基于地铁综合监控系统的环境设备监控系统应用技术

2012-06-21夏益青牛卫星

城市轨道交通研究 2012年5期

夏益青牛卫星

（1.国电南瑞科技股份有限公司，210061，南京；2.南京地下铁道有限责任公司，210061，南京∥第一作者，研究员）

地铁综合监控系统（ISCS）通过通信骨干网集成或互联环境设备监控系统（BAS）、紧急后备盘（IBP）、电力监控与变电所自动化系统（PSCADA）、视频监控系统（CCTV）、广播系统（PA）、乘客信息系统（PIS）、门禁系统（ACS）、设备维修系统（MSS）、火灾报警系统（FAS）、大屏显示系统（VCP），以及售检票系统（AFC）、屏蔽门系统（PSD）、信号系统（ATS）等，实现轨道交通资源共享和信息互通，达到统一监控、调度、维护和管理，提升运行、维护的自动化水平，提高轨道交通运营效益和灾害情况下综合处理能力的目的。

BAS属于ISCS集成的核心系统，主要由以下设备子系统构成：通风与空调系统（区间隧道通风系统、车站隧道通风系统、车站公共区通风空调系统、设备用房空调通风系统、空调水系统）、给排水系统、自动电扶梯系统、照明系统、导向系统、门禁系统，以及安全门、人防门（防淹门）等。BAS的作用是监视全线各类机电设备的运行状态，根据通风空调系统的环控工艺要求，对设备进行正常或灾害模式控制。

对BAS的深入研究，将有助于更好地实现对地铁机电设备全面、有效地进行自动监控及管理，确保设备处于安全、可靠、高效、节能的最佳运行状态，给乘客提供一个舒适的乘车环境，并能在火灾或阻塞等灾害状态下，更好地实施安全处置。

1 基于神经网络的传感感知

在对通风空调系统效用的评判以及乘客舒适度的评价中，空气浊度是一项重要指标。以南京地铁2号线BAS为例，空气浊度依靠CO2传感器感知，对空气质量的控制主要通过控制新风量来完成。除了常规的控制技术，模糊控制和神经网络等理论在解决新风过程控制方面的技术问题时取得了令人满意的效果，以这些理论为基础的应用技术可大幅度地优化BAS。从发展的角度看，模糊控制和神经网络等理论在BAS中的应用前景会逐渐广阔。

神经网络工作方式如同人的大脑，每个神经元性能如同一个简单的处理器。将传感器作为系统的神经元输入，通过累加加权输入，经转换功能模块得出输出值；输出一般是非线性的，存贮于神经元中，该值再作为下一级神经元的输入值。将许多神经元连接到网络上即可建造一些非常复杂的结构。同级的神经元可以合并起来构成功能层。下面以CO2传感器构成的神经网络感知为例，简要介绍神经网络感知和模糊控制的方法。

1.1 神经元数学模型

神经元是一个多输入单输出的信息处理单元，它对信息的处理是非线性的。根据神经元的功能，可以将之抽象为如下的数学模型（见图1）。

图1 神经元数学模型示意图

图1中，x1，x2，…，xn是神经元输入，对应与各传感器；θi是神经元的阈值；ωi1，ωi2，…，ωin分别是第i神经元对x1，x2，…，xn的权系数，即突出的传递率；yi是i神经元的输出；f［x］是激发函数，决定i神经元受到x1，x2，…，xn激发达到阈值时以何方式输出。f［x］可以有多种形式，如阶跃型、线性型、次方型等。传感器神经元数学模型可表述为：

取阶跃型激发函数f［ui］作为神经元达到阈值时的输出和触发BAS及通风空调系统的条件。

1.2 神经网络信息处理过程

神经网络信息处理过程可以分成执行和学习2个阶段。执行阶段是指神经网络对输入信息进行处理，并产生对应的输出过程。数学表达式为：

学习阶段是指神经网络自我完善的阶段。此时神经网络按照一定的学习规则修改突出的权系数wij，使得给定的测度函数E达到最小，一般取：

式中：

Ti——教师信号；

Xi——神经元输出。

学习阶段数学表达式为：

式中：

φ——非线性函数；

η——权重变化率；

n——学习时的迭代次数。

神经网络开始工作前，加权连接须经“学习”后建立。在学习阶段，网络在输入和输出之间完成“学习”功能。在执行阶段，网络的输出即为神经网络感知结果。通过神经网络感知，能够较好地测出人员流动量、非均衡区域的空气质量，为优化控制提供直接依据。

2 基于客流量模型的灰色系统预测

地铁公共区通风空调系统直接关系到乘客的舒适度和设备节能。地铁客流量既有时段性，又有突发性。而公共区通风空调系统属于复杂大惯性、大滞后系统，往往客流骤增，通风空调系统来不及增加出力，导致环境温度偏高，空气质量变差；等到通风空调系统增加出力，客流往往已经被输送完毕，又会造成环境温度偏低。如此反复，不仅降低了乘客的舒适性，也浪费能源。这种客流随机突发性增加了通风空调控制系统的控制难度。对于这样一个大滞后、强耦合、时变及非线性对象，如果处理不好，常会使被控过程波动加大，甚至容易引起控制系统的振荡，响应性能变差，甚至造成控制系统的不稳定。因此，研究复杂大惯性、大滞后系统的控制策略，寻求算法简单、实施容易、通用性强、鲁棒性能好的控制算法，改善复杂大惯性、大滞后系统的控制性能，具有十分重要的现实意义。

地铁的客流既有时段特性（早晚高峰、节假日高峰）、又有随机突发性，可以看成一个灰色系统。灰色系统是指信息部分明确、部分不明确的抽象系统。灰色系统内的一部分信息是已知的，另一部分信息是未知的，系统内各因素间具有不确定的关系。利用ISCS集成或互联BAS和AFC，可以实现基于AFC客流量模型的BAS通风空调系统灰色预测控制。

灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，即关联分析，对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，即通过等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间，从而预测事物未来发展趋势的状况。

灰色预测控制并不依赖被控系统的精确模型，很适合地铁BAS、AFC这样的复杂大惯性、大滞后环节非线性系统的控制预估。灰色系统理论将随机过程看作是在一定范围内变化的与时间有关的灰色过程，将客流量看成是在一定范围内变化的灰色量。灰色系统理论认为，灰色系统的行为现象尽管是朦胧的，数据是杂乱的，但毕竟是有序的、有整体功能的，因而对变化过程可作科学预测。用来发掘这些规律的适当方式是数据生成，将杂乱的原始数据整理成规律性较强的生成数列，再通过一系列运算，就可以建立灰色理论中一阶单变量微分方程的模型即GM（1，1）模型。本文用灰色模型（Grey Model）GM（1，1）构建基于AFC客流量模型的通风空调系统灰色预测控制算法。

建立基于AFC客流量模型的GM（1，1）只需要一个数列X（0）：

对该数列作一阶累加生成，得生成数列：

将原始数列经累加生成后，弱化了原始数列中坏数据的影响，使其变为较有规律的生成数列后再建模。

利用X（1）构成下述一级白化微分方程：

式中：

α——发展灰度；

u——内生控制灰度。

利用最小二乘法求解：

求解微分方程，即可以得到基于AFC客流量的灰色预测函数：

其预测值还原为：

BAS通过上述灰色预测函数，根据通风空调系统工艺要求，实现与客流量的变化趋势实时随动的控制算法，及时调整冷水机组出力，保证冷负荷与客流量的动态匹配，避免空调系统的过冷过热，保证人体舒适度，同时达到系统节能的目的。

3 设备优化控制技术

BAS的优化控制具有多种被控对象动态数学模型、最优化运行策略，通过综合分析判断、模糊或近似推理的方法，根据不同的工艺和运行方式动态实时给出最优化运行、管理方法，为过程分析、检修和管理提供理论依据及技术支持。

3.1 新风量模糊控制

模糊控制技术可以很好地应用于通风空调新风控制。模糊并不意味着所获得的结果是模糊、不精确或甚至是完全不准确的。但是，它也不同于二进制逻辑，仅能区分真假（1、0）两种状态。模糊逻辑理论具有描述不精确状态的语句，这些语句由特定的生产工艺和控制方法在获得的实践经验基础上以“规则”的形式引入，由模糊控制器完成控制。

将基于神经网络感知的CO2参数转换成模糊变量的过程称为模糊化，此过程是在成员功能单元的帮助下进行的。成员功能单元表明如何将许多术语（也称作“语言”变量），如很低、低、最优、高或很高等，准确地与某一特定值相对应。如CO2反馈值可取NB、NS、ZR、PS、PB等5个值，分别对应很低、低、优、高、很高。控制单元由控制操作的实践经验组成，并以“规则”形式表示。控制单元将输入变量（CO2值）同受控变量（新风量）联系起来，该过程称为“推理”。“推理”方法有最大值－最小值法、最大点积法等。受控变量通常都是许多规则的结果，有必要总结各自的适用范围，该过程称为“合成”。去模糊是将模糊形式确定的受控变量变回数量值的转换过程。图2为模糊控制器的功能模块。

图2 模糊控制器的功能模块图

3.2 具有Smith预估的PID模糊控制

比例积分微分（PID）控制是BAS中常用的控制方法。常规的PID控制器通过给定值r（t）与实际输出值c（t）构成控制偏差：

将比例P、积分I、微分D经过线性组合构成控制量，对被控对象进行控制：

其中KP、TI、TD分别是比例、积分、微分系数。

地铁BAS中的主要系统，例如通风空调系统、水系统等，都具有纯滞后的特性，如果控制算法不当，可能会导致系统超调或振荡。通过Smith预估方法，可以获得对纯滞后被控对象的补偿模型。这个与PID控制器并接的补偿器叫Smith预估器（见图3）。其中，G0（S）e－τS表示具有纯滞后过程的传递函数，Gc（S）表示PID控制器的传递函数，G0（S）（1－e－τS）为补偿函数。

图3 纯滞后被控对象的Smith预估器

上述传统Smith预估控制器中的Gc（S）是一个PID控制器。由于PID模型是基于精确的被控对象模型而设计的，对于缺乏精确模型的或参数时变的具有滞后的过程控制，难以达到满意效果。可将模糊控制器引入其中，构成Smith－Fuzzy控制系统（见图4）。将Smith－Fuzzy控制器应用于地铁通风空调系统、水系统中，可以完成对时变系统控制，以及对纯滞后的补偿，取得令人满意的控制效果。

图4 Smith－Fuzzy控制示意图

3.3 实际运行效果分析

南京地铁2号线BAS在软件设计过程中应用了基于神经网络感知的CO2参数的新风量模糊控制技术和基于Smith－Fuzzy控制器的PID模糊控制技术。选取南京地铁1号线的珠江路站和2号线的钟灵街站进行比较，两个车站大小基本一致，抽样见表1。其中站台温度设定值为29℃，CO2体积质量设定值为低于1 375mg／m3。

表1 抽样对比表

从2010年6月至8月共3个月间，通风空调系统实际用电量，珠江路站18.4万kW·h，钟灵街站16.8kW·h。表1说明，在同等条件下，应用了设备优化控制技术的钟灵街站乘车环境更好。

4 设备状态检修与RAMS管理

设备状态检修是基于ISCS的设备在线故障诊断和最优检修周期预估系统。ISCS为设备状态检修提供了强有力的技术支撑。设备状态检修策略一般有2种：一是确定最优的检修间隔时间；二是在知道状态结果后采取最适宜的措施，例如，是改变监测间隔时间还是进行检修等。ISCS通过状态分析，给出设备检修策略，达到使平均费用最小或平均利润最大的目的。状态分析内容包括设备的正常可用度、设备的异常可用度、设备的第1类FN故障频度、设备的第1类FA故障频度、设备的第2类故障频度、设备第2类异常的检出频度、设备的误断频度等。与设备状态检修紧密相关是RAMS（可靠性、可用性、可维护性和安全性管理）。其主要的描述模型如下。