随着人类社会的不断发展,能源危机逐渐成为人类所面临的重大威胁,能源的缺乏、环境的污染,都给人类的可持续发展带来了巨大影响。中央空调系统作为建筑环境中的主要能源消耗源,其节能技术研究对社会发展具有重要意义。变风量空调系统(Variable Air Volume System, VAV)是当前智能建筑中的主流系统。VAV系统具备了节能、灵活以及全空气系统的所有优点。但是,由于目前系统的控制方法大都采用PID控制,对于大滞后、大惯性、非线性系统来说,其控制精度不高。本文以VAV系统控制为切入点,在深入研究了VAV系统原理及工作特点的基础上,建立了空调系统环节的数学模型,结合实际工程项目,完成了VAV系统的静压控制方案设计,以及系统的部分软硬件设计,提出了提高VAV系统的控制效率的模糊神经网络控制方法,并参与了系统调试等工作,系统在工程中成功应用。首先,分析了VAV系统各环节的工作原理,特点及性能参数,通过物理、数学方法,建立了过滤器、表冷器、消声器、系统阻力等多个环节的数学模型。为分析和控制VAV系统提供了理论依据,对系统控制方法的设计具有重要意义。其次,以实际工程为研究背景,设计了VAV系统控制方式的方案,主要包括静压控制、温度再设控制、最小新风控制、空调机组联动控制等控制方案,提出了VAV送风压力优化控制策略—定静压与变静压结合再静压重设控制策略,克服了定静压系统不能实时改变,导致控制能量不能最佳匹配的缺点,从而优化了整个系统控制策略,提高了系统的动态和稳态性能指标,实现了VAV系统的优化控制。针对VAV系统的特点,为进一步优化控制效果,设计了模糊神经网络控制器,该控制器将模糊控制技术与神经网络控制技术有机结合,运用于整个静压系统的设计与优化,实现了模糊推理和自适应非线性控制,提高了系统鲁棒性,使控制效果明显提高。最后,运用Matlab仿真平台,设计了基于模糊神经网络的VAV静压控制仿真实验。仿真实验表明,本文所提出的控制算法,可以有效提高系统的控制精度,进而节能。