因此，对于直膨式空调温湿度控制的研究，Li et al。[16]首次采用 ANN 方式建模。利用 ANN 方法建立了一个 2-6-6-2 的神经网络，通过实验获取 169 组实验数据，将其带入已经建立的神 经网络来训练和测试。研究得出在进气状态为 24℃、相对湿度为 50%时，运用此建模方式和 反馈训练方法，所有参数（总的冷却能力和设备显热率）的相对误差小于 4%，大部分小于 1%，体现出了较高的准确性。然而，这只是在一种进气条件下得到的实验结果，不足以说明 问题。Li et al。[17]又在另外三种进气条件下进行实验，改用直接反向控制（DIC，Direct inverse control）策略，实验结果表明平均相对误差不超过 0。4%，最大相对误差不超过 1。2%。同时， 也进行了指令测试和抗干扰测试，发现以 ANN 为基础的控制器不仅可以追踪指令，也可以 有效地抵抗外界干扰；充分验证了以 ANN 为基础的控制器在此问题上的可行性和实用性。论文网

但是，这些实验仅在特定的进气条件下进行，不能说明该控制方案可以在房间所有可能 出现的状态下还拥有很好的制冷除湿能力。另外，运用此种方法不能准确地外推经验或实验 训练范围外的模型参数，即对经验或实验训练范围外的温湿度参数不能有一个很好的预测、 控制效果。

（3）FLC 控制方法

基于 ANN 模型建立的控制方案虽然运行效果比较好，但是它并不一定对室内存在的所 有状态都有良好的控制效果。为此，Li et al。[18]又提出了一种新的思路：采用 ANN 模型与模 糊逻辑控制方法相结合的控制方案。模糊逻辑控制（FLC，Fuzzy Logic control）方法，它既 非某一种特定的逻辑，也不是一种机械逻辑；而它是一种基于一系列模糊控制准则的控制方 法，Lee 对这种模糊控制算法有详细的描述[19][20]。这些模糊控制准则其实是来源于人们实际 生活经验和常识而总结的规律；显然这种模糊的控制规律用于解决复杂系统或者参数之间的 响应关系是十分高效的。由于，无法将这种模糊的控制规律用物理模型或者数学公式进行详细表达，于是在 Li et al。 的研究中，重新设计和简化它的计算和构造形式，采用权重的形式来描述这种模糊的控制规 律。通过引入两个临时变量（显热制冷输出量和潜热制冷输出量）来弱化温湿度耦合控制效 应。同时，将已经得到的直膨式空调系统内在运行参数特性用在训练和测试 ANN 模型，使 得 ANN 模型可以尽可能满足室内可能存在的温湿度状态。在该实验研究中，通过 ANN 模型 与 FLC 控制方法各自优点的结合，成功地实现了温湿度控制，不仅有良好的准确性也有很棒 的灵敏性。并且在指令测试和抗干扰性测试，都有很好的表现。为今后直膨式空调系统的温 湿度控制指明了方向。

但是，来自于实际生活经验和实验得出的有效规律还很缺乏，并不能很全面地覆盖室内 所有可能存在的环境条件，所以即使这种 FLC 控制方法很棒，但还是需要积累经验和数据， 来帮助其实现更大范围的应用。

从以上的研究可以看出：FLC 的控制策略不仅可以弱化温湿度之间的耦合效应，还能高 效准确地完成调节过程。因此，基于 FLC 的控制方法是目前最适宜也是未来解决直膨式空调 系统温湿度控制的主要方法。但现在面临的最大困难是没有足够的经验数据，无法对 FLC 控 制策略进行足够的训练和测试，所以此控制方法还有待完善。