文章信息
- 郑焕祺, 朱科, 杜光月, 周玉成.
- Zheng Huanqi, Zhu Ke, Du Guangyue, Zhou Yucheng.
- 气候室智能前馈PID高精度控制方法
- High Precision Control Method of Intelligent Feedforward PID for Climate Chamber
- 林业科学, 2018, 54(11): 79-86.
- Scientia Silvae Sinicae, 2018, 54(11): 79-86.
- DOI: 10.11707/j.1001-7488.20181112
-
文章历史
- 收稿日期:2018-04-02
- 修回日期:2018-06-29
-
作者相关文章
2. 山东建筑大学热能工程学院 济南 250101
2. School of Thermal Engineering, Shandong Jianzhu University Jinan 250101
林业作为绿色建筑与可持续建设领域的支撑,提供了多种多样的人造板及实木复合材料,但材料中都不同程度存在甲醛和挥发性有机物(VOCs)释放这一突出问题(Kim et al., 2013; Carvalho et al., 2012)。美国以立法形式限定了人造板及实木复合材料的甲醛释放量(S.1660《复合木制品甲醛标准法案》),我国和欧洲则以强制性标准限定(GB 18580—2017;EN 13986—2004+A1—2015)。为了最大限度模拟真实的建筑物室内环境,接近整体家具和建筑材料等实际使用时甲醛和VOCs释放的真实状态,国外采用30 m3气候室法对整体家具和软体家具的甲醛释放量进行检测(Que et al.,2013; Kim et al.,2010),并被行业所接受。国内对30 m3气候室的研究起步较晚,研究者研制了控制系统基于ATmega 2560微处理器的30 m3气候室(刘鑫钰等,2013)及用于通风法和密闭法测试的独立温湿度控制空调系统(刘巍巍等,2013)等,使国内对人造板整体家具的鉴定和检测具有可行性,但仍存在技术发展缓慢这一问题,其原因之一就是控制系统稳定性和稳态响应较差,现有研究基于仿真模拟居多且控制过程和精度达不到国际标准。以30 m3气候室检测整体家具为例,检测时间一般需要3~28天,检测过程中露点水箱至少需要补水6次以上,气候室在每次补水后,其温湿度需要振荡4~6 h才能达到检测标准精度要求。由于检测环境不能规范在同一条件下,使得试验的可复现性差,得到的检测结果不统一。
鉴于此,本研究提出一种智能前馈PID控制方法,由控制器、信号采集模块、自动补水执行机构和加热及制冷器组成智能前馈PID控制系统,当露点水箱需要补水时,系统能够智能选定补水水箱的目标温度进行PID控制,使得补水水箱温度精确跟踪露点水箱温度。待补水水温达到露点水箱温度时,系统自动进行补水,使得经过补水的露点水箱温度扰动最小化,形成全局双闭环控制系统结构,实现动态高精度控制。
1 智能前馈PID过程分析气候室法是在每小时换气30 m3(换气率1 h-1)且检测室内空气循环速度为0.1~0.3 m·s-1,保持检测室内温度为(23±0.5)℃、相对湿度为45%±3%(50%±5%)(ASTM E 1333—14;ISO 16000-9—2006;EN 717-1—2004)的条件下,通过分光光度法或气相色谱法检测抽取空气样品中的甲醛含量,检测时间一般需要(72±2)h至(28±2)天。由于气候室法检测周期长、换气率高,检测室内湿度大量消耗,导致露点水箱需要经常补水(Roffael et al., 2015)。常规情况下露点水箱补水后,检测室内的温度和相对湿度会发生长时间剧烈振荡,温湿度达不到检测要求精度,因此露点水箱补水使检测室内温湿度扰动最小化是需要解决的重点问题。
本研究提出的智能前馈PID控制方法,气候室控制系统根据被控对象的偏差确定控制作用,使输出量保持在期望值。考虑气候室控制系统具有大滞后、非线性的特点(周玉成等,2003),其反馈控制作用影响系统输出的时滞性明显,输出量有较大波动,且闭环反馈系统的主要外扰动参量是可预知的可测量和可控制量,因此可在反馈控制的同时,利用外扰信号实施前馈控制。本研究对于主要扰动采用PID控制的补偿装置实现扰动的顺馈控制,组成闭环负反馈方式的偏差反馈控制来消除扰动造成的偏差,这样系统的主要扰动被补偿或近似补偿。根据不变性原理(丁世宏等,2015),扰动对系统输出的影响理论上可以被完全消除,即当露点水箱需要补水时,使补水系统能够智能跟踪露点水箱温度,直到控制补水水箱温度达到露点水箱温度再向露点水箱进行补水。由于补水水箱温度与露点水箱温度精确相等,使得补进露点水箱的水不对气候室温湿度控制系统造成重大影响,即补水过程扰动最小化,从而抑制在3~28天内每次补水都要振荡数小时,使得气候室始终在精度的允许范围内运行。
2 智能前馈PID控制系统设计根据以上分析,本研究设计一种智能前馈PID控制系统,使得气候室温湿度控制系统无论在补水或非补水状态下,气候室的温湿度都能精准达到设定的目标值。该系统由控制系统、信号采集系统、补水系统和温控系统组成,其结构如图 1所示。
![]() |
图 1 智能前馈PID控制系统结构 Figure 1 Structure of intelligent feedforward PID control system |
控制系统由CUP224、前馈PID和补水电磁阀组成。当接收到补水信号时采集露点水箱的实时温度,并将该温度设置成前馈PID控制目标,进行实时智能前馈PID控制。当补水水箱温度等于露点水箱温度时,控制系统向补水电磁阀发出指令,补水水箱开始向露点水箱补水;当控制系统接收到露点水箱水位上限信号时停止补水,同时PID停止运行,补水过程结束。
信号采集系统由EM231模拟量采集模块、PT100温度感测器、温度变送器组成。其中,PT100温度感测器安置在补水水箱和露点水箱内部并与温度变送器连接,温度变送器的输出端通过与EM231(4~20 mA)的一个输入端连接进行温度信号采集。信号采集系统实时监测补水水箱和露点水箱温度,为控制系统提供信号输入。
补水系统由水泵、电磁阀、继电器和控制器CPU224的数字量输出点组成。水泵输入端连接补水水箱,输出端连接露点水箱。继电器与电磁阀和水泵连接,二者的控制端与控制器CPU224的一个数字量输出端连接。当接收到控制系统发出的补水信号时,电磁阀打开、水泵开启,将补水水箱内的蒸馏水泵入露点水箱进行补水作业,当露点水箱水位上限触发时停止补水。
温控系统由CPU224、固态继电器、继电器、交流接触器以及加热和制冷器组成。CPU224脉冲输出端连接固态继电器的控制电路,固态继电器的输出端连接加热器。CUP224的一个数字量输出连接继电器,继电器连接交流接触器的控制回路,且交流接触器的常开触点与制冷机组连接。当控制系统进行前馈PID运算时,输出计算出的占空比脉冲信号,固态继电器根据占空比输出通电时间和非通电时间,从而使加热器达到系统所要求的输出功率。
3 智能前馈PID控制器的设计PID控制是复杂系统智能控制最基本、最基础的控制子单元(吴宏鑫等,2003)。本研究提出的智能前馈PID控制器设计如下。
令ur(t)为PID的输出增量,er(t)为目标值yr与当前值yr(t)的误差,则有:
$ {u_{\rm{r}}}\left(t \right) = {K_{\rm{p}}}{e_{\rm{r}}}\left(t \right) + {K_i}\int_0^t {{e_{\rm{r}}}\left(t \right){\rm{d}}t + {K_{\rm{d}}}\frac{{{\rm{d}}{e_{\rm{r}}}\left(t \right)}}{{{\rm{d}}t}}。} $ | (1) |
式中:Kp为比例系数;Ki为积分系数;Kd为微分系数。
将式(1)离散化后得:
$ {u_{\rm{r}}}\left(k \right) = {K_{\rm{p}}}\left\{ {{e_{\rm{r}}}\left(k \right) + \frac{T}{{{T_{\rm{i}}}}}\sum\limits_{j = 0}^k {{e_{\rm{r}}}\left(j \right) + \frac{{{T_{\rm{d}}}}}{T}[{e_{\rm{r}}}\left(k \right) - {e_{\rm{r}}}\left({k - 1} \right)]} } \right\}。$ | (2) |
式中:T为采样周期;Ti为积分时间常数;Td为微分时间常数。
将Kp乘入多项式中可以转换成位置式算法。由于式中对er(j)求和,所以式(2)又可转换为增量式算法:
$ \begin{array}{*{20}{c}} {{u_{\rm{r}}}\left(k \right) = {u_{\rm{r}}}\left(k \right) - {u_{\rm{r}}}\left({k - 1} \right) = }\\ {{K_{\rm{p}}}\left\{ {{e_{\rm{r}}}\left(k \right) - {e_{\rm{r}}}\left({k - 1} \right) + \frac{T}{{{T_{\rm{i}}}}}{e_{\rm{r}}}\left(k \right) + } \right.}\\ {\left. {\frac{{{T_{\rm{d}}}}}{T}[{e_{\rm{r}}}\left(k \right) - 2{e_{\rm{r}}}\left({k - 1} \right) + {e_{\rm{r}}}\left({k - 2} \right)]} \right\} = }\\ {{K_{\rm{p}}}\left({1 + \frac{T}{{{T_{\rm{i}}}}} + \frac{{{T_{\rm{d}}}}}{T}} \right){e_{\rm{r}}}\left(k \right) - }\\ {{K_{\rm{p}}}\left({1 + \frac{{2{T_{\rm{d}}}}}{T}} \right){e_{\rm{r}}}\left({k - 1} \right) + {K_{\rm{p}}}\frac{{{T_{\rm{d}}}}}{T}{e_{\rm{r}}}\left({k - 2} \right) = }\\ {A{e_{\rm{r}}}\left(k \right) + B{e_{\rm{r}}}\left({k - 1} \right) + C{e_{\rm{r}}}\left({k - 2} \right)。} \end{array} $ | (3) |
其中:
智能前馈PID控制器程序设计与实现如下。
首先定义一个结构,结构名称为IFPID,用于存储设定值、误差、比例、积分和微分等参数,以便程序运行时调用。IFPID结构如下:
typedef struct IFPID
{ double Kp; //比例常数
double Ki; //积分常数
double Kd; //微分常数
long AddError; //误差累加
int DesiredValue; //设定值
int LastError; //er(k-1)
int PrevError; //er(k-2)
} IFPID;
其次构建误差函数返回增量值。参数为当前实际值,函数中计算出er(k)-er(k-1)的误差、er(k-1)-er(k-2)的误差。每次作差后都将变量er(k-1)赋给er(k),er(k-2)赋给er(k-1), 即后一次变量的值赋给前一次变量,使得后续运算中保持最新的变量值减去前一次的变量值。函数的返回值为后一项减前一项的差值,即增量值。本研究构建的函数如下:
int IncCalc(int Nextcal)
{
int iError, iIncIFPID; //定义参数
iError=sptr- > DesiredValue - Nextcal; //增量计算
iIncIFPID=sptr- > P* iError // er(k)项
- sptr- > I* sptr- > LastError // er(k-1)项
+ sptr- > D* sptr- > PrevError; // er(k-2)项
sptr- > PrevError=sptr- > LastError;
sptr- > LastError=iError;
return(iIncIFPID); } //返回增量值
最后构建PID函数。按照式(2),PID运算后的值作为返回值。编程如下:
int LocCalc(int Nextcal)
{ int iError, dError; //定义参数
iError=sptr- > DesiredValue - Nextcal; //偏差
sptr- > AddError +=iError; //积分
dError=iError - sptr- > LastError; //微分
sptr- > LastError=iError;
return(sptr- > P* iError //比例项
+ sptr- > I* sptr- > AddError //积分项
+ sptr- > D* dError); } //微分项
从而在程序中实现PID控制时,只要调用误差函数,PID函数就可正确计算出智能前馈PID控制系统的准确输出。参数整定的步骤为:先将Ti设置为无穷大,Td设置为0,调节比例参数Kp;待到期望值后再调节Ti,最后完成Td调节。
4 系统实现方法 4.1 系统电气控制电路设计为实现补水水温达到露点水箱温度进行补水控制,并保证露点水箱补水后露点水箱温度扰动最小化、室内温湿度振荡幅度最小化和系统其他被控设备安全、可靠地运行,智能前馈PID系统电气控制电路设计如图 2所示。
![]() |
图 2 智能前馈PID控制系统电路 Figure 2 Circuit of intelligent feedforward PID control system |
控制系统电路设计分为输入部分、逻辑部分和执行部分。输入部分包括PT100温度感测器、温度变送器、按钮开关和上位机工控触摸屏等。PT100温度感测器与温度变送器相连,由DC24 V电源供电,温度变送器输出4~20 mA信号至A/D转换模块EM231。按钮开关串联在DC24 V电源到CPU224数字量输入端电路中,通过操作按钮负责信号的通断。上位机工控触摸屏采用带有组态功能的MCGS,通过RS485接口与CPU224进行串行通信,完成设定值和开关量的输入。逻辑部分包括固态继电器、继电器、交流接触器和相序继电器等。继电器DC24 V控制端与CUP224数字量输出端相连,由CUP224数字量输出控制继电器的通断。固态继电器的通断由CUP224的脉冲输出控制,依据输出脉冲的占空比进行1 s为1个周期的通断控制。相序继电器和制冷机组压力保护器安装在制冷机组的前端,使制冷机组在三相交流电断相和制冷液泄露时设备能停止运行,保证设备安全。执行部分包括3支1 000 W加热管、1 P制冷机组、电磁阀、水泵和指示灯等。3支加热管通过三相固态继电器、交流接触器、熔断器、空气开关与380 V电源相连,当固态继电器接通时,加热管工作,开始加热补水水箱的水。制冷机组通过制冷机组压力保护器、相序保护器、交流接触器、熔断器和空气开关与380 V电源相连,当继电器闭合时,控制制冷机组的AC220 V交流接触器控制回路闭合,三相工作制制冷机组运行。补水电磁阀和水泵与继电器连接,在继电器闭合时开始补水工作。
4.2 系统过程控制实现智能前馈PID控制系统流程如图 3所示。系统接收到露点水箱水位低的补水信号时,补水控制器开始工作,采集露点水箱温度并作为系统输入,待补水水箱温度通过PID控制达到追踪的露点水箱温度时,补水电磁阀和水泵开始工作。当露点水箱水位到达上限时,补水电磁阀和水泵停止工作,前馈PID控制停止运算,补水作业结束。
![]() |
图 3 智能前馈PID控制系统流程 Figure 3 Flowchart of intelligent feedforward PID control system |
人机交互系统由MCGS工控触摸屏、人机交互界面、DC24 V供电电路和通信电路等组成。工控触摸屏可以设置和显示系统实时参数,并具有露点水箱水位下限报警和人工手动补水操作等功能,其通过RS485接口与主控制器实时通信。人机交互界面包括主页界面(初始化)、实时监控界面、实时历史曲线界面、历史数据界面和设置界面等,如图 4所示,其中历史曲线记录了智能前馈PID控制系统的动态响应。
![]() |
图 4 人机交互界面 Figure 4 Program of HMI(human machine interface) |
MCGS组态软件将实时数据库(real time database,RTDB)作为对象封装起来,通过自有的方法和属性使外部程序进行各种操作。文本通过组态软件函数库中“!ExportHisDataToCSV”函数导出以纯文本形式存储表格数据的逗号分隔值(comma-separated values,CSV)文件,将CSV文件中的数据制作成常规补水控制和智能前馈PID控制的补水过程,如图 5所示。
![]() |
图 5 常规补水控制(a)和智能前馈PID控制(b) Figure 5 Normal water replenishing(a) and intelligent feedforward PID water replenishing(b) |
常规补水后,系统稳态平衡打破,温度和相对湿度曲线呈振荡形式,且超出精度要求,并经过300 min后达到稳态(图 5a)。智能前馈PID控制补水后, 相对湿度曲线略微偏移,偏移范围在±2%的要求精度内;温度维持精度要求的±0.1 ℃,并经过约60 min调整后温度和相对湿度达到稳态(图 5b)。
以试验22天,设定温度23.0 ℃、相对湿度45.0%为例,补水过程的历史记录曲线如图 4所示,各参数如表 1所示。
![]() |
智能前馈PID控制测试结果表明:1) 30 m3气候室的温度和相对湿度控制精度分别在±0.1 ℃和±1.5%内;2)设定温度23.0 ℃,相对湿度45.0%,在3~28天内持续运行条件下,非大惯性扰动下的偏差不超过±0.1 ℃和±2%,且每次自动补水后温湿度振荡时间小于1 h;3)冬季条件下设定温度23.0 ℃和相对湿度45.0%时,达到设定参数值的过渡过程不超过4 h。
5.2 控制过程分析华北平原属温带季风气候,冬季低温干燥,试验设备露天安装的气象环境条件为月平均最高温度5.45 ℃,月平均最低温度-1.71 ℃;30 m3气候室位于建筑物室内,检测室内初始状态为温度15.0 ℃、相对湿度32.7%。常规补水方法与智能前馈PID控制补水方法的对比结果如图 6所示。
![]() |
图 6 2种补水方法对比 Figure 6 Comparison of two water replenishing |
从图 6可以看出,智能前馈PID控制(实线T2、H2)补水后振荡幅度非常小,时间非常短,且湿度的振荡幅度最大值也小于±2%,完全符合湿度误差范围在±3%的国际标准;常规控制(虚线T1、H1)补水后湿度的振荡幅度非常大,最大值±3.6%,超过国际标准。可见智能前馈PID控制算法具有可行性和先进性。
6 讨论现有30 m3气候室控制方法集中于出现扰动后再进行控制,无论是模糊控制、自适应控制还是神经网络控制,都是尽量缩短振荡时间、提高控制效率和品质,从而使系统达到稳态(彭勇刚等,2009;王姿雅等,2006;郝久玉等,1997);同时,类似的温湿度控制系统,如超大型气候室、大棚温室控制系统等,都是通过对第二级水箱的二次精细调节以达到控制目的(周羽生等,2017;郝小礼等,2015;孙宗宇等,2014),实时性较差、补水过程时间长且达不到高精度的控制要求。智能前馈PID控制算法解决了系统过渡过程的快速性和振荡性问题,由于控制系统前馈存在,补水系统的输出量跟随相对湿度发生系统的输入量变化,并总能保持较短的延迟,达到扰动量补偿的目的。新的前馈控制系统加入是解决气候室检测室稳态和动态控制的手段之一,通过智能前馈PID控制系统运行,使得系统的运行和控制品质更高;但由于引入了另一个新的智能控制系统,也使系统的复杂程度、电力负荷等级以及造价和运行能耗增加,所以在绿色理念和可持续发展的要求下,被动式等手段和新材料的继续研究,将会使控制系统更加节能、高效和可持续发展。
7 结论本研究提出的智能前馈PID控制方法,可有效解决现行30 m3气候室控制系统由于加水而出现振荡、使得控制精度达不到标准要求的突出问题以及系统稳定性和稳态响应较差的现象。在长达28天的6次加水中,每次加水后相对湿度误差都在±1.5%内、温度误差在±0.1 ℃内,使得测试环境一致,试验可复现能力强,检测结果真实有效。
丁世宏, 王加典, 黄振跃, 等. 2015. Buck变换器扰动补偿控制算法及实现. 农业工程学报, 31(8): 214-220. (Ding S H, Wang J D, Huang Z Y, et al. 2015. Disturbance compensation controller algorithm and implementation for Buck converters. Transactions of the Chinese Society of Agricultural Engineering, 31(8): 214-220. [in Chinese]) |
郝久玉, 李惠敏. 1997. 人工气候室专家模糊控制器的研究. 制冷学报, (1): 22-26. (Hao J Y, Li H M. 1997. Development of expert intelligent fuzzy controller for an environmental chamber. Refrigeration Journal, (1): 22-26. [in Chinese]) |
郝小礼, 谢湘, 王海桥. 2015. 高冷、热应力室内气候模拟实验台设计. 实验室研究与探索, 34(3): 69-73. (Hao X L, Xie X, Wang H Q. 2015. Design and construction of an indoor climate simulation experimental platform with high cold or heat stress. Research and Exploration in Laboratory, 34(3): 69-73. DOI:10.3969/j.issn.1006-7167.2015.03.019 [in Chinese]) |
刘鑫钰, 侯晓鹏, 苗虎, 等. 2013. 甲醛检测气候室控制系统的研制. 林业科学, 49(1): 185-188. (Liu X Y, Hou X P, Miao H, et al. 2013. Development of control system for formaldehyde testing chamber. Scientia Silvae Sinicae, 49(1): 185-188. [in Chinese]) |
刘巍巍, 杜世元, 张寅平. 2013. 室内物品和家具VOC散发环境舱设计思考和实践. 暖通空调, 43(12): 14-18. (Liu W W, Du S Y, Zhang Y P. 2013. Chamber for determination of volatile organic compound emissions from indoor products and furniture:Design consideration and practice. Heating Ventilating & Air Conditioning, 43(12): 14-18. [in Chinese]) |
彭勇刚, 韦巍. 2009. 基于神经网络补偿的人工气候箱温湿度模糊控制. 仪器仪表学报, 30(7): 1373-1377. (Peng Y G, Wei W. 2009. Artificial climate chest temperature and humidity fuzzy control based on neural network compensation. Chinese Journal of Scientific Instrument, 30(7): 1373-1377. DOI:10.3321/j.issn:0254-3087.2009.07.007 [in Chinese]) |
孙宗宇, 王兴国, 于国辉, 等. 2014. 某高湿负荷大幅变参数的恒温恒湿人工气候室工程实例研究. 建筑科学, 30(10): 115-119. (Sun Z Y, Wang X G, Yu G H, et al. 2014. Case study on constant temperature and humidity artificial climate chamber under high humidity load and substantial varying parameters. Building Science, 30(10): 115-119. [in Chinese]) |
王姿雅, 罗隆福, 江岳春, 等. 2006. 基于误差剔除和数据挖掘的人工气候室测试系统. 湖南大学学报:自然科学版, 33(4): 60-63. (Wang Z Y, Luo L F, Jiang Y C, et al. 2006. Design and implementation of an intellectual testing expert system for chamber. Journal of Hunan University:Natural Sciences Edition, 33(4): 60-63. [in Chinese]) |
吴宏鑫, 沈少萍. 2003. PID控制的应用与理论依据. 控制工程, 10(1): 37-42. (Wu H X, Shen S P. 2003. Basis of theory and applications on PID control. Control Engineering of China, 10(1): 37-42. DOI:10.3969/j.issn.1671-7848.2003.01.009 [in Chinese]) |
周羽生, 罗屿, 赵纯, 等. 2017. 人工气候室雾霾模拟方法及装置. 高电压技术, 43(3): 909-914. (Zhou Y S, Luo Y, Zhao C, et al. 2017. Haze-fog simulation method and device in the artificial climate chamber. High Voltage Engineering, 43(3): 909-914. [in Chinese]) |
周玉成, 程放, 肖天际, 等. 2003. 一类含不确定因素的非线性系统鲁棒跟踪. 林业科学, 39(2): 130-136. (Zhou Y C, Cheng F, Xiao T J, et al. 2003. Robust asymptotic tracing of a kind of nonlinear systems containing uncertain diathesis. Scientia Silvae Sinicae, 39(2): 130-136. DOI:10.3321/j.issn:1001-7488.2003.02.022 [in Chinese]) |
Carvalho L H, Magalhaes F D, Ferra J M. 2012. Formaldehyde: chemistry, applications and role in polymerization. New York: Nova Science Publishers.
|
Hanai Y, Chen Y H, Nakanishi J. 1996. Bulletin of the Institute of Environmental Science and Technology. Yokohama: Yokohama National University.
|
Kim K, Kim S, Kim H, et al. 2010. Formaldehyde and TVOC emission behaviors according to finishing treatment with surface materials using 20L chamber and FLEC. Journal of Hazardous Materials, 177(1): 90-94. |
Kim S, Cho B. 2013. Influence of VOC and formaldehyde emission from tile adhesives on their indoor concentrations in buildings. Journal of Adhesion Science and Technology, 27(5): 699-709. |
Que Z L, Ma L F, Wang F B, et al. 2013. Evaluation of formaldehyde emission from particleboard using the large chamber and desiccator method. Applied Mechanics and Materials, 260-261: 738-743. |
Roffael E, Schneider T, Dix B. 2015. Influence of moisture content on the formaldehyde release of particle and fiberboards bonded with tannin-formaldehyde resins. European Journal of Wood and Wood Products, 73(5): 597-605. DOI:10.1007/s00107-015-0921-1 |