智能建筑的快速发展对建筑设备监控系统(BAS)的控制性能提出了越来越高的要求.HVAC系统是BAS的重要组成部分,目前国内集中供热、供冷的中央空调系统的控制效果远远没有达到最佳状态,普遍存在着控制精度差、阀门振荡幅度大等缺点,使设备的能耗增大、使用寿命降低.HVAC系统是一个复杂的热力非线性系统,具有输入变量多、所受干扰大、对象的参数易于变化且难以确定的特点.我们曾经通过现代辨识技术获取了空调子系统的数学模型,但在数据的预处理阶段要去除干扰变量引起的变化趋势比较困难,且随着被控对象条件变化,它的鲁棒性可能减弱.神经网络方法很容易解决多变量输入的问题,因而可以方便地把影响过程的诸量作为神经网络的输入,从而简化信号处理的工作.本文在简要介绍了神经网络系统辨识的基本原理的基础上,分析了神经网络在系统辨识中的应用,将一种基于RBF神经网络的系统辨识方法用于HVAC空调子系统建模,通过正交最小二乘(OLS)法,确定空调子系统模型的参数,目的是得到较快的学习时间并避免陷入局部最小.我们在前向通道引入了单神经元自适应PID控制机理,目的是为了构成控制回路.并用Matlab工具进行了空调子系统控制的仿真.根据系统的动态特性和行为,利用单神经元的有监督学习规则,对PID控制器的参数进行了自适应调整,解决了控制系统的稳定性问题,并获得了良好的控制性能.论文中通过调试、实践,讨论了放大倍数K的确定对系统稳定性的影响;讨论了PID系数η<,p>、η<,I>、η<,D>的优化和它们对于系统稳定性的影响,并给出了仿真的结果.这些讨论对摸清单神经元自适应控制器的运行规律有一定的意义.通过仿真,说明了以神经网络方法构造的空调子系统模型和单神经元自适应PID控制器相结合可以增强系统对不确定性因素的适应性,是有实用价值的.