热环境研究成果表明,人体对环境的热舒适感觉是组成热环境的各参数(气温、湿度、风速、平均辐射温度等)对人体综合作用的结果。其综合作用效果可以用Fanger教授提出的PMV(Predicted Mean Vote平均预测投票)指标衡量。随着国民经济的发展以及人们生活水平的提高,人们对空调环境的热舒适度的要求也越来越高,过去单纯以室内温度为被控参数的传统控制方法(室内设定温度值恒定)显得过于粗糙,与此同时,在能源紧缺的当今社会,人们将空调环境的要求提到舒适与节能并重的高度。针对这些问题,本文首先对PMV指标进行了探讨,根据影响空调环境的热舒适度的因素,在MATLAB6.5环境下编制相应的程序,建立了基于BP神经网络的PMV指标的计算模型,然后借此模型构建了以PMV值为输入,应用模糊控制实现了直接PMV指标的控制方法,该方法能够实时动态调节室内的温度和风速。通过仿真结果可以看出,在满足热舒适度的前提下,不仅使空调系统的控制作用及时,同时能将PMV指标控制在舒适范围内。因为PMV指标综合考虑了各种影响人体舒适度的因素,是目前世界上公认的理想的控制参数,引入此参数来实现对中央空调的温度控制无疑是最合理的。本文的研究成果对改变传统空调单纯控制室内温湿度的控制方式,具有一定的影响意义,它不仅能提高空调系统的舒适性,而且有利于最大程度地发挥系统的节能潜力。本文提出的控制方法具有一定的可行性和实用价值。