روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي ﻃﺮاﺣﯽ ﺷﺪه اﺳﺖ‪ .‬ﻣﺪل ﺷﺒﯿﻪﺳﺎزي ﺷﺪه ﺟﻬﺖ ﺑﺮرﺳﯽ ﻋﻤﻠﮑﺮد اﻧﻮاع روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻃﺮاﺣﯽ و ﻧﺘﺎﯾﺞ‬
‫ﺑﻪ دﺳﺖ آﻣﺪه ﺑﺮرﺳﯽ ﮔﺮدﯾﺪه اﺳﺖ‪ .‬ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺑﻪ دو زﯾﺮ ﺳﯿﺴﺘﻢ اﺻﻠﯽ ﺷﺎﻣﻞ دﺳﺘﮕﺎه ﻫﻮاﺳﺎز و اﺗﺎق ﺗﻤﯿﺰ ﺗﻘﺴﯿﻢ ﺷﺪه ﮐﻪ ﻫﺮ ﮐﺪام داراي زﯾﺮ ﻣﺠﻤﻮﻋﻪﻫﺎي ﻣﺠﺰا ﻣﯽﺑﺎﺷﻨﺪ‪ .‬زﯾﺮ‬
‫ﺳﯿﺴﺘﻢﻫﺎي اﺻﻠﯽ ﺑﻪ ﺻﻮرت ﻣﺴﺘﻘﻞ ﺷﺒﯿﻪﺳﺎزي و در ﭘﺎﯾﺎن ﺑﻪ ﺻﻮرت ﻣﺠﻤﻮﻋﻪ ﯾﮑﭙﺎرﭼﻪ ﻣﻮرد ارزﯾﺎﺑﯽ ﻗﺮار ﮔﺮﻓﺘﻪ اﻧﺪ‪ .‬ﻫﻮاﺳﺎز در اﯾﻦ ﭘﮋوﻫﺶ داراي زﯾﺮ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻮﯾﻞ ﺳﺮد و ﮔﺮم‪ ،‬ﻓﻦ ﻫﻮاي رﻓﺖ و‬
‫رﻃﻮﺑﺖ زن ﺑﻮده و زﯾﺮ ﺳﯿﺴﺘﻢ اﺗﺎق از دو ﺑﺨﺶ ﮐﺎﻧﺎل رﻓﺖ و اﺗﺎق ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ‪ .‬از آن ﺟﺎ ﮐﻪ ﻫﺪف اراﺋﻪ ﻣﺪﻟﯽ ﺑﺎ ﻗﺎﺑﻠﯿﺖ ﻋﻤﻮﻣﯿ‪‬ﺖﯾﺎﺑﯽ ﻣﻨﺎﺳﺐ ﺑﻮده در ﺷﺒﯿﻪﺳﺎزي رﻓﺘﺎر زﯾﺮ ﺳﯿﺴﺘﻢﻫﺎي ﻫﻮاﺳﺎز اﺑﺘﺪا‬
‫روش ﺟﻌﺒﻪ ﺳﻔﯿﺪ اﺳﺘﻔﺎده و ﺑﻪ ﻣﻨﻈﻮر اﺿﺎﻓﻪ ﻧﻤﻮدن ﻗﺎﺑﻠﯿﺖ ﺑﺮﺧﻂ ﺑﻮدن‪ ،‬اﻃﻼﻋﺎت ﺑﻪ دﺳﺖ آﻣﺪه از روش ﮐﻼﺳﯿﮏ در ﺳﺎﺧﺘﺎر روش ﺟﻌﺒﻪ ﺳﯿﺎه ﺑﻬﺮه ﺑﺮداري ﺷﺪه اﺳﺖ‪ .‬ﺑﻪ ﻣﻨﻈﻮر ﺷﺒﯿﻪﺳﺎزي رﻓﺘﺎر‬
‫ﻏﯿﺮﺧﻄﯽ و ﭘﯿﭽﯿﺪه اﺗﺎق و ﮐﺎﻧﺎل ﻫﻮاي رﻓﺖ از ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﻣﻘﺎﯾﺴﻪ ﻧﺘﺎﯾﺞ ﺑﻪ دﺳﺖ آﻣﺪه از ﻣﺪل ﺷﺒﯿﻪﺳﺎزي ﺷﺪه ﺑﺎ اﻃﻼﻋﺎت ‪ 2‬ﻣﺎه ﯾﮑﯽ از اﺗﺎقﻫﺎي ﺗﻤﯿﺰ اﻧﺴﺘﯿﺘﻮ‬
‫] ‪[ Downloaded from mme.modares.ac.ir on 2022-09-12‬‬

‫ﭘﺎﺳﺘﻮر ﻧﻤﺎﯾﺶ داده ﺷﺪه اﺳﺖ‪ .‬ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ روش ﻣﯽﺗﻮان ﻣﺪﻟﯽ ﺑﺎ ﻗﺎﺑﻠﯿ‪‬ﺖ ﻋﻤﻮﻣﯿ‪‬ﺖﯾﺎﺑﯽ و دﻗّﺖ ﻣﻨﺎﺳﺐ ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﯽ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﮔﻮﻧﺎﮔﻮن اراﺋﻪ داد‪.‬‬
‫ﮐﻠﯿﺪ واژﮔﺎن‪ :‬روش ﺣﺴﺎﺳﯿﺖ ﮔﺴﺴﺘﻪ‪ ،‬روش ﻣﺘﻐﯿﺮ ﻣﺨﺘﻠﻂ‪ ،‬روش ﻧﯿﻤﻪﺗﺤﻠﯿﻠﯽ‪ ،‬روشﻫﺎي آﻧﺎﻟﯿﺰ ﺣﺴﺎﺳﯿﺖ‬

‫‪Modeling and Analysis of HVAC systems for Control System Design using Gray‬‬
‫‪Box Approach‬‬
‫‪Masoud nazari1*, Ali Ghaffari2‬‬
‫‪1- Department of Mechatronic engineering, Islamic Azad University of Technology South Tehran Branch, Tehran, Iran‬‬
‫‪2- Department of Mechanical Engineering, K.N Toosi University of Technology, Tehran, Iran‬‬
‫‪* P.O.B. 1764667148 Tehran, Iran, st_ma_nazari@azad.ac.ir‬‬

‫‪ABSTRACT‬‬
‫‪The purpose of this study is to design a method for analyzing dynamic behavior of Heating Ventilation and Air Conditioning system (HVAC) to‬‬
‫‪employ in online simulations. Essential data as input-output of neural network is provided using energy and mass conservation equations. An implicit‬‬
‫‪numerical method is used to solve dynamic equations of coil. The results of mathematical methods are applied in the output of neural network to‬‬
‫‪design an online model. The proposed model is based on an active system used in HVAC system of clean rooms in Iran Pasteur Institute. Since in‬‬
‫‪active air handlers input and outputs are not measured, here air conditioning systems is modeled generally. The results in comparison with real system‬‬
‫‪data indicate an acceptable performance of the proposed method, so that combination of numerical results with a nonlinear autoregressive exogenous‬‬
‫‪model (NARX) makes it possible to control the system effectively besides saving a significant amount of time.‬‬
‫‪Keywords: HVAC, online modeling, gray box, artificial neural network‬‬

‫روشﻫﺎي ﻧﻮﯾﻦ ﻫﻤﺰﻣﺎن ﺑﺎ ﺑﻬﺒﻮد آﺳﺎﯾﺶ ﺣﺮارﺗﯽ ﻣﺤﯿﻂ ﻣﺼﺮف‪ ،‬اﻧﺮژي را در‬ ‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫اﯾﻦ ﺳﯿﺴﺘﻢﻫﺎ ﮐﺎﻫﺶ دﻫﻨﺪ‪ .‬ﻧﺒﻮد ﻣﺪﻟﯽ ﻣﻨﺎﺳﺐ ﮐﻪ ﺑﻪ ﺧﻮﺑﯽ ﻧﻤﺎﯾﺎﻧﮕﺮ رﻓﺘﺎر‬ ‫ﺑﺮاﺳﺎس آﻣﺎرﻫﺎي ﻣﻨﺘﺸﺮ ﺷﺪه از ﻧﻬﺎدﻫﺎي ﻓﻌ‪‬ﺎل در زﻣﯿﻨﻪ اﻧﺮژي‪ ،‬ﺳﯿﺴﺘﻢﻫﺎي‬
‫] ‪[ DOR: 20.1001.1.10275940.1395.16.13.56.3‬‬

‫دﯾﻨﺎﻣﯿﮏ ﺳﯿﺴﺘﻢ ﺑﺎﺷﺪ و ﺗﻤﺎﻣﯽ اﻟﻤﺎنﻫﺎي ﻻزم ﮐﻨﺘﺮﻟﯽ را در در دﺳﺘﺮس ﻗﺮار‬ ‫ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺣﺪود ‪ 39%‬از ﮐﻞ اﻧﺮژي ﻣﺼﺮﻓﯽ در ﺳﺎﺧﺘﻤﺎنﻫﺎ را ﺑﻪ ﺧﻮد‬
‫دﻫﺪ ﺳﺒﺐ ﺷﺪه اﺳﺖ اﻏﻠﺐ ﭘﮋوﻫﺶﻫﺎ ﺑﺮ روي ﺳﯿﺴﺘﻢﻫﺎي ﻓﻌ‪‬ﺎل اﻧﺠﺎم ﺷﻮد ﮐﻪ‬ ‫اﺧﺘﺼﺎص دادهاﻧﺪ ]‪ .[2,1‬ﺗﺄﻣﯿﻦ آﺳﺎﯾﺶ ﺣﺮارﺗﯽ در ﻫﺮ ﺳﺎﺧﺘﻤﺎن وﻇﯿﻔﻪ اﺻﻠﯽ‬
‫ﻣﺴﺘﻠﺰم ﺻﺮف ﻫﺰﯾﻨﻪ و در ﺑﺮﺧﯽ ﻣﻮارد ﺑﺮرﺳﯽ دﻗﯿﻖ روش ﮐﻨﺘﺮﻟﯽ را ﺑﺎ‬ ‫ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع‪ 1‬ﻣﯽ ﺑﺎﺷﺪ‪ .‬در ﺑﺮﺧﯽ اﻣﺎﮐﻦ ﻣﺎﻧﻨﺪ اﺗﺎقﻫﺎي ﺗﻤﯿﺰ‪ ،‬ﻣﺨﺎزن‬
‫ﻣﺸﮑﻼت ﻣﺘﻌﺪد روﺑﻪ رو ﮐﻨﺪ‪ .‬در اﯾﻦ ﭘﮋوﻫﺶ ﺳﻌﯽ ﺷﺪه روﺷﯽ ﭘﯿﺸﻨﻬﺎد ﺷﻮد‬ ‫ﮐﺘﺎﺑﺨﺎﻧﻪﻫﺎ ﺗﺄﻣﯿﻦ ﺷﺮاﯾﻂ ﻣﻨﺎﺳﺐ ﻧﯿﺰ از وﻇﺎﯾﻒ اﯾﻦ ﺳﯿﺴﺘﻢﻫﺎ ﻣﯽﺑﺎﺷﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ‬
‫ﮐﻪ رﻓﺘﺎر دﯾﻨﺎﻣﯿﮏ و ﻏﯿﺮ ﺧﻄﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﻓﻌﺎل را ﺑﻪ ﺻﻮرت‬ ‫ﺑﻪ دﻻﯾﻞ ﮔﻔﺘﻪ ﺷﺪه در ﺳﺎلﻫﺎي اﺧﯿﺮ ﻣﺤﻘﻘﺎن در ﺑﻬﺒﻮد ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢﻫﺎي‬
‫ﺑﺮ ﺧﻂ ﺷﺒﯿﻪﺳﺎزي ﮐﻨﺪ‪ .‬ﻧﺘﺎﯾﺞ ﺑﻪ دﺳﺖ آﻣﺪه ﮔﻮﯾﺎي آن اﺳﺖ ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ‬ ‫ﯾﺎد ﺷﺪه ﻣﻘﺎﻻت ﻣﺘﻌﺪدي را اراﺋﻪ دادهاﻧﺪ ]‪.[3-1‬‬
‫روش ﻣﯽ ﺗﻮان ﻋﻤﻠﮑﺮد‪ ،‬روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻣﺘﻨﻮع را ﺑﺮرﺳﯽ ﮐﺮد‪.‬‬ ‫ﺑﺎ ﻇﻬﻮر روشﻫﺎي ﺟﺪﯾﺪ ﮐﻨﺘﺮﻟﯽ ﻣﻬﻨﺪﺳﯿﻦ درﺻﺪد ﺑﻮدهاﻧﺪ ﺑﺎ ﭘﯿﺸﻨﻬﺎد‬
‫ﻣﺪلﻫﺎي اراﺋﻪ ﺷﺪه در ﺳﺎلﻫﺎي اﺧﯿﺮ را ﻣﯽﺗﻮان ﺑﻪ ‪ 3‬دﺳﺘﻪ اﺻﻠﯽ ﺗﻘﺴﯿﻢ‬
‫ ‬
‫‪1‬‬
‫‪HVAC: Heating, Ventilation and Air Conditioning‬‬
‫ ‪Please cite this article using:‬‬ ‫ﺑﺮاي ارﺟﺎع ﺑﻪ اﯾﻦ ﻣﻘﺎﻟﻪ از ﻋﺒﺎرت ذﯾﻞ اﺳﺘﻔﺎده ﻧﻤﺎﯾﯿﺪ‪:‬‬
‫ ‪M. Nazari, A. Ghaffari, Modeling and Analysis of HVAC systems for Control System Design using Gray Box Approach, Modares Mechanical Engineering, Proceedings of the‬‬
‫ )ﻓﺎرﺳﯽ ‪Second International Conference on Air-Conditioning, Heating and Cooling Installations, Vol. 16, No. 13, pp. 171-174, 2016 (in Persian‬‬
‫ ‬
 ‫ﻣﺴﻌﻮد ﻧﻈﺮي و ﻋﻠﯽ ﻏﻔﺎري ‬ ‫ﻃﺮّاﺣﯽ ﻣﺪل ﺑﺮﺧﻂ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ ﺑﻪ ﻣﻨﻈﻮر ارزﯾﺎﺑﯽ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﺎ روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي‬

‫ﻧﻤﻮد‪ -1 .‬ﻣﺪلﻫﺎﯾﯽ ﮐﻪ ﺑﺮ اﺳﺎس ﻣﻌﺎدﻻت ﺗﺒﺎدل اﻧﺮژي و ﺑﻘﺎي ﺟﺮم و ﺣﻞ آنﻫﺎ‬

‫ﭘﯿﺸﻨﻬﺎد ﺷﺪهاﻧﺪ‪ .‬اﯾﻦ روش ﻣﺪلﺳﺎزي اوﻟﯿﻦ روﺷﯽ ﺑﻮده ﮐﻪ ﺑﻪﻣﻨﻈﻮر‬
‫ﻣﺪلﺳﺎزي ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢﻫﺎي ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ‪ .‬ﺣﻞ‬
‫ﻣﻌﺎدﻻت ﭘﯿﭽﯿﺪه و ﻏﯿﺮﺧﻄﯽ‪ ،‬ﺣﺬف ﺑﺴﯿﺎر از ﺟﺰﯾﯿﺎت ﻣﻮﺛﺮ در ﻋﻤﻠﮑﺮد ﻣﺪل و‬
‫در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻓﺮﺿﯿﺎت ﻣﺘﻌﺪد از ﻣﺸﮑﻼت اﯾﻦ روش ﺑﻮده اﺳﺖ‪ .‬اﯾﻦ روش ﺑﻪ‬
‫روش ﺟﻌﺒﻪ ﺳﻔﯿﺪ ﺷﻬﺮت ﯾﺎﻓﺘﻪ اﺳﺖ ]‪ -2 .[4,3‬ﺑﺎ ﻇﻬﻮر ﻣﺤﺎﺳﺒﺎت ﻧﺮم و روش‬
‫ﻫﺎي ﻧﻮﯾﻦ در ﻋﻠﻢ ﻣﺪلﺳﺎزي ﺗﻌﺪادي از ﻣﺤﻘﻘﺎن ﺑﺎ اﺳﺘﻔﺎده از روشﻫﺎﯾﯽ ﻣﺎﻧﻨﺪ‬
‫ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ‪ ،‬ﻣﻨﻄﻖ ﻓﺎزي و اﻟﮕﻮرﯾﺘﻢﻫﺎي ﺑﻬﯿﻨﻪﯾﺎﺑﯽ ﻣﺎﻧﻨﺪ‬
‫اﻟﮕﻮرﯾﺘﻢ ﻣﻮرﭼﮕﺎن‪ ،‬ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢﻫﺎي ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع را ﺷﺒﯿﻪﺳﺎزي ﮐﺮدهاﻧﺪ‪.‬‬
‫اﯾﻦ روش ﻋﻠﯽرﻏﻢ دﻗﺖ ﻣﻨﺎﺳﺐ و ﻋﺒﻮر از ﺳﺪ ﻣﻌﺎدﻻت ﭘﯿﭽﯿﺪه ﺑﺪون ﺗﻮﺟﻪ‬
‫ﻓﺮآﯾﻨﺪﻫﺎي ﻓﯿﺰﯾﮑﯽ روي داده در ﺳﯿﺴﺘﻢ‪ ،‬ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت ورودي و‬
‫ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ رﻓﺘﺎر آن را ﺷﺒﯿﻪﺳﺎزي ﻣﯽﮐﻨﺪ ﮐﻪ ﻣﺴﺘﻠﺰم در اﺧﺘﯿﺎر داﺷﺘﻦ‬
‫ﺣﺠﻢ وﺳﯿﻌﯽ از اﻃﻼﻋﺎت ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ در ﺑﺮﺧﯽ ﻣﻮارد ﺑﺴﯿﺎر ﻣﺸﮑﻞ اﺳﺖ و از‬
‫ﺳﻮي دﯾﮕﺮ ﻣﺪل ﺳﺎﺧﺘﻪ ﺷﺪه ﻗﺎﺑﻞ اﺳﺘﻔﺎده در ﺳﯿﺴﺘﻢﻫﺎي دﯾﮕﺮ ﻧﻤﯽﺑﺎﺷﺪ‪ .‬اﯾﻦ‬
‫روش را روش ﺟﻌﺒﻪ ﺳﯿﺎه ﻣﯽﻧﺎﻣﻨﺪ ]‪ -3 .[6,5‬روش ﺳﻮم ﮐﻪ در ﺳﺎلﻫﺎي اﺧﯿﺮ‬
‫ﻣﻄﺮح ﺷﺪه اﺳﺖ ﺗﺮﮐﯿﺒﯽ از دو روش ﭘﯿﺶ ﮔﻔﺘﻪ ﻣﯽﺑﺎﺷﺪ‪ .‬اﯾﻦ روش ﺑﻪ روش‬
‫‪Fig. 1 Clean room’s HVAC system in BMS‬‬
‫ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي ﻣﻌﺮوف اﺳﺖ ]‪.[7‬‬

‫ﺷﮑﻞ‪ 1‬ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ در ﺳﯿﺘﻢ ﻣﺪﯾﺮﯾﺖ ﺳﺎﺧﺘﻤﺎن‬ ‫در اﯾﻦ ﭘﮋوﻫﺶ ﺑﺎ ﭘﯿﺮوي از روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي ﺗﻼش ﺷﺪه اﺳﺖ ﻣﺪﻟﯽ‬
‫ﺳﺎﺧﺘﻪ ﺷﻮد ﮐﻪ ﻋﻼوه ﺑﺮ ﺷﺒﯿﻪﺳﺎزي ﮐﺎﻣﻞ رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﺳﯿﺴﺘﻢ‪ ،‬ﻗﺎﺑﻠﯿﺖ‬
‫از راﻫﺮوي اﺻﻠﯽ ﺣﻔﺎﻇﺖ ﺷﺪه ﺗﺎ ﺗﺮدد و ﺗﻐﯿﯿﺮات ﻫﻮاي ﺑﯿﺮون ﺗﺄﺛﯿﺮ ﻧﺎﮔﻬﺎﻧﯽ ﺑﺮ‬ ‫ﺗﻌﻤﯿﻢ دادن ﺑﺮ ﺳﺎﯾﺮ ﺳﯿﺴﺘﻢﻫﺎ را دارا ﺑﺎﺷﺪ و ﺑﻪ ﺻﻮرت ﺑﺮ ﺧﻂ ﻗﺎﺑﻠﯿﺖ ارزﯾﺎﺑﯽ‬
‫] ‪[ Downloaded from mme.modares.ac.ir on 2022-09-12‬‬

‫ﻫﻮاي داﺧﻞ اﺗﺎق ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬ ‫ﻋﻤﻠﮑﺮد روشﻫﺎي ﮐﻨﺘﺮﻟﯽ را دارا ﺑﺎﺷﺪ‪ .‬ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺑﻪ‬
‫دو زﯾﺮ ﺳﯿﺴﺘﻢ اﺻﻠﯽ‪ ،‬ﻗﺴﻤﺖ ﻫﻮاﺳﺎز و ﻗﺴﻤﺖ اﺗﺎق‪-‬ﮐﺎﻧﺎل رﻓﺖ‪ ،‬ﺗﻘﺴﯿﻢ ﺷﺪه‬
‫‪ -3‬ﻣﺪلﺳﺎزي‬ ‫اﺳﺖ‪ .‬از آنﺟﺎ ﮐﻪ ﺑﺴﯿﺎري از ﻫﻮاﺳﺎزﻫﺎ و اﻟﻤﺎنﻫﺎي ﺗﺸﮑﯿﻞ دﻫﻨﺪه آن )ﮐﻮﯾﻞ‬
‫ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺑﻪ دو زﯾﺮ ﺳﯿﺴﺘﻢ اﺻﻠﯽ ﺗﻘﺴﯿﻢ ﺷﺪه اﺳﺖ‪ ،‬ﻫﻮاﺳﺎز و‬ ‫ﺳﺮد‪-‬ﮔﺮم‪ ،‬رﻃﻮﺑﺖزن‪ ،‬ﻓﻦ ﻫﻮاي رﻓﺖ( در ﺳﯿﺴﺘﻢﻫﺎ ﻣﺸﺎﺑﻪ ﻫﺴﺘﻨﺪ اﺳﺎس‬
‫اﺗﺎق ﺗﻤﯿﺰ‪ ،‬ﮐﻪ ﻫﺮﯾﮏ داراي وﯾﮋﮔﯽﻫﺎي ﻣﺨﺼﻮص ﺧﻮد ﺑﻮدهاﻧﺪ‪ .‬ﻋﻤﻠﮑﺮد‬ ‫ﺳﺎﺧﺖ اﯾﻦ ﺑﺨﺶ از ﻣﺪل روش ﺟﻌﺒﻪ ﺳﻔﯿﺪ ﺑﻮده‪ .‬روش ﻣﺪلﺳﺎزي ﮐﻮﯾﻞﻫﺎ در‬
‫ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﻫﻮاﺳﺎز ﺑﺎ ﺗﻮﺟﻪ ﻣﺸﺨﺺ ﺑﻮدن ﻋﻨﺎﺻﺮ ﺗﺸﮑﯿﻞ دﻫﻨﺪه ﺑﻪ ﻧﺤﻮي‬ ‫ﭘﮋوﻫﺸﯽ ﮐﻪ ﻗﺒﻼً از ﻧﮕﺎرﻧﺪه ﭼﺎپ ﺷﺪه ﺑﻪ ﺗﻔﺼﯿﻞ ﺗﻮﺿﯿﺢ داده ﺷﺪه اﺳﺖ ]‪.[8‬‬
‫ﺷﺒﯿﻪﺳﺎزي ﺷﺪه اﺳﺖ ﮐﻪ ﻗﺎﺑﻠﯿﺖ ﺗﻌﻤﯿﻢ دادن روش‪ ،‬ﺑﻪ ﻫﻮاﺳﺎزﻫﺎي ﻣﺸﺎﺑﻪ را‬ ‫رﻃﻮﺑﺖزن و ﻓﻦ ﻫﻮاي رﻓﺖ ﺑﺎ اﺳﺘﻔﺎده از روش ﺟﻌﺒﻪ ﺳﻔﯿﺪ ﺷﺒﯿﻪﺳﺎزي ﺷﺪه‬
‫ﺗﻨﻬﺎ ﺑﺎ ﺟﺎﮔﺬاري ﭘﺎراﻣﺘﺮﻫﺎي ﺟﺪﯾﺪ دارا ﺑﺎﺷﺪ‪ .‬اﺗﺎق و ﮐﺎﻧﺎل ﻫﻮاي رﻓﺖ ﺑﻪ ﺳﺒﺐ‬ ‫اﺳﺖ‪ .‬از آنﺟﺎ ﮐﻪ در اﮐﺜﺮ ﺳﯿﺴﺘﻢﻫﺎي ﻣﺪﯾﺮﯾﺖ ﺳﺎﺧﺘﻤﺎن )‪ (1BMS‬اﻃﻼﻋﺎت‬
‫ﺟﺰﯾﯿﺎت ﺑﺴﯿﺎر زﯾﺎد و ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد‪ ،‬رواﺑﻂ ﻏﯿﺮﺧﻄﯽ و ﺑﺴﯿﺎر ﭘﯿﭽﯿﺪه ﮐﻪ ﺑﻪ‬ ‫ﻫﻮاي ﺧﺎرج ﺷﺪه از ﻫﻮاﺳﺎز و اﺗﺎق اﻧﺪازهﮔﯿﺮي ﻣﯽﺷﻮد‪ ،‬ﺗﺄﺛﯿﺮ ﺟﺰﯾﯿﺎت ﺑﺴﯿﺎر ﺑﺮ‬
‫ﺻﻮرت ﮐﻠﯽ رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ آن را ﺗﻮﺻﯿﻒ ﻣﯽﮐﻨﺪ ﺑﻪ روﺷﯽ ﺷﺒﯿﻪﺳﺎزي‬ ‫ﻫﻮاي داﺧﻞ اﺗﺎق و ﭘﯿﭽﯿﺪﮔﯽ ﻣﺤﺎﺳﺒﺎت در اﯾﻦ زﯾﺮ ﺳﯿﺴﺘﻢ ﺑﺎ اﺳﺘﻔﺎده از‬
‫ﺷﺪه ﮐﻪ ﻧﺘﺎﯾﺞ دﻗﯿﻖ و ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ ﺣﺎﺻﻞ ﺷﺪه اﺳﺖ‪.‬‬ ‫ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ اﺗﺎق و ﮐﺎﻧﺎل ﻫﻮاي رﻓﺖ ﺷﺒﯿﻪ‬
‫ﺳﺎزي ﺷﺪه اﺳﺖ ]‪. [12-9‬‬
‫‪ -1-3‬ﻣﺪلﺳﺎزي ﻫﻮاﺳﺎز‬
‫در اﯾﻦ ﭘﮋوﻫﺶ ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت ﮔﺮﻓﺘﻪ ﺷﺪه از ﯾﮑﯽ از اﺗﺎقﻫﺎي ﺗﻤﯿﺰ‬
‫ﻫﻮاﺳﺎز ﻣﺪل ﺷﺪه در اﯾﻦ ﭘﮋوﻫﺶ داراي زﯾﺮ ﺳﯿﺴﺘﻢﻫﺎي‪ ،‬ﮐﻮﯾﻞ ﺳﺮد و ﮔﺮم‪،‬‬
‫اﻧﺴﺘﯿﺘﻮ ﭘﺎﺳﺘﻮر اﯾﺮان ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺷﺒﯿﻪﺳﺎزي ﺷﺪه و ﻧﺘﺎﯾﺞ ﺑﺎ‬
‫ﻓﻦ ﻫﻮايرﻓﺖ و رﻃﻮﺑﺖزن‪" ،‬ﺷﮑﻞ‪ ،" 2‬ﮐﻪ رﻓﺘﺎر ﮐﻮﯾﻞ ﺳﺮد و ﮔﺮم را ﺑﻪ روش‬
‫اﻃﻼﻋﺎت ﺳﯿﺴﺘﻢ ‪ BMS‬ﻣﻘﺎﯾﺴﻪ ﮔﺮدﯾﺪه اﺳﺖ‪.‬‬
‫ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي و رﻃﻮﺑﺖزن و ﻓﻦ ﺑﻪ ﺷﯿﻮه ﺟﻌﺒﻪ ﺳﻔﯿﺪ ﺷﺒﯿﻪﺳﺎزي ﺷﺪه اﻧﺪ‪.‬‬
‫‪ -2‬ﻣﻌﺮﻓﯽ ﻣﺪل‬
‫در اﯾﻦ ﭘﮋوﻫﺶ ﺟﻬﺖ ﻣﺪلﺳﺎزي از ﺳﯿﺴﺘﻢ ﻓﻌﺎل ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﯾﮑﯽ از‬
‫] ‪[ DOR: 20.1001.1.10275940.1395.16.13.56.3‬‬

‫اﺗﺎقﻫﺎي ﺗﻤﯿﺰ اﻧﺴﺘﯿﺘﻮ ﭘﺎﺳﺘﻮر اﯾﺮان اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع‬
‫ﻣﻮردﻧﻈﺮ ﺗﻨﻬﺎ ﻫﻮاي ﯾﮑﯽ از اﺗﺎقﻫﺎ را ﺗﺄﻣﯿﻦ ﮐﺮده ﮐﻪ اﯾﻦ اﻣﺮ ﺑﺮرﺳﯽ ﻋﻤﻠﮑﺮد‬
‫ﻣﺪل ﺳﺎﺧﺘﻪ ﺷﺪه را آﺳﺎن ﺗﺮ ﮐﺮده اﺳﺖ‪ .‬ﻣﺮاﺣﻞ ﭘﯿﺶ ﮔﺮﻣﺎﯾﺶ‪ ،‬ﺗﺮﮐﯿﺐ ﻫﻮاي‬
‫ﺑﺮﮔﺸﺖ ﺑﺎ ﻫﻮاي ﺗﻤﯿﺰ و ﻣﺮاﺣﻞ ﻣﯿﮑﺮوبزداﯾﯽ در ﻫﻮاﺳﺎز دﯾﮕﺮي اﻧﺠﺎم و‬
‫ﺧﺮوﺟﯽ آن ﺑﻪ ﻋﻨﻮان ورودي ﻫﻮاﺳﺎز اﺻﻠﯽ ﻣﺪﻧﻈﺮ ﻗﺮار ﮔﺮﻓﺘﻪ ﺷﺪه‪ ،‬ازاﯾﻦرو‬
‫ﺗﺮﮐﯿﺐﮐﻨﻨﺪه ﻫﻮا ﺷﺒﯿﻪﺳﺎزي ﻧﺸﺪه اﺳﺖ‪" .‬ﺷﮑﻞ‪."1‬‬
‫‪Fig. 2 AHU of clean room‬‬ ‫ﮐﻠﯿ‪‬ﻪ اﻃﻼﻋﺎت ﻣﻮردﻧﯿﺎز ﺗﻮﺳﻂ ﺳﺎﻣﺎﻧﻪ ﻣﺪﯾﺮﯾﺖ ﺳﺎﺧﺘﻤﺎن ﭘﺎﯾﺶ و ﺿﺒﻂ ﻣﯽ‬
‫ﺷﮑﻞ ‪ 2‬ﻫﻮاﺳﺎز ﻣﺮﺑﻮط ﺑﻪ اﺗﺎق ﺗﻤﯿﺰ‬ ‫ﺷﻮد‪ .‬ﻫﻤﺎنﮔﻮﻧﻪ ﮐﻪ ﻧﻤﺎﯾﺶ داده ﺷﺪه اﺳﺖ اﺗﺎق ﺗﻤﯿﺰ ﺗﻮﺳﻂ ﻣﻨﻄﻘﻪي اﯾﺰوﻻﺳﯿﻮن‬
‫ ‬
‫‪1‬‬
‫‪Building Management System‬‬

‫ ‬ ‫ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ ﻣﺪرس‪ ،‬ﻣﻬﺮ ‪ ،1395‬دوره ‪ ،16‬ﺷﻤﺎره ‪ ،13‬ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت دوﻣﯿﻦ ﮐﻨﻔﺮاﻧﺲ ﺑﯿﻦاﻟﻤﻠﻠﯽ ﺗﻬﻮﯾﻪﻣﻄﺒﻮع و ﺗﺎﺳﯿﺴﺎت ﺣﺮارﺗﯽ و ﺑﺮودﺗﯽ‬ ‫‪172‬‬
‫ ‬
 ‫ﻣﺴﻌﻮد ﻧﻈﺮي و ﻋﻠﯽ ﻏﻔﺎري ‬ ‫ﻃﺮّاﺣﯽ ﻣﺪل ﺑﺮﺧﻂ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ ﺑﻪ ﻣﻨﻈﻮر ارزﯾﺎﺑﯽ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﺎ روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي‬
‫ ‬
‫)‪ (NARX1‬ﺑﻪ ﻋﻨﻮان ﻣﻨﺎﺳﺐﺗﺮﯾﻦ روش در ﺷﺒﯿﻪﺳﺎزي رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ‬ ‫‪ -1-1-3‬ﻣﺪلﺳﺎزي ﮐﻮﯾﻞ‬
‫اﺗﺎق ﺗﻤﯿﺰ و ﮐﺎﻧﺎل ﻫﻮاي رﻓﺖ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﻣﻌﺎدﻻت )‪ (5-8‬ﻋﻤﻠﮑﺮد اﯾﻦ‬ ‫ﮐﻮﯾﻞﻫﺎ اﺻﻠﯽﺗﺮﯾﻦ ﻧﻘﺶ را در ﺳﺮﻣﺎﯾﺶ‪ ،‬ﮔﺮﻣﺎﯾﺶ و ﺣﺬف رﻃﻮﺑﺖ در ﻫﻮاي‬
‫ﻧﻮع از ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ را ﺑﯿﺎن ﻣﯽﮐﻨﻨﺪ ]‪.[18-14‬‬ ‫رﻓﺖ ﺑﻪ ﻋﻬﺪه دارﻧﺪ‪ .‬رﻓﺘﺎر ﮐﻮﯾﻞ ﮔﺮم‪ ،‬ﺑﺴﯿﺎر ﺷﺒﯿﻪ رﻓﺘﺎر ﮐﻮﯾﻞ ﺳﺮد در ﻣﺤﯿﻂ‬
‫=) ‪( +‬‬ ‫ﺧﺸﮏ ﻣﯽﺑﺎﺷﺪ از اﯾﻦ رو ﺷﺒﯿﻪﺳﺎزي رﻓﺘﺎر ﮐﻮﯾﻞ ﺳﺮد در دو ﻣﺤﯿﻂ ﺧﺸﮏ و‬
‫‪ ( ( ). (− ). … . (−‬‬ ‫‪).‬‬ ‫‪( ).‬‬ ‫‪(− ). … .‬‬ ‫‪(−‬‬ ‫))‬
‫)‪(5‬‬ ‫ﻣﺮﻃﻮب رﻓﺘﺎر ﮐﻮﯾﻞﻫﺎ ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ‪ .‬ﺗﺎﮐﻨﻮن ﺗﻼشﻫﺎي ﺑﺴﯿﺎري در اراﺋﻪ‬
‫‪( + ) = ( ( ). ( − ). … . ( −‬‬ ‫‪). ( ). ….‬‬ ‫ﺷﯿﻮهﻫﺎي ﻧﻮﯾﻦ ﺷﺒﯿﻪﺳﺎزي رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﮐﻮﯾﻞ اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬در ﻣﻘﺎﻟﻪ‬
‫‪( −‬‬ ‫‪). ( ). ( − ). … . ( −‬‬ ‫)‪( 6‬‬ ‫)‬ ‫اي ﮐﻪ از ﻧﮕﺎرﻧﺪه ﺑﻪ ﭼﺎپ رﺳﯿﺪه اﺳﺖ رﻓﺘﺎر ﮐﻮﯾﻞ ﺷﺒﯿﻪﺳﺎزي ﺷﺪه ‪[8].‬‬
‫) ‪( + )= ( + )+ ( +‬‬ ‫)‪( 7‬‬
‫)‪( + ) = ( + ) + ( + ) (8‬‬ ‫‪ -2-1-3‬ﻣﺪلﺳﺎزي ﻓﻦ‬
‫در اﯾﻦ ﻣﻌﺎدﻻت ) ( و ) ( ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ در زﻣﺎن و ) ( و‬ ‫ﻓﻦ ﻫﻮاي رﻓﺖ ﮐﻪ در اﯾﻦ ﭘﮋوﻫﺶ ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ در ﺣﺎﻟﺖ اﯾﺪهآل در ﻧﻈﺮ‬
‫) ( ورودي ﺳﯿﺴﺘﻢ ) ‪ ( +‬و ) ‪ ( +‬ﻣﻘﺎدﯾﺮ ﭘﯿﺶﺑﯿﻨﯽ ﺷﺪه ﺑﺎ‬ ‫ﮔﺮﻓﺘﻪ ﺷﺪه ﮐﻪ ﻫﯿﭻ ﺗﺄﺛﯿﺮي ﺑﺮ روي رﻃﻮﺑﺖ ﻫﻮا ﻧﺨﻮاﻫﺪ داﺷﺖ‪ .‬ﻣﻮﺗﻮر ﻓﻦ در‬
‫ﺗﺄﺧﯿﺮ زﻣﺎﻧﯽ ﻣﯽﺑﺎﺷﺪ‪ ( + ) .‬و ) ‪ ( +‬ﺧﺮوﺟﯽ واﻗﻌﯽ ﺳﯿﺴﺘﻢ در‬ ‫ﻣﺴﯿﺮ ﺣﺮﮐﺖ ﻫﻮا ﻧﺒﻮده اﺳﺖ و اﯾﻦ ﻣﺴﺌﻠﻪ ﺳﺒﺐ ﻣﯽﺷﻮد ﺗﻨﻬﺎ ﺗﻐﯿﯿﺮات اﯾﺠﺎد‬
‫زﻣﺎن ) ‪ ( +‬اﺳﺖ ‪ ( + ).‬و ) ‪ ( +‬ﺧﻄﺎي ﻣﺮﺑﻮط اﺳﺖ‪ .‬در اﯾﻦ‬ ‫ﺷﺪه در دﻣﺎي ﻫﻮا ﺑﯿﻦ℃‪ 1℃ − 2‬ﺑﻮده اﺳﺖ‪ .‬رواﺑﻂ ﻣﺮﺗﺒﻪ اول )‪(1,2‬‬
‫ﻣﻌﺎدﻻت ﻣﻘﺪار ﺧﺮوﺟﯽ ﭘﯿﺶﺑﯿﻨﯽ ﺷﺪه ) ‪ ( +‬ﺑﻪ دﻗﺖ ﻣﻘﺎدﯾﺮ ﺧﺮوﺟﯽ‬ ‫ﺗﻐﯿﯿﺮات ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮑﯽ ﻫﻮا ﭘﺲ از ﻋﺒﻮر از ﻓﻦ ﺗﺸﺮﯾﺢ ﮐﺮدهاﻧﺪ‪.‬‬
‫̇ ∆‬
‫ﺳﯿﺴﺘﻢ ﺑﺴﯿﺎر واﺑﺴﺘﻪ اﺳﺖ‪ .‬ﺑﺮاي ﺑﻬﺘﺮ ﮐﺮدن ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﻣﯽﺗﻮان ﻣﻌﺎدﻟﻪ‬ ‫ =‬ ‫)‪(1‬‬
‫)‪ (9‬را ﺑﻪ ﺟﺎي ﻣﻌﺎدﻟﻪ )‪ (8‬ﺑﻪ ﮐﺎر ﺑﺮد ‪.‬‬ ‫(=‬ ‫ ‪+ (1 −‬‬ ‫)‬ ‫)‬ ‫)‪(2‬‬
‫=) ‪( +‬‬ ‫در رواﺑﻂ ﻓﻮق ﺗﻮان ﻣﺼﺮﻓﯽ ﻣﻮﺗﻮر ﺑﺮﺣﺴﺐ ‪ ∆ ،watt‬اﻓﺖ ﻓﺸﺎر اﯾﺠﺎد‬
‫‪( ( ). (− ). … . (−‬‬ ‫‪). (+ ). ( ). ….‬‬
‫ ﺑﺎزده ﻣﻮﺗﻮر و‬ ‫ﺷﺪه‪ ̇ ،‬ﺳﺮﻋﺖ ﺟﺮﯾﺎن ﻫﻮا ﺑﺮﺣﺴﺐ )‪، (m ⁄s‬‬
‫‪(−‬‬ ‫‪). ( ). ( − ). … . ( −‬‬ ‫)‬ ‫)‪(9‬‬
‫ﮔﻮﯾﺎي اﻓﺖ ﻓﻦ در ﻫﻮا ﻣﯽﺑﺎﺷﺪ‪.‬‬
‫اﻃﻼﻋﺎت دو ﻣﺎه )ﻣﺮداد و ﺷﻬﺮﯾﻮر ﺳﺎل ‪ (21394‬ﺑﻪدﺳﺖآﻣﺪه از ﺳﯿﺴﺘﻢ‬
‫ﻣﺪﯾﺮﯾﺖ ﺳﺎﺧﺘﻤﺎن اﺗﺎق ﺗﻤﯿﺰ اﻧﺴﺘﯿﺘﻮﭘﺎﺳﺘﻮر اﯾﺮان ﺑﺎ ﻓﺎﺻﻠﻪي زﻣﺎﻧﯽ ﻧﻤﻮﻧﻪﮔﯿﺮي‬ ‫‪ -3-1-3‬ﻣﺪلﺳﺎزي رﻃﻮﺑﺖزن‬
‫] ‪[ Downloaded from mme.modares.ac.ir on 2022-09-12‬‬

‫‪ 1‬دﻗﯿﻘﻪاي ﺑﺮاي آﻣﻮزش و اﻋﺘﺒﺎرﺳﻨﺠﯽ ﻣﺪل اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﯾﮏ ﺷﺒﮑﻪ‬ ‫در اﺗﺎق ﺗﻤﯿﺰ ﻣﯿﺰان رﻃﻮﺑﺖ ﻣﻮﺟﻮد در ﻫﻮا از ﻋﻮاﻣﻞ ﻣﻬﻢ در ﺗﻌﯿﯿﻦ ﮐﯿﻔﯿﺖ آن‬
‫ﻋﺼﺒﯽ ‪ NARX‬ﺑﺎ ‪ 3‬ﻧﻮرون در ورودي‪ 3 ،‬ﻧﻮرون در ﺧﺮوﺟﯽ و ‪ 14‬ﻧﻮرون در‬ ‫ﻣﯽﺑﺎﺷﺪ‪ .‬ﺑﻪﻣﻨﻈﻮر ﺗﺰرﯾﻖ رﻃﻮﺑﺖ ﻣﻮردﻧﯿﺎز ﺑﻪ ﻫﻮاي رﻓﺖ از رﻃﻮﺑﺖزن اﺳﺘﻔﺎده‬
‫ﻻﯾﻪ ﻣﺨﻔﯽ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ﻟﻮﻧﺒﺮگ‪ -‬ﻣﺎرﮐﻮارد ‪3‬آﻣﻮزش داده ﺷﺪه‬ ‫ﺷﺪه اﺳﺖ‪ .‬ﺑﺨﺎر ﺧﺸﮏ اﺿﺎﻓﻪ ﺷﺪه ﻣﯽﺑﺎﯾﺴﺖ ﻗﺒﻞ از ورود ﺑﻪ رﻃﻮﺑﺖ زن‬
‫اﺳﺖ رﻓﺘﺎر اﺗﺎق را ﺷﺒﯿﻪﺳﺎزي ﺷﺪه اﺳﺖ‪.‬‬ ‫ﻣﺮاﺣﻞ اﺳﺘﺮﯾﻞ ﺷﺪن را ﭘﯿﻤﻮده ﺑﺎﺷﺪ‪ .‬رواﺑﻂ )‪(3,4‬ﺗﻐﯿﯿﺮات اﯾﺠﺎد ﺷﺪه در‬
‫اﻧﺮژي و ﺟﺮم ﻫﻮاي ﻋﺒﻮر ﮐﺮده از رﻃﻮﺑﺖ زن را ﻧﻤﺎﯾﺶ ﻣﯽدﻫﺪ‪.‬‬
‫‪ -4‬ارزﯾﺎﺑﯽ ﻣﺪل‬
‫ ‬ ‫ =‬ ‫ ‬ ‫(‬ ‫ ‪−‬‬ ‫( ∝ ‪) +‬‬ ‫ ‪−‬‬ ‫)‬ ‫)‪(3‬‬
‫ﭘﺲ از ﺳﺎﺧﺖ ﻣﺪل ﻫﺮ زﯾﺮ ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﯾﺴﺖ ﻣﺪل ﯾﮑﭙﺎرﭼﻪ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ‬ ‫) (‬
‫ﻣﻄﺒﻮع ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‪ .‬در ارزﯾﺎﺑﯽ اﻃﻼﻋﺎت ﺑﻪ دﺳﺖ آﻣﺪه از ﺧﺮوﺟﯽ ﻣﺪل‬ ‫ ‬ ‫ =‬ ‫( ‬ ‫ ‪−‬‬ ‫ ‪) +‬‬ ‫)‪(4‬‬
‫ﻫﻮاﺳﺎز ﺑﺮاي ورودي اﺗﺎق اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬ ‫در رواﺑﻂ ﻓﻮق ﻇﺮﻓﯿﺖ ﮔﺮﻣﺎﯾﯽ رﻃﻮﺑﺖزن‪ ،‬دﻣﺎي ﻫﻮاي وارد ﺷﺪه‪،‬‬
‫از آنﺟﺎﮐﻪ اﻃﻼﻋﺎت ﺧﺮوﺟﯽ ﻫﻮاﺳﺎز در دﺳﺘﺮس ﻧﺒﻮده اﺳﺖ رﻓﺘﺎر‬ ‫ﮔﺮﻣﺎي وﯾﮋه ﻫﻮا‪ ∝ ،‬ﺿﺮﯾﺐ اﻧﺘﻘﺎل ﮔﺮﻣﺎي ﻫﻮا‪،‬‬ ‫‪ f‬دﺑﯽ ﻫﻮاي وارد ﺷﺪه‪،‬‬
‫ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﻫﻮاﺳﺎز ﺑﺎ ﺑﺮرﺳﯽ ﮐﻠﯽ ﻣﺪل ﻧﺘﯿﺠﻪﮔﯿﺮي ﺷﺪه اﺳﺖ‪ .‬ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ‬ ‫رﻃﻮﺑﺖ ﻫﻮاي وارد‬ ‫ﮔﻨﺠﺎﯾﺶ رﻃﻮﺑﺖزن‪،‬‬ ‫‪ T‬دﻣﺎي ﻫﻮاي ﺑﯿﺮون‪،‬‬
‫ﺷﺪه از ﻣﺪل ﻫﻮاﺳﺎز در "ﺷﮑﻞ ‪ "3‬آورده ﺷﺪه اﺳﺖ‪.‬‬ ‫ﺷﻮﻧﺪه‪ ℎ( ) ،‬ﺳﺮﻋﺖ ﻫﻮاي ﻣﺮﻃﻮب آﻣﺎده ﺷﺪه در رﻃﻮﺑﺖ زن اﺳﺖ‪ .‬ﭘﺲ از‬
‫‪120‬‬
‫ﻣﺪلﺳﺎزي زﯾﺮ ﺳﯿﺴﺘﻢﻫﺎي ﻫﻮاﺳﺎز ﺑﻪﺻﻮرت ﺟﺪاﮔﺎﻧﻪ‪ ،‬ﻫﺮ ﯾﮏ را ﺑﻪ دﯾﮕﺮي‬
‫ارﺗﺒﺎط ﻣﯽ دﻫﯿﻢ ﺗﺎ ﻣﺪل ﯾﮑﭙﺎرﭼﻪ ﻫﻮاﺳﺎز ﺣﺎﺻﻞ ﺷﻮد ]‪.[9‬‬
‫‪100‬‬
‫‪out let moisture divided by 6‬‬
‫)‪T(℃) , W(g/kg‬‬

‫‪80‬‬
‫‪outlet fluid temoerature‬‬ ‫‪ -2-3‬ﻣﺪلﺳﺎزي اﺗﺎق ﺗﻤﯿﺰ و ﮐﺎﻧﺎل ﻫﻮاي رﻓﺖ‬
‫‪60‬‬
‫‪out let air temperature‬‬
‫اراﺋﻪ ﺷﯿﻮهاي ﮐﻪ ﺑﺘﻮاﻧﺪ رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﻣﺤﯿﻂﻫﺎي ﻣﺴﮑﻮﻧﯽ را ﺑﺎ دﻗﺖ‬
‫‪40‬‬
‫ﻣﻨﺎﺳﺐ ﺷﺒﯿﻪﺳﺎزي ﮐﻨﺪ از دﻏﺪﻏﻪﻫﺎي ﭘﮋوﻫﺸﮕﺮان ﺑﻮده اﺳﺖ‪ .‬ﺗﺄﺛﯿﺮﮔﺬاري‬
‫] ‪[ DOR: 20.1001.1.10275940.1395.16.13.56.3‬‬

‫‪20‬‬ ‫ﻋﻮاﻣﻞ ﺑﺴﯿﺎري ﻣﺎﻧﻨﺪ ﻧﺤﻮهي ﺗﺄﺛﯿﺮ ﺗﺎﺑﺶ آﻓﺘﺎب ﺑﺮ اﺗﺎق‪ ،‬ﺗﻌﺪاد ﻧﻔﺮات و‬
‫‪0‬‬ ‫ﺗﺠﻬﯿﺰات اﻟﮑﺘﺮﯾﮑﯽ داﺧﻞ اﺗﺎق و ﻣﯿﺰان ﻓﻌﺎﻟﯿﺖ آنﻫﺎ و ﺑﺴﯿﺎري ﻋﻮاﻣﻞ ﻣﺨﺘﻠﻒ‬
‫‪0.501505‬‬
‫‪4.11234‬‬
‫‪10.1304‬‬
‫‪18.656‬‬
‫‪30.1906‬‬
‫‪45.6369‬‬
‫‪67.001‬‬
‫‪88.1645‬‬
‫‪108.826‬‬
‫‪123.972‬‬
‫‪145.035‬‬
‫‪159.178‬‬
‫‪175.326‬‬
‫‪191.174‬‬
‫‪213.44‬‬
‫‪237.914‬‬
‫‪257.071‬‬
‫‪274.122‬‬

‫ﺳﺒﺐ ﺷﺪه اﺳﺖ‪ ،‬روشﻫﺎي ﮐﻼﺳﯿﮏ ﻣﺪلﺳﺎزي در اﯾﻦ ﺑﺨﺶ از ﺳﯿﺴﺘﻢ‬

‫ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺑﺎ اﺳﺘﻘﺒﺎل ﮐﻤﺘﺮي روﺑﻪرو ﺑﺎﺷﻨﺪ‪ .‬ﻇﻬﻮر روشﻫﺎي ﻣﺪلﺳﺎزي‬
‫)‪Time (s‬‬ ‫ﺑﺮاﺳﺎس ﻣﺤﺎﺳﺒﺎت ﻧﺮم ﺑﺎ دﻗﺖ ﻣﻨﺎﺳﺒﯽ رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ اﺗﺎق را ﺷﺒﯿﻪﺳﺎزي‬
‫‪Fig. 3 output of AHU modeling‬‬
‫ﻣﯽﮐﻨﺪ و ﺑﺴﯿﺎري از ﻣﺸﮑﻼت ﺷﺒﯿﻪﺳﺎزي ﻣﺮﺗﻔﻊ ﺷﺪه اﺳﺖ ]‪.[14-11‬‬
‫ﺷﮑﻞ ‪ 3‬ﺧﺮوﺟﯽ ﻣﺪل ﻫﻮاﺳﺎز‬
‫ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﯾﮑﯽ از ﮐﺎرﺑﺮديﺗﺮﯾﻦ روشﻫﺎي ﺷﺒﯿﻪﺳﺎزي ﺑﻪ‬
‫ ‬ ‫ﺷﻤﺎر ﻣﯽروﻧﺪ‪ .‬در ﻣﯿﺎن اﻧﻮاع ﻣﺨﺘﻠﻒ ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ‪ ،‬در اﯾﻦ‬
‫‪1‬‬
‫‪Nonlinear Auto Regressive Exogenous‬‬
‫‪2‬‬
‫‪3‬‬
‫‪22 Jul 2015 - 22 Sep 2015‬‬ ‫ﭘﮋوﻫﺶ از ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺧﻮد ﺑﺎزﮔﺸﺘﯽ ﺑﺎ ورودي ﺧﺎرﺟﯽ‬
‫‪Levenbreg-Marquardt‬‬

‫‪173‬‬ ‫ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ ﻣﺪرس‪ ،‬ﻣﻬﺮ ‪ ،1395‬دوره ‪ ،16‬ﺷﻤﺎره ‪ ،13‬ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت دوﻣﯿﻦ ﮐﻨﻔﺮاﻧﺲ ﺑﯿﻦاﻟﻤﻠﻠﯽ ﺗﻬﻮﯾﻪﻣﻄﺒﻮع و ﺗﺎﺳﯿﺴﺎت ﺣﺮارﺗﯽ و ﺑﺮودﺗﯽ‬
‫ ‬
 ‫ﻣﺴﻌﻮد ﻧﻈﺮي و ﻋﻠﯽ ﻏﻔﺎري‬ ‫ﻃﺮّاﺣﯽ ﻣﺪل ﺑﺮﺧﻂ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع اﺗﺎق ﺗﻤﯿﺰ ﺑﻪ ﻣﻨﻈﻮر ارزﯾﺎﺑﯽ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﺎ روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي‬

[3] Jing-Nang Lee, Tsung-Min Lin, and Chien-Chih Chen, Modeling ‫ ﻧﺘﺎﯾﺞ ارزﯾﺎﺑﯽ ﻣﺪل ﺳﺎﺧﺘﻪ ﺷﺪه‬1 ‫ﺟﺪول‬
Validation and Control Analysis for Controlled Temperature and
Table. 1 validation results of model
Humidity of Air Conditioning System , Hindawi Publishing
Corporatione Scientific World Journal ,Volume 2014, Article ID ‫اﻃﻼﻋﺎت‬
‫ﻣﺠﺬور ﮐﻤﺘﺮﯾﻦ ﺧﻄﺎ‬ ‫ﺧﻄﺎ‬
903032, 10 pages. ‫اﺳﺘﻔﺎده ﺷﺪه‬
[4] Abdul Afram, Farrokh Jenabi, Black box modeling of residential
HVAC system and comparison of gray box and black box ‫آﻣﻮزش‬ 7315 1.780099×10 9.99697×10
modeling methods, Energy and Buildings 94 (2015) 121-141. ‫داده ﺳﻨﺠﯽ‬ 1567 1.9889×10 9.9966×10
[5] Nabil Nassif, Modeling and optimization of HVAC systems using
artificial neural network and genetic algorithm, build simul. (2014) ‫ارزﯾﺎﺑﯽ‬ 1567 3.76374×10 9.9932×10
7: 237–245.
[6] N.NithyaRani1, Dr.S.M.GirirajKumar2, Dr.N.Anantharaman,
Modeling and control of temperature process using genetic ‫ ﺟﻬﺖ آﻣﻮزش و‬70% ،‫از ﻣﺠﻤﻮع اﻃﻼﻋﺎت اﺳﺘﻔﺎده ﺷﺪه ﺑﺮاي ﻣﺪلﺳﺎزي اﺗﺎق‬
algorithm, Electronics and Instrumentation Engineering, Vol. 2,
‫ از ﮐﻞ اﻃﻼﻋﺎت‬15% ‫ﺳﻬﻢ اﻋﺘﺒﺎرﺳﻨﺠﯽ و آزﻣﺎﯾﺶ ﻣﺪل اﺗﺎق ﺑﻪﺻﻮرت ﻣﺴﺎوي‬
Issue 11, November 2013.
[7] Abdul Afram, Farrokh Janabi-Sharifi, Gray-box modeling and .‫ ﻧﻤﺎﯾﺶ داده ﺷﺪه اﺳﺖ‬1 ‫ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ ارزﯾﺎﺑﯽ ﮐﻞ ﻣﺪل در ﺟﺪول‬.‫ﺑﻮده اﺳﺖ‬
validation of residential HVAC system for control system design,
Applied Energy 137 (2015) 134–150.
[8] Masoud Nazari, Ali Ghaffari, Modeling and Analysis of Cooling C ‫ ﻧﺘﯿﺠﻪﮔﯿﺮي‬-5
oil for Control System Design using Gray Box Approach, Modern
Applied Science; Vol. 10, No. 10; 2016
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ ﺷﺪه در اﯾﻦ ﭘﮋوﻫﺶ روﺷﯽ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ ﮐﻪ‬
[9] Theodore L. Bergman, Adrienne S. Lavine, Frank P. Incropera, ‫ ﻣﺪل‬.‫رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻬﻮﯾﻪ ﻣﻄﺒﻮع ﺷﺒﯿﻪﺳﺎزي ﺷﺪه اﺳﺖ‬
David P. Dewitt, Fundemental of heat and mass transfer, 17(2011),
241-257. ‫ﭘﯿﺸﻨﻬﺎدي ﺗﻤﺎﻣﯽ ﻧﮑﺎت ﻻزم ﺑﺮاي ارزﯾﺎﺑﯽ ﺑﺮﺧﻂ روشﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻣﺨﺘﻠﻒ را‬
[10] Hao Huang, Lei Chen, Morteza Mohammadzaheri, Eric Hu, and ‫ در روش ﭘﯿﺸﻨﻬﺎدي ﻣﯽﺗﻮان ﺗﻨﻬﺎ ﺑﺎ ﺟﺎﮔﺬاري‬.‫در دﺳﺘﺮس ﻗﺮار داده اﺳﺖ‬
Minlei Chen, Multi-zone temperature prediction in a commercial
building using artificial neural network model, 2013 10th IEEE ‫ ﺑﺪﯾﻦ ﻣﻨﻈﻮر از‬،‫ﭘﺎراﻣﺘﺮﻫﺎي ﺟﺪﯾﺪ ﻣﺪل را ﺑﺮاي ﺳﯿﺴﺘﻢﻫﺎي دﯾﮕﺮ ﻋﻤﻮﻣﯿﺖ داد‬
International Conference on Control and Automation
(ICCA) .Hangzhou, China, June 12-14, 2013.
‫ در‬.‫روش ﻣﺪلﺳﺎزي ﮐﻼﺳﯿﮏ و روش ﺟﻌﺒﻪ ﺧﺎﮐﺴﺘﺮي اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‬
[11] Gongsheng Huang, Model predictive control of VAV zone thermal ‫ﻣﺪلﺳﺎزي رﻓﺘﺎر ﺗﺮﻣﻮدﯾﻨﺎﻣﯿﮏ اﺗﺎق ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺟﺰﯾﯿﺎت ﺑﺴﯿﺎر و ﻣﺆﺛﺮ از روش‬
systems concerning bi-linearity and gain nonlinearity, Control
Engineering Practice19 (2011)700–710 . .‫ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﺧﻮد ﺑﺎزﮔﺸﺘﯽ ﺑﺎ ورودي ﺧﺎرﺟﯽ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‬
[ Downloaded from mme.modares.ac.ir on 2022-09-12 ]

[12] Shujiang Li, Shuang Ren , Xiangdong Wang, HVAC room
temperature prediction control based on neural network model,
Fifth Conference on Measuring Technology and Mechatronics
Automation. 2013
[13]Siyu Wu, Jian-Qiao Sun, A physics-based linear parametric model
of room temperature in office buildings, Building and Environment
50 (2012) 1-9.
[14] Servet Soyguder , Hasan Ali, An expert system for the humidity
and temperature control in HVAC systems using ANFIS and
optimization with Fuzzy Modeling Approach, Energy and
Buildings 41 (2009) 814–822.
[15] Bourhan Tashtoush, M. Molhim, M. Al-Rousan, Dynamic model
of an HVAC system for control analysis, Energy 30 (2005) 1729–
1745.
[16] Andrew Kusiak, Guanglin Xu, Modeling and optimization of
HVAC systems using a dynamic neural network, Energy 42 (2012)
241e250.
[17] Martin de Wit, Nabil Nassif, Modeling and optimization of HVA
C systems using artificial neural network and genetic algorithm,
build simul (2014) 7: 237–245.
[18] A.W.M. van Schijndel, H.L. Schellen, J.L. Wijffelaars, K. van
Zundert, Application of an integrated indoor climate, HVAC and
showcase model for the indoor climate performance of a museum,
Energy and Buildings 40 (2008) 647–653.
[ DOR: 20.1001.1.10275940.1395.16.13.56.3 ]
‫در دﺳﺘﺮس ﻧﺒﻮدن ﯾﮏ ﺳﯿﺴﺘﻢ آزﻣﺎﯾﺸﮕﺎﻫﯽ ﮐﻪ ﺗﻤﺎﻣﯽ اﻟﻤﺎنﻫﺎ را ﭘﺎﯾﺶ ﮐﻨﺪ‬
‫ در‬.‫ﺳﺒﺐ ﺷﺪ اﻣﮑﺎن ارزﯾﺎﺑﯽ ﻋﻤﻠﮑﺮد ﻫﻮاﺳﺎز ﺑﻪﺻﻮرت ﻣﺴﺘﻘﻞ ﻣﻬﯿﺎ ﻧﺒﺎﺷﺪ‬
‫اﺧﺘﯿﺎر داﺷﺘﻦ ﺣﺠﻢ ﺑﯿﺸﺘﺮي از اﻃﻼﻋﺎت در دﻗﺖ ﺑﯿﺸﺘﺮ ﻣﺪل اﺗﺎق ﺗﺄﺛﯿﺮ‬
.‫ﻓﺮاواﻧﯽ ﺧﻮاﻫﺪ داﺷﺖ‬
‫ ﻗﺪرداﻧﯽ‬-6
‫در ﭘﺎﯾﺎن ﻻزم اﺳﺖ از ﻣﺴﺌﻮﻟﯿﻦ اﻧﺴﺘﯿﺘﻮ ﭘﺎﺳﺘﻮر اﯾﺮان ﺑﻪ وﯾﮋه ﻣﺘﺨﺼﺼﯿﻦ‬
‫ﺑﺨﺶ ﺗﺄﺳﯿﺴﺎت ﮐﻪ ﻣﻬﺮﺑﺎﻧﺎﻧﻪ اﻃﻼﻋﺎت ﻻزم را در اﺧﺘﯿﺎر ﭘﮋوﻫﺸﮕﺮان ﻗﺮار دادﻧﺪ‬
‫ ﻣﺪلﺳﺎزي اﯾﻦ ﭘﮋوﻫﺶ ﺑﺎ ﻫﻤﮑﺎري ﺻﻤﯿﻤﺎﻧﻪ ﻣﺮﮐﺰ‬.‫ﮐﻤﺎل ﺗﺸﮑﺮ را ﺑﻪﺟﺎ آورﯾﻢ‬
.‫ﻣﺪلﺳﺎزي داﻧﺸﮕﺎه آزاد اﺳﻼﻣﯽ واﺣﺪ ﺗﻬﺮان ﺟﻨﻮب ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ‬
‫ ﻣﺮاﺟﻊ‬-7
[1] Raad Z.Homod, Review on the HVAC system modeling types and
shortcomings of their applications, Hindawi Publishing
Corporation Journal of Energy, Volume 2013, Article
ID768932,10 pages .
[2] Abdul Afram, Farrokh Janabi-Sharifi, Theory and applications of
HVAC control systems e A review of model predictive control
(MPC), Energy and Buildings, 94 (2014) 78-89.

‫ ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت دوﻣﯿﻦ ﮐﻨﻔﺮاﻧﺲ ﺑﯿﻦاﻟﻤﻠﻠﯽ ﺗﻬﻮﯾﻪﻣﻄﺒﻮع و ﺗﺎﺳﯿﺴﺎت ﺣﺮارﺗﯽ و ﺑﺮودﺗﯽ‬،13 ‫ ﺷﻤﺎره‬،16 ‫ دوره‬،1395 ‫ ﻣﻬﺮ‬،‫ﻣﻬﻨﺪﺳﯽ ﻣﮑﺎﻧﯿﮏ ﻣﺪرس‬ 174

Powered by TCPDF (www.tcpdf.org)