1.一种对多区域变风量空调系统温湿度的实时控制方法，其特征在于，包括以下步骤：步骤一：设定房间温湿度的设定值；

步骤二：通过温湿度传感器获取房间的温湿度；

步骤三：利用深度模糊认知地图对房间温湿度进行解耦；

步骤四：将房间温湿度的解耦值与设定值分别进行比较作差，如果差值不等于0，则将差值作为控制误差e(k)输入到RBF‑PID算法；

步骤五：RBF‑PID算法根据差值分别计算出下一时刻的末端送风量和送风温度，得到下一时刻的末端风阀开度和冷水阀开度；

步骤六：将RBF‑PID算法得到的末端风阀开度数据和冷水阀开度数据分别输入到风量控制器和送风温度控制器中，控制器控制末端风阀和冷水阀达到合适的开度；

步骤七：循环执行步骤二至步骤六，以采样时间为周期进行采样；

步骤三中所述深度模糊认知地图能根据房间温湿度之间的潜在关系对房间温湿度进行解耦：

1)深度模糊认知地图中的状态 在时刻t时受到其他概念状态的影响：其中，函数fj(·)用于模拟a到aj的关系，称为f‑函数，表示t时刻所有概念的系统状态，用函数uj(·)来模拟外部因素对aj的影响，称为u‑函数；

(t)

2)在fj(a )的输入层，设 在输出层，可以得到一个输出：其中， 为在t时刻第K层、第n个神经元的输出，v(n1,K+1)为K层神经元到K+1层神经元的连接权值；

3)外部因素对aj的影响可以用一个u‑函数来间接衡量：

4)设 则 中定义的深度模糊认知地图可以改写为：

其中， 为 的解耦值，θf、θu分别为fj、uj的参；

所述θf、θu通过交替函数梯度下降算法来训练深度模糊认知地图得到：

1)输入训练数据集：

2)随机初始化θf、θu；

3)初始化 对于t∈[1,T]；

4)重复；

5)

6) 对于t∈[1,T]；

7)

8)直到收敛；

9)返回θf、θu；

所述深度模糊认知地图对房间温湿度进行解耦时：

1)将房间湿度的实测值和设定值定义为深度模糊认知地图的外部因素，输出值为房间温度解耦值；

2)将房间温度的实测值和设定值定义为深度模糊认知地图的外部因素，输出值为房间湿度解耦值。

2.根据权利要求1所述的对多区域变风量空调系统温湿度的实时控制方法，其特征在于，步骤四中所述RBF‑PID算法采用梯度下降法调整自身的权重系数，提供PID参数：比例系数kp，积分系数ki，微分系数kd，三个系数的学习速率ηpid。

3.根据权利要求1所述的对多区域变风量空调系统温湿度的实时控制方法，其特征在于，步骤四中所述控制误差为e(k)＝r(k)‑y(k)，其中r(k)为温湿度设定值，y(k)为温湿度解耦值。

4.根据权利要求1所述的对多区域变风量空调系统温湿度的实时控制方法，其特征在于，步骤五中所述RBF‑PID算法的输出为：其中，e(k‑1)为k‑1时刻的控制误差。

5.根据权利要求1所述的基于深度模糊认知地图的多区域变风量空调系统温湿度的控制方法，其特征在于，步骤六中所述风量控制器与风阀、送风温度控制器与冷水阀门之间的传递函数为：其中T为采样周期，t为延时时间，S为拉斯变换得到的传递函数的变量。