舰船科学技术  2022, Vol. 44 Issue (19): 114-117    DOI: 10.3404/j.issn.1672-7649.2022.19.022   PDF    
基于模糊控制理论的舱室通风散热系统设计
王雨娇     
江苏海事职业技术学院,江苏 南京 211199
摘要: 舱室的空气质量与温度不仅会影响船员的生活质量,也会给舱室内的货物与运行元器件产生负面影响。为了保证舱室的温度与风量控制水平,优化设计基于模糊控制理论的舱室通风散热系统。根据舱室内元件发热原理以及空气流通机理,构建舱室散热数学模型。在舱室环境中装设温度传感器以及通风机、制冷机等执行器,根据传感器采集的环境参数,计算舱室通风量与散热量。改装舱室通风散热模糊控制器,在模糊控制理论的支持下,生成舱室通风散热控制指令,通过通风散热执行器的驱动,实现舱室的通风散热功能。将设计系统应用到实际的舱室环境中。与传统系统相比,优化设计系统的通风量产生误差降低了3.92 cmm,空气密度控制误差降低了0.005 5 kg/m3,且能够使舱室控制温度更接近目标值。
关键词: 模糊控制理论     舱室通风     通风散热系统     目标值    
Design of cabin ventilation and heat dissipation system based on fuzzy control theory
WANG Yu-jiao     
Jiangsu Maritime Institute, Nanjing 211199, China
Abstract: The air quality and temperature in the cabin will not only affect the life quality of the crew, but also have a negative impact on the cargo and operating components in the cabin. In order to ensure the cabin temperature and air volume control level, the cabin ventilation and heat dissipation system based on fuzzy control theory is optimized. According to the heating principle of components in the cabin and the mechanism of air circulation, the mathematical model of cabin heat dissipation is built. Install temperature sensors, ventilators, refrigerators and other actuators in the cabin environment, and calculate the ventilation and heat dissipation of the cabin according to the environmental parameters collected by the sensors. The cabin ventilation and heat dissipation fuzzy controller is refitted. With the support of fuzzy control theory, the cabin ventilation and heat dissipation control command is generated. The ventilation and heat dissipation function of the cabin is realized through the drive of the ventilation and heat dissipation actuator. The design system is applied to the actual cabin environment. Compared with the traditional system, the error generated by the optimized design system in ventilation volume is reduced by 3.92 cmm, and the air density control error is reduced by 0.005 5 kg/m3, The cabin temperature can be controlled closer to the target value.
Key words: fuzzy control theory     cabin ventilation     ventilation and heat dissipation system     target value    
0 引 言

舱室通常是船上所有舱室的总称,可分为主机舱,副机舱,弹药舱,货舱,工作舱,生活舱等。在主机舱内部,横梁将船体分成许多不同的舱室,它们被称为尖舱、锚链舱、货舱、机舱、尾舱和压载舱等[1]。舱室内乘客以及工作人员的呼吸作用、电力运行设备会在不同程度上产生热量,而由于船员大多数时候都呆在舱室里,所以舱室的环境直接影响着他们的身体和精神状态,并间接地影响着他们的工作,因此有必要对舱室进行定期定量的通风、散热。

通风就是利用自然或机械的方式,让风不受阻碍地通过,进入室内或密闭的环境,从而产生卫生、安全等适宜的空气环境。经常透气能改善室内的环境,对身体健康有好处。而散热指的是将相对密闭环境中的热量分散到广阔环境中,降低区域环境中的热量集中程度,从而降低环境温度。当前舱室区域大范围使用的通风散热系统主要包括:基于GPRS技术的通风散热系统和基于变频器的通风散热系统,然而在实际运行过程中,现有的通风散热系统无法达到预期效果,主要体现在散热速度慢、舱室温度过高等方面,为此引入模糊控制理论。

模糊控制是采用由模糊数学语言描述的控制律来操纵系统工作的控制方式。与传统控制方法相比,其控制效果、鲁棒性和适应性更好。基于模糊控制的上述优点,使其更适合于封闭环境的控制,因此,在密闭环境中进行模糊控制是目前的一个重要方向。将模糊控制理论应用到舱室通风散热系统的优化设计,能够快速实现舱室温度与空气流量的控制与调节。

1 舱室通风散热系统设计

此次优化设计的舱室通风散热系统采用控制制冷器、鼓风机等执行元件的工作状态与参数,实现舱室内的通风和散热,在模糊控制理论的支持下生成作用在执行元件上的控制指令,保证舱室温度与目标温度一致。

1.1 构建舱室散热数学模型

舱室内除了生活人员外,变压器、空调等设备在工作过程中也会产生热量,并直接将热量扩散到舱室环境中[2]。根据气流和换热的基本原理,推导出了计算舱室中气流及换热的质量、动量和能量方程[3]。根据能量守恒定律,即单位时间内进入船舱的能量减去单位时间内由船舱流出的能量应等于船舱内能量蓄存量的变化率,则可以得出舱室内热力系统模型的构建结果,舱室通风散热的数学模型构建结果如图1所示。

图 1 舱室散热数学模型 Fig. 1 Mathematical model of cabin heat dissipation
1.2 装设舱室传感器与通风散热执行器

舱室通风散热系统中装设的传感器为温度传感器,采集舱室内的实时温度,以此作为舱室散热通风系统的启动项,通风散热功能的执行设备为通风机和制冷机,根据舱室的实际需要选择合适的设备型号,并对设备的组成结构进行调整[4]。舱室通风机选用的是旋轴流式通风机,其工作过程是:电机在驱动装置-传动轴带动叶轮开始旋转时,叶轮之间的气流被叶轮的作用力所驱动,以获得能量,然后气体沿导叶调整好的方向由扩压器排放[5]。同时,在叶轮进口处产生一个负压,以克服井巷内的通风阻力,将外部空气从轴向流向叶轮,实现了舱室内外的空气交换。在2个防爆电机轴上,对旋轴流风机的2个叶轮并排设置,其旋转方向和机翼形叶片的扭转方向是反向的。为了防止驱动电机与排气通道内的气体发生接触,一般采用防爆型,并将其安装于主风缸内的密闭容器内,同时在气缸内装有扁管,扁管与外界大气相通可以散出热量。最终将舱室温度传感器以及通风散热执行器设备进行连接,具体的连接情况如图2所示。

图 2 舱室传感器与通风散热执行器连接图 Fig. 2 Connection between cabin sensor and ventilation and heat dissipation actuator
1.3 计算舱室通风量与散热量

利用装设的传感器设备,获取实时舱室环境中的温度数据采集结果,记为 $ {T_{{\text{cabin}}}}\left( t \right) $ 。根据舱室内的空气流通规律,得出舱室散热量的计算结果为:

$ \Delta E = \frac{{{T_{{\text{target}}}} - {T_{{\text{cabin}}}}}}{{{S_{{\text{cabin}}}}\left( {{H_2} - {H_1}} \right)}} 。$ (1)

式中: $ {T_{{\text{target}}}} $ 为舱室环境的控制目标; $ {S_{{\text{cabin}}}} $ 为舱室总面积。

另外舱室通风需求量的计算公式如下:

$ \Delta Q = \frac{{3.6{Q_{{\text{cabin}}}}}}{{{\rho _{air}}c\left( {{T_{{\text{Return}}}} - {T_{{\text{supply}}}}} \right)}} 。$ (2)

式中: $ {Q_{{\text{cabin}}}} $ 为当前舱室环境中的全热及湿热余热量; $ {T_{{\text{Return}}}} $ $ {T_{{\text{supply}}}} $ 分别为回风和送风温度; $ c $ 表示的是舱室空气定压比热。

1.4 改装舱室通风散热模糊控制器

舱室通风散热模糊控制器是驱动通风散热执行器的核心部件,由于优化设计的舱室通风散热系统应用了模糊控制理论,因此需要在传统系统的基础上对控制器进行模糊化改装,改装后的舱室通风散热模糊控制器结构如图3所示。可以看出,改装的舱室通风散热模糊控制器由输入输出接口、推理机、模糊化处理模块、模糊推理模块、去模糊化模块等多个部分组成,其中模糊化模块用来对外部输入数据进行模糊处理,把输入数据转换成模块控制器所需的输入量,即把准确地址转换成模糊性。输入的准确数值通常是输入参数,系统输出量,系统状态等[6]。在模糊化中,为消除噪声的影响,有时必须先过滤输入数据,然后将输入数据经过比例转换,使之归属于各自的论域。最后经过模糊化,最终完成输入的准确转换为模糊性,从而达到用模糊集合表达输入的目的。推理机的功能是利用输入的模糊地址和知识库进行模糊推理,并对其进行求解,得到模糊控制量,实现模糊推理。解模糊化模块把由模糊推理得出的模糊控制地址转化成准确的控制目标。该方法主要包括2个部分:一是对模糊进行解模糊,将其转化为论域范围中的精确量;二是将转换后的精确量转换成实际的控制量。将模糊理论与传统的PID控制器相结合,完成舱室通风散热模糊控制器的改装工作。

图 3 舱室通风散热模糊控制器结构图 Fig. 3 Structural diagram of cabin ventilation and heat dissipation fuzzy controller
1.5 利用模糊控制理论生成舱室通风散热控制指令

舱室通风散热模糊控制器在执行过程中的运行参数可以表示为:

$ \begin{aligned}\begin{cases} {{K_p} = {K_{p0}} + \Delta {K_p}},\\ {{K_i} = {K_{i0}} + \Delta {K_i}} ,\\ {{K_d} = {K_{d0}} + \Delta {K_d}} 。\end{cases}\end{aligned} $ (3)

式中: $ {K_p} $ $ {K_i} $ $ {K_d} $ 分别表示比例系数、积分系数和微分系数; $ {K_{p0}} $ $ {K_{i0}} $ $ {K_{d0}} $ 对应的是系数的初始值,而 $ \Delta {K_p} $ $ \Delta {K_i} $ $ \Delta {K_d} $ 分别为模糊自适应控制器的输出值。将传感器的实时采集结果与控制目标输入到改装的控制器中,输出的控制规律为:

$ y(t) = {K_p}\left[ {\Delta Q + \frac{1}{{{t_i}}}\int_0^t {\Delta Q} {\rm{d}}t + \Delta {t_i}\frac{{{\rm{d}}\Delta Q}}{{{\rm{d}}t}}} \right]。$ (4)

其中 $ \Delta Q $ 为偏差值。

在实际的运行过程中,确定每个输入和输出变量的变化类型时,必须根据实际情况来决定比例因素和量化因素。在量化论域中,对于每一个变量,都要定义一个模糊的子集。首先要确定模糊子集的数量,然后确定其所包含的语言变量,选择相应的隶属函数。经过多次试验、资料搜集,或参考专家的实践经验,对其进行分析、整理、归纳,总结出一套可以用模糊规则。通过对输出量和输入量的排序,得到一张模糊控制表。该方法可以对系统的误差和误差进行分析,并将其输入到模糊控制规则中,从而得到一套新的 PID参数,而最终的输出量是在模糊控制理论下通过PID算法获得的控制指令。

1.6 实现舱室通风散热功能

由于舱室通风散热控制指令需要执行在通风机以及制冷机中,因此需要将控制指令转换成执行元件的工作参数,以通风机为例,其转速与产生通风量之间的关系为:

$ {Q_f} = {P_{{\text{Fan}}}} \cdot {\omega _{{\text{Fan}}}} \cdot L_{{\text{blade}}}^2 。$ (5)

式中: $ {P_{{\text{Fan}}}} $ $ {L_{{\text{blade}}}} $ 分别为通风机的有效工作功率和叶片长度。

将通风控制量代入到式(5)中,即可得出对应通风机转速的求解结果,并替换控制指令中的控制参数。按照上述方式完成控制指令的转换,保证控制指令能够直接作用在通风散热执行元件上并成功驱动。同理通过调节挡风板开度量、动叶角度等方式,实现舱室通风散热功能。在系统运行过程中实时监测舱室环境中的温度与空气密度变化,若舱室环境参数达到预设控制目标,则控制程序中断。

2 系统的性能测试与分析 2.1 配置舱室测试环境

借助Matlab2016a软件进行系统测试,选择某杂货-集装箱两用船作为研究背景,该船包含机舱、货舱、压载舱以及深舱等多个舱室,机舱环境面积为25 m2,货舱、压载舱和深舱的环境面积分别为36.5 m2,22.4 m2和18.9 m2。机舱内包含发电机、锅炉、舵机、压缩机等设备,在工作状态下均可能产生不同程度的热量。货舱、压载舱以及深舱内布设基本的生活设施,并保证舱室内所有设备的正常使用。在系统测试之前,对选择的舱室环境进行编号,获取舱室测试环境的基本结构信息。

2.2 设置舱室初始环境参数与控制目标

设置舱室环境中生活的人员数量,舱室内各个元件的工作参数,得出舱室内各个位置上温度的理论值,以此作为舱室环境的初始温度。系统测试实验中机舱环境初始温度的设置如图4所示。

图 4 机舱初始温度分布图 Fig. 4 Initial temperature distribution of engine room

另外,默认选择的所有舱室均处于封闭环境,由此可以得出舱室初始空气密度数据,根据舱室的所属类型以及使用需求,设置对应的控制目标,具体的舱室环境参数与控制目标的设置情况如表1所示。以表1中设置的舱室初始参数作为舱室通风散热系统的输入项,以控制目标作为舱室通风散热系统运行的目标项,并以此作为系统通风散热功能运行效果的对比标准。

表 1 舱室初始环境参数与控制目标设置表 Tab.1 Setting table of cabin initial environmental parameters and control objectives
2.3 系统测试过程与结果分析

为实现对系统舱室通风效果的量化分析,设置通风量产生误差和环境空气密度控制误差作为实验的2个测试指标,将初始舱室环境数据输入到舱室通风散热系统中,通过系统运行得出舱室通风散热系统的运行结果。提取3种舱室通风散热系统的运行数据,利用舱室中的传感器设备获取环境参数,得出反映系统通风效果的测试结果,如表2所示。计算得出对比系统通风量产生误差的平均值分别为5.17 cmm和4.67 cmm,优化设计系统的平均通风量产生误差为1.00 cmm,另外对比系统环境空气密度控制误差的平均值分别为0.008 kg/m3和0.007 kg/m3,而优化设计系统的平均环境空气密度控制误差为0.002 kg/m3

表 2 系统舱室通风效果测试数据表 Tab.2 Data sheet for ventilation effect test of system cabin
2.4 舱室散热效果测试

分别启动3个舱室通风散热系统,经20 min后利用传感器设备获取舱室内各个位置的实际温度数据,得出系统散热效果的测试结果,图5为优化设计系统的散热测试结果。同理可以得出对比系统的测试结果,经过对比发现,应用优化设计的舱室通风散热系统能够将环境温度控制在区间[24℃,26℃]内,更接近设置的温度控制目标。提取所有温度数据,经过公式(12)的计算,得出对比系统的平均温度控制误差分别为2.1℃和2.7℃,优化设计系统的平均温度控制误差为0.3℃。

图 5 舱室散热效果测试对比结果 Fig. 5 Comparison results of cabin heat dissipation effect test
3 结 语

在现有舱室通风散热系统的基础上,利用模糊控制理论使得控制决策更方便和快速,同时有效克服系统固有的非线性、多耦合及多干扰等困难,更好地完成控制目标并保证系统运行稳定。从实验结果可以看出,优化设计的基于模糊控制理论的舱室通风散热系统能够准确的完成控制目标,达到良好的通风与散热效果。

参考文献
[1]
张驰宇, 未永, 白建国. 封闭腔体通风散热系统仿真分析[J]. 真空科学与技术学报, 2020, 40(9): 813-817.
Zhang Chiyu, Wei Yong, Bai Jianguo. Simulation Analysis of Ventilation and Heat Dissipation System of Closed Chamber[J]. Journal of Vacuum Science and Technology, 2020, 40(9): 813-817. DOI:10.13922/j.cnki.cjovst.2020.09.03
[2]
曹晏飞, 季李一珂, 王庭庭, 等. 基于GPRS技术的日光温室多段式自动通风控制系统设计[J]. 北方园艺, 2020(12): 70-75.
Cao Yanfei, Ji Li Yike, Wang Tingting, et al. Design of Multi section Automatic Ventilation Control System for Solar Greenhouse Based on GPRS Technology[J]. Northern Horticulture, 2020(12): 70-75.
[3]
邵嘉兴, 张世勇, 翟宇昕, 等. 北京新机场线通风空调智能化控制系统设计[J]. 都市快轨交通, 2020, 33(6): 139-145.
Shao Jiaxing, Zhang Shiyong, Zhai Yuxin, et al. Design of Intelligent Control System for Ventilation and Air Conditioning of Beijing New Airport Line[J]. Urban Rapid Transit, 2020, 33(6): 139-145. DOI:10.3969/j.issn.1672-6073.2020.06.022
[4]
曹瑞红, 李晋蒲, 赵建贵, 等. 日光温室卷帘及通风口控制系统研制[J]. 江苏农业科学, 2020, 48(5): 219-226.
Cao Ruihong, Li Jinpu, Zhao Jiangui, et al. Development of control system for rolling shutters and vents of solar greenhouse[J]. Jiangsu Agricultural Science, 2020, 48(5): 219-226. DOI:10.15889/j.issn.1002-1302.2020.05.045
[5]
冉均均, 袁磊. 基于模糊PID的矿井不停风倒机通风系统设计[J]. 煤炭技术, 2022, 41(7): 188-190.
Ran Junjun, Yuan Lei. Design of mine non-stop fan reversing ventilation system based on fuzzy PID[J]. Coal Technology, 2022, 41(7): 188-190.
[6]
杨勇, 张新桥, 陈艺琳, 等. 机舱无风管诱导通风系统优化设计[J]. 船舶工程, 2021, 43(S1): 255−258.
Yang Yong, Zhang Xinqiao, Chen Yilin, et al. Optimization design of ductless induction ventilation system in engine room [J] Ship Engineering, 2021, 43 (S1): 255−258