基于模糊PID的针剂生产环境中央空调系统综合智能调控

2022-03-19邱振彬邓小龙

南京工程学院学报（自然科学版） 2022年4期

邱振彬,严惠,邓小龙

(江苏信息职业技术学院, 江苏无锡 214153)

医药行业的净化工程事关医药产品质量并与从业人员的安全息息相关,《药品生产质量管理规范》(good manufacturing practices,GMP)对净化空调系统的设计做出了详细规定[1-4].针剂生产线系统需通过GMP认证方可具备市场准入条件,使针剂生产的恒温、恒湿环境得到保证.新版GMP对洁净度提出了更高要求,通过增加换气次数提高系统的动态与静态监视实时性[5].新风效应是空调系统控制室的常用措施,主要采用合适的新风量与空气过滤及吸附,目前尚无其他可替代手段[6].为确保生产环境达到GMP要求,必须配有净化空调系统[7-8].通过空调净化智能调控系统对环境实时监控并作出快速处理与报警,提高医药生产系统的诊断实时性[9].

1 设计目标及系统网络结构

本文设计针剂生产环境中央空调智能调控系统有空调机组6套,配有新风系统、排风系统,洁净区域温度控制在夏季(23±1) ℃、冬季(21±1) ℃,湿度控制在夏季(55±5)%,冬季(50±5)%.设计智能监控系统软件、硬件,在上位机集中显示所有设备的运行状况、故障状态、参数监控等信息.主要设备(包括主机、水泵、送风机、排风机、阀门等)都实现远程控制.结合监控信息与工作时序,实现各区域空调控制范围内的设备协调节能运行.

中央空调调控系统网络采用离散控制系统结构,如图1所示,包括：

图1 中央空调调控系统网络架构图

1) 中心管理层由监测、统计、分析、报表、能量管理系统(EMS)、电池管理系统(BMS)、远程操作控制等组成,设置2套操作员站,含BMS上位机、EMS上位机、液晶显示屏、彩色激光打印机和UPS电源,通过EMS实现电网内部能量控制,维持微电网功率平衡,保证微电网正常运行,同时根据负荷变化系统输出冷量自动变化,从而达到节能目的;

2) 控制层采集现场数据并进行传输,执行管理层发出的相关命令,采用西门子S7-1500PLC+ET200M分布式系统;

3) 智能设备层检测系统温度、压力、流量、压差、大气参数、功耗等参数,并执行区域控制层指令,调节系统各相关运行参数.

2 中央空调系统智能控制设计

2.1 不同工作模式下的控制

空调系统回风温度控制在设定值±1 ℃范围内,可通过温度设定界面设置.主要通过冷冻水(夏季)和蒸汽(冬季)调节阀的调节实现房间温度的控制,中央空调系统具有正常工作、消毒、消毒全排风、值班四种模式.

2.1.1 正常工作温湿度控制

在正常工作模式下,空调系统正常运行,房间的温湿度保持在生产工艺要求的设定值.如图2所示,系统启动之前判断机组配电柜是否切换到远程控制,如果未连接则手动切换到远程控制;检查上位机监控系统是否连接,确认通讯正常后设定系统参数;就绪后启动系统工作.

图2 正常工作温湿度控制流程

2.1.2 消毒模式控制

根据新版GMP规定生产厂房应当按照操作规程进行必要的消毒.本系统采用臭氧消毒,系统的消毒模式工作流程如图3所示.系统启动前的准备工作与正常工作流程一致,启动消毒模式工作后,检查消毒设置时间,关闭加湿阀,若回风阀未打开则自动打开,设定变频器频率为消毒频率,打开新风阀,关闭排风机;开启臭氧发生器,若消毒时间到,则关闭臭氧发生器,切换到消毒排风模式.

图3 消毒模式控制流程

2.1.3 消毒全排风模式控制

为了消散消毒后室内残留的消毒剂,系统要进行消毒排风.消毒全排风模式如图4所示.系统准备状态就绪后,启动全排风模式,设定全排风时间,关闭加湿阀、回风阀、设定全排风频率、新风阀按照指定开度打开、打开排风阀;排风时间达到设定值后,切换到正常工作模式.

图4 消毒全排风模式控制流程

2.1.4 值班模式控制

针剂药品生产的空气净化系统在非生产时段可适当放宽温湿度的控制范围,以减少非生产时段空调系统运行带来的能耗浪费,即为值班运行模式.如图5所示,启动值班模式、检查值班模式设定时间后,打开回风阀、变频器调节至值班频率、打开新风阀、排风阀、判断温湿度是否达到设定值,若未达到则启动加湿、PID调节温度;值班模式时间结束则进入正常工作模式.

通过变频控制不同工作模式,如在值班模式下风机频率降低50%,整个系统处于低能耗状态,可达到节能的效果.

图5 值班模式控制流程

2.2 系统温湿度的模糊PID控制设计

针剂的生产工艺对环境温湿度有严格要求,因此,温湿度控制成为空调系统控制的关键一环.目前工程上使用得较多的是PID控制方法,PID控制虽然有不错的适应性,但其参数难以整定的问题比较突出,对系统模型和工程人员经验的依赖性比较大;尤其是对于中央空调系统这一滞后、时变、非线性系统,常规的PID控制往往难以实现高效、节能的预期目标.针对温湿度控制时变、非线性的特点,本文利用模糊控制不依赖对象模型的特性[10],结合常规PID控制方法,设计一种模糊PID控制器,自动调整控制器参数,实现系统的自适应控制.

2.2.1 模糊PID控制原理

针对系统的温湿度控制,设计一个2输入3输出的二维模糊PID控制器,以系统设定的温湿度与传感器实际测量的温湿度的偏差e及偏差e的变化率ec作为控制器的输入,以PID控制器的参数kp、ki、kd的修正值Δkp、Δki、Δkd作为控制器的输出,如图6所示.经模糊运算修正后,PID控制器的参数为：kp′=kp+Δkp,ki′=ki+Δki,kd′=kd+Δkd,其中kp、ki、kd为控制器的预整定值.经系统试运行,kp、ki、kd的值分别为1、0.05、0.

图6 模糊PID控制原理图

2.2.2 输入、输出变量的模糊集合

在进行温度控制时,将温度的偏差e及偏差e的变化率ec的模糊论域设置为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},分别对应模糊集合E和EC,每个集合用{NB,NM,NS,Z,PS,PM,PB}7个子集来描述,分别表示负大、负中、负小、零、正小、正中、正大.集合E对应的实际含义分别为：温度高、较高、略高、相等、略低、较低、低;集合EC对应的实际含义分别为：温度上升快、较快、略有上升、不变、略有下降、下降较快、快.同样,输出Δkp、Δki、Δkd的论域也设置为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},对应的模糊集合KP、KI、KD也用{NB,NM,NS,Z,PS,PM,PB}7个子集来描述.隶属度函数均采用较容易实现的三角型隶属度函数,如图7所示.湿度的变化与控制方式与温度相似,也采用同样的处理方法.

图7 三角型隶属度函数

2.2.3 模糊控制规则

在PID控制中,比例对系统的偏差进行调节,积分主要用来消除稳态误差,微分则是对偏差的变化趋势实现超前调节,改善动态特性.因此,当温度偏差e较大时,应加大比例的调节作用,减小微分的调节作用;偏差e较小时,要增加积分的调节作用,以减少超调和震荡;当偏差e及其变化率ec较大时,则应增加微分调节的作用.根据以上原则,制定Δkp、Δki、Δkd的模糊控制规则各49条,如表1、表2、表3所示.经模糊规则推理计算后,还要对模糊变量进行清晰化处理,即在推理得到的模糊集合中取1个值作为结果.本文采用重心法对输出的模糊量进行解模糊处理.

表1 Δkp模糊控制规则表

表2 Δki模糊控制规则表

表3 Δkd模糊控制规则表

2.2.4 Smith预估补偿环节

以温度控制为例,空调温度控制系统是一个二阶系统,但其动态特性一般可用带延迟的一阶模型近似描述：

式中：K为放大系数;T为时间常数;τ为传递滞后.

通过阶跃响应测试法得出系统的近似模型为：

针剂生产工艺对洁净室温湿度的控制提出的要求高,本空调系统采用离散控制方式进行控制.由系统模型可以看出,控制对象具有纯滞后环节,这将降低系统的稳定性.引入补偿环节,在模糊PID控制器上并联一个Smith预估器可以对系统提前做出调整,获得更优的控制效果.根据系统模型,Smith预估器的表达式为：

经过补偿后,系统将不含纯滞后环节.

2.2.5 仿真结果分析

采用参数经验整定的PID控制方法和模糊PID控制对系统进行控制仿真,得到仿真曲线如图8、图9所示.仿真结果表明,采用模糊PID控制方法的系统稳定性更好,几乎没有振荡,对于有延迟的温度控制对象有更佳的控制效果,可以应用于实际控制测试.

图8 PID控制响应曲线

2.3 远程智能数据采集监控界面设计

远程智能监控界面采用西门子上位机组态软件WinCC设计,有主界面、报警界面、报表、权限管理界面等.界面可以切换不同的单体中央空调界面进行监视,每一个单体界面可实现在屏幕上显示操作提示、报警信息、查看报警或确认报警等系列指令功能;通过用户权限管理,用户需要输入正确的用户名和密码才能进行相应的操作;画面主要包括系统控制、系统状态以及空调实时动画监控,可以实时反映当前风阀的开关状态、压差状态报警信息以及温湿度的实时值等,监控界面如图10所示.

图9 模糊PID控制响应曲线

图10 远程数据采集与监控界面

3 控制系统运行测试

通过离散控制与集中监控提高了系统实时安全性,系统故障平均消除时间小于0.4 h,大大提高了故障修复实时性.采用模糊PID控制生产环境温湿度,提高了系统运行的可靠性与精准度,温度控制精度达±0.1 ℃,相对湿度控制精度达±2%,满足设计要求.

与经验整定参数PID控制方法相比,模糊PID控制器有着更好的控制精度和更快的响应速度,表4为夏季对系统运行测试的结果.不同工作模式下系统的运行参数不同,可使系统处于低能耗工作状态.将传统控制方法的同类生产车间的用电量作为预期能耗,根据2021年7月—12月的用电分析,本文控制系统节省了约24%的耗电量,如图11所示.