CN114609899B - 一种基于多传感器协同的净化箱环境测控方法及系统 - Google Patents

Abstract

本发明公开了一种基于多传感器协同的净化箱环境测控方法及系统，属于净化箱环境测控技术领域。方法包括：以净化箱箱体的氧浓度、水蒸气浓度、有害气体浓度、颗粒物浓度、温度和气压六个参数为因素集，建立评语集以及各因素对应的隶属度函数和权重集，构建净化箱环境综合评价函数；当综合评价结果不满足要求时，通过判断六个参数与相应阈值的大小关系，分别调节外循环净化系统、内循环过滤系统、温控系统的功率以及压力系统的抽气充气体积。如此，本发明通过构建净化箱环境综合评价函数，将各指标有机结合来整体监控净化箱环境，从而有效地解决了现有环境测控方法未考虑各指标的相互影响，导致控制效果不佳的技术问题。

Description

一种基于多传感器协同的净化箱环境测控方法及系统

技术领域

本发明属于净化箱环境测控技术领域，更具体地，涉及一种基于多传感器协同的净化箱环境测控方法及系统。

背景技术

随着科技不断发展，各种高新技术的研发与新型材料的研究对实验环境的要求更加严苛，因而净化箱的隔离特性得到重视，各类不同应用领域的净化箱产品层出不穷。如今，净化箱产品更新迭代，已经被广泛应用于诸多行业领域中，如科学实验、新材料研发、锂电池、太阳能电池、特殊焊接、真空镀膜和喷印显示等。在很多实验室内也都会配置净化箱用于实验用途。净化箱的制造技术已经比较成熟并被广泛应用。

为保证在不同应用场景下，净化箱环境氛围能够满足生产实验的要求，净化箱往往设置相应的循环净化系统来除去净化箱环境产生的颗粒物、水氧、有毒有害物质等，以保证净化箱环境不会对实验生产产生不利影响。针对净化箱环境的监测与维持，采取相应传感器来检测相应指标是否符合要求，并运行净化系统来除去有害物质，保证各指标在要求范围内。但目前对于净化箱环境监控，多采用传感器检测单一指标作为控制依据，而没有将各指标有机结合来整体监控净化箱环境并进行智能控制。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于多传感器协同的净化箱环境测控方法及系统，旨在解决现有净化箱环境测控方法未考虑各指标的相互影响，导致控制效果不佳的技术问题。

为实现上述目的，第一方面，本发明提供了一种基于多传感器协同的净化箱环境测控方法，包括：

S1，以净化箱箱体的氧浓度C_氧1、水蒸气浓度C_水1、有害气体浓度C_有1、颗粒物浓度C_颗1、温度T₁和气压p₁为因素集，建立评语集以及各因素对应的隶属度函数和权重集，构建净化箱环境综合评价函数；

S2，获取当前时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，若综合评价结果满足要求，则获取下一时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，继续进行综合评价；否则，执行S3；

S3，当C_氧1>C_氧lim或C_水1>C_水lim或C_有1>C_有lim时，调节外循环净化系统的功率P_外；当C_颗1>C_颗lim时，调节内循环过滤系统的功率P_内；当T₁<T_min或T₁>T_max时，调节温控系统的功率P_温；当p₁<p_min或p₁>p_max时，调节压力系统的抽气充气体积V_压；其中，C_氧lim、C_水lim、C_有lim、C_颗lim、T_min、T_max、p_min和p_max分别为净化箱箱体的氧浓度上限、水蒸气浓度上限、有害气体浓度上限、颗粒物浓度上限、温度下限、温度上限、气压下限和气压上限；

S4，调控完成后，跳转至S2。

进一步地，所述净化箱环境综合评价函数表示为：

其中，因素集X＝{x₁,x₂,x₃,x₄,x₅,x₆}，x₁为净化箱箱体的氧浓度，x₂为净化箱箱体的水蒸气浓度，x₃为净化箱箱体的有害气体浓度，x₄为净化箱箱体的颗粒物浓度，x₅为净化箱箱体的温度，x₆为净化箱箱体的气压；w_i为x_i在评价体系中对应的权重系数，i＝1,2,3,4,5,6且w₁+w₂+w₃+w₄+w₅+w₆＝1；μ_j(x_i)为x_i对应评语等级j的隶属度函数，j＝1,2,…,N。

进一步地，综合评价指标为评语等级；根据最大隶属度原则，取μ₁、μ₂、…、μ_N中的最大值对应的评语等级作为净化箱环境等级；其中，

进一步地，综合评价指标为评语分数M；

其中，M_j为对应评语等级j对应的分值，

进一步地，所述S3具体为：

当C_氧1>C_氧lim或C_水1>C_水lim或C_有1>C_有lim时，获取外循环净化系统氧浓度C_氧3、水蒸气浓度C_水3、有害气体浓度C_有3，以C_氧1、C_水1、C_有1为控制参数，以C_氧3、C_水3、C_有3为反馈参数，调节外循环净化系统的功率P_外，对C_氧1、C_水1、C_有1进行调控；

当C_颗1>C_颗lim时，获取净化箱箱体排出气体颗粒物浓度C_颗3、内循环过滤系统颗粒物浓度C_颗2，以C_颗1、C_颗3为控制参数，以C_颗2为反馈参数，调节内循环过滤系统的功率P_内，对C_颗1进行调控；

当T₁<T_min或T₁>T_max时，获取净化箱箱体排出气体温度T₃、外循环净化系统热源温度T₄、内循环过滤系统热源温度T₅、外界温度T_外、温控系统温度T₂，以T₁、T₃、T₄、T₅、T_外为控制参数，以T₂为反馈参数，调节温控系统的功率P_温，对T₁进行调控；

当p₁<p_min或p₁>p_max时，获取压力系统气压p₃，以p₁、p₃、T₁、T_外为控制参数，调节压力系统的抽气充气体积V_压，对p₁进行调控。

进一步地，根据下式对温控系统的功率P_温进行调节：

其中，c为净化箱箱体内气体比热容，ρ为净化箱箱体内气体密度，V_净为净化箱箱体有效气体容积；为t-Δt时刻温控系统温度， 分别为t时刻净化箱箱体排出气体温度、外循环净化系统热源温度、内循环过滤系统热源温度、外界温度、净化箱箱体温度；k₁为外循环净化系统热源处传热系数，k₂为内循环过滤系统热源处传热系数，k₃为外界环境与净化箱传热系数。

进一步地，根据下式对压力系统的抽气充气体积V_压进行调节：

其中，T_target为净化箱箱体目标温度，p_target为净化箱箱体目标气压，V_净为净化箱箱体有效气体容积。

进一步地，

以C_氧1、C_水1、C_有1、C_氧3、C_水3和C_有3作为输入，外循环净化系统功率P_外的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的外循环净化系统模糊神经网络；所述功率P_外的PID控制器的输入为C_氧1、C_水1和C_有1的偏差和偏差的变化率，输出为功率P_外的PID参数；

以C_颗1、C_颗2和C_颗3作为输入，内循环过滤系统功率P_内的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的内循环过滤系统模糊神经网络；所述功率P_内的PID控制器的输入为C_颗1的偏差和偏差的变化率，输出为功率P_内的PID参数；

以T₁、T₂、T₃、T₄、T₅、T_外作为输入，温控系统功率P_温的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的温控系统模糊神经网络；所述功率P_温的PID控制器的输入为T₁的偏差和偏差的变化率，输出为功率P_温的PID参数；

以p₁、p₃、T₁、T_外作为输入，压力系统抽气充气体积V_压的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的压力系统模糊神经网络；所述抽气充气体积V_压的PID控制器的输入为p₁的偏差和偏差的变化率，输出为功率抽气充气体积V_压的PID参数；

利用训练好的外循环净化系统模糊神经网络、内循环过滤系统模糊神经网络、温控系统模糊神经网络和压力系统模糊神经网络，分别调节所述外循环净化系统功率P_外、内循环过滤系统功率P_内、温控系统P_温和压力系统抽气充气体积V_压的PID参数。

第二方面，本发明提供了一种基于多传感器协同的净化箱环境测控系统，包括：

第一氧浓度传感器，位于净化箱箱体，用于检测净化箱箱体氧浓度C_氧1；

第三氧浓度传感器，位于外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的氧浓度C_氧3；

第一水蒸气浓度传感器，位于净化箱箱体，用于检测净化箱箱体水蒸气浓度C_水1；

第三水蒸气浓度传感器，位于所述外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的水蒸气浓度C_水3；

第一有害气体浓度传感器，位于净化箱箱体，用于检测净化箱箱体有害气体浓度C_有1；

第三有害气体浓度传感器，位于所述外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的有害气体浓度C_有3；

第一颗粒物浓度传感器，位于净化箱箱体，用于检测净化箱箱体颗粒物浓度C_颗1；

第二颗粒物浓度传感器，位于所述内循环过滤系统流入净化箱箱体的进风口处，用于检测经所述内循环过滤系统过滤后进入净化箱箱体气体的颗粒物浓度C_颗2；

第三颗粒物浓度传感器，位于净化箱箱体流出至所述内循环过滤系统相连管道处，用于检测净化箱箱体排出气体的颗粒物浓度C_颗3；

第一温度传感器，位于净化箱箱体，用于检测净化箱箱体环境温度T₁；

第二温度传感器，位于经所述温控系统调节后气体流入净化箱箱体处，用于检测经所述温控系统调节后进入净化箱箱体气体温度T₂；

第三温度传感器，位于与所述内循环过滤系统相连接的净化箱箱体出风口处，用于检测净化箱箱体排出气体温度T₃；

第四温度传感器，位于所述外循环净化系统热源处，用于检测所述外循环净化系统的温度T₄；

第五温度传感器，位于所述内循环过滤系统热源处，用于检测所述内循环过滤系统的温度T₅；

第一压力传感器，位于净化箱箱体，用于检测净化箱箱体气压p₁；

第三压力传感器，位于所述压力系统处，用于检测所述压力系统处气压p₃；

外循环净化系统，用于调节净化箱箱体的氧浓度、水蒸气浓度和有害气体浓度；

内循环过滤系统，用于调节净化箱箱体的颗粒物浓度；

温控系统，用于调节净化箱箱体的温度；

压力系统，用于调节净化箱箱体的气压；

控制器，用于执行如第一方面所述的基于多传感器协同的净化箱环境测控方法。

总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

(1)本发明通过构建净化箱环境综合评价函数，将各指标有机结合来整体监控净化箱环境，便于对净化箱环境整体情况做出判断，利于对净化箱环境监控。具体为：先进行综合评价，在综合评价不满足要求时，再通过判断因素集中各因素与相应阈值的大小关系，分别调节外循环净化系统、内循环过滤系统、温控系统的功率以及压力系统的抽气充气体积；接着，继续对调控后的各因素值进行综合评价。有效地解决了现有环境测控方法未考虑各指标的相互影响，导致控制效果不佳的技术问题。

(2)本发明不仅检测净化箱箱体的氧浓度、水蒸气浓度、有害气体浓度、颗粒物浓度、温度和气压，还检测外循环净化系统氧浓度、水蒸气浓度、有害气体浓度，净化箱箱体排出气体颗粒物浓度，内循环过滤系统颗粒物浓度，净化箱箱体排出气体温度、外循环净化系统热源温度、内循环过滤系统热源温度、外界温度、温控系统温度，压力系统气压等辅助参数，通过引入辅助参数形成完整的闭环反馈控制，有效地解决了现有净化箱单一传感器检测问题。

(3)采用基于遗传算法和神经网络的模糊PID控制方法完成闭环控制，使得净化箱环境控制更加稳定高效。

附图说明

图1为本发明提供的基于多传感器协同的净化箱环境测控系统的组成说明框图；

图2为本发明提供的基于多传感器协同的净化箱环境测控系统布局关系说明框图；

图3为本发明提供的净化箱环境多传感器协同检测系统各模块组成说明框图；

图4为本发明提供的基于多传感器协同的净化箱环境测控方法的流程示意图；

图5为本发明提供的净化箱环境控制方案说明框图；

图6为本发明提供的净化箱环境基于遗传算法和神经网络的模糊PID控制方法说明框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明中，本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在描述本发明基于多传感器协同的净化箱环境测控方法之前，对净化箱本身需要满足的基本要求做以下说明：

(1)提供封闭的微环境，具有良好的密封性

封闭可以提供一个相对独立的微环境，便于微环境调控；良好的密封性有助于微环境的稳定，避免外界环境对微环境的破坏，也避免微环境气体对外界环境的污染。

(2)无水无氧的气体环境

工作过程中材料易受到水、氧及其他有害物质的破坏，会影响产品质量，需要提供纯净的气体环境。

(3)高洁净度

气体环境中的颗粒物会影响产品质量，需要提供基本没有颗粒物的高洁净度微环境。

(4)稳定适宜的环境温度、压强

微环境的温度、压强会影响设备的正常运行，需要提供稳定适宜的温度、压强的环境。

(5)能够对微环境的各项指标进行监测并调控

为保证净化箱提供的微环境适宜且稳定，要能够对微环境的各项指标进行全面监测，并分别提供相应系统对各项指标进行调控。

参阅图1，一种基于多传感器协同的净化箱环境测控系统，包括：

净化箱环境多传感器协同检测系统，用于检测净化箱环境各项参数；

净化箱环境控制系统，用于调控各系统来维护净化箱环境；

外循环净化系统，用于处理去除净化箱环境水蒸气、氧气及其他有害气体；

内循环过滤系统，用于处理去除净化箱环境颗粒物；

温控系统，用于调节净化箱环境温度；

压力系统，用于调节净化箱环境气压。

其中，净化箱环境多传感器协同检测系统包括氧浓度检测模块、水蒸气浓度检测模块、有害气体浓度检测模块、颗粒物浓度检测模块、温度检测模块和压力检测模块。

参阅图2和图3，氧浓度检测模块、水蒸气浓度检测模块、有害气体浓度检测模块、颗粒物浓度检测模块、温度检测模块、压力检测模块均包含多个传感器来检测不同位置的各项参数，为系统协同决策提供依据。具体地：

氧浓度检测模块，包括：

第一微量氧传感器，位于净化箱箱体100，检测净化箱箱体微量氧浓度C_氧1；

第二微量氧传感器，位于密封腔体200，检测密封腔体微量氧浓度C_氧2；

第三微量氧传感器，位于外循环净化系统300流入净化箱箱体100的相连管路，检测经外循环净化系统净化后进入净化箱箱体气体的微量氧浓度C_氧3；

第一常量氧传感器，位于净化箱箱体100，检测净化箱箱体常量氧浓度C_常1；

第二常量氧传感器，位于密封腔体200，检测密封腔体常量氧浓度C_常2。

其中，第一微量氧传感器，实时检测净化箱箱体的微量氧浓度，保证净化箱运行过程中箱体环境氧浓度在要求范围内，即满足C_氧1≤C_氧lim，其中，C_氧lim为净化箱箱体氧浓度上限；

第二微量氧传感器检测密封腔体微量氧，用作密封腔体与净化箱箱体相连舱门开启关闭指标之一；

第三微量氧传感器用作检测外循环净化系统的工作状态，判断外循环净化系统除氧是否达标，是否需要对外循环净化系统进行维护；

第一常量氧传感器检测净化箱箱体氧浓度，用作判断净化箱箱体开启关闭的指标；

第二常量氧传感器检测密封腔体氧浓度，用作判断密封腔体与外界相连舱门开启关闭的指标。

水蒸气浓度检测模块，包括：

第一水蒸气浓度传感器，位于净化箱箱体100，检测净化箱箱体水蒸气浓度C_水1；

第二水蒸气浓度传感器，位于密封腔体200，检测密封腔体水蒸气浓度C_水2；

第三水蒸气浓度传感器，位于外循环净化系统300流入净化箱箱体100的相连管路，检测经外循环净化系统净化后进入净化箱箱体气体的水蒸气浓度C_水3。

其中，第一水蒸气浓度传感器，实时检测净化箱箱体的水蒸气浓度，保证净化箱运行过程中箱体环境水蒸气浓度在要求范围内，即满足C_水1≤C_水lim，其中，C_水lim为净化箱箱体水蒸气浓度上限；

第二水蒸气浓度传感器检测密封腔体水蒸气浓度，用作密封腔体与净化箱箱体相连舱门开启关闭指标之一；

第三水蒸气浓度传感器用作检测外循环净化系统的工作状态，判断外循环净化系统除水是否达标，是否需要对外循环净化系统进行维护。

有害气体浓度检测模块，包括：

第一有害气体浓度传感器，位于净化箱箱体100，检测净化箱箱体有害气体浓度C_有1；

第二有害气体浓度传感器，位于密封腔体200，检测密封腔体有害气体浓度C_有2；

第三有害气体浓度传感器，位于外循环净化系统300流入净化箱箱体100的相连管路，检测经外循环净化系统净化后进入净化箱箱体气体的有害气体浓度C_有3。

其中，第一有害气体浓度传感器，实时检测净化箱箱体有害气体浓度，保证净化箱箱体环境有害气体浓度在要求范围内，即满足C_有1≤C_有lim，其中，C_有lim为净化箱箱体有害气体浓度上限；

第二有害气体浓度传感器检测密封腔体有害气体浓度，用作密封腔体与净化箱箱体相连舱门开启关闭指标之一；

第三有害气体浓度传感器用作检测外循环净化系统的工作状态，确定外循环净化系统去除有害气体是否达标，是否需要对外循环净化系统进行维护。

颗粒物浓度检测模块，包括：

第一颗粒物浓度传感器，位于净化箱箱体100，检测净化箱箱体颗粒物浓度C_颗1；

第二颗粒物浓度传感器，位于内循环过滤系统流入净化箱箱体的进风口处402，检测经内循环过滤系统过滤后进入净化箱箱体气体的颗粒物浓度C_颗2；

第三颗粒物浓度传感器，位于净化箱箱体流出至内循环过滤系统相连管道处403，检测净化箱箱体排出气体的颗粒物浓度C_颗3。

其中，第一颗粒物浓度传感器，实时检测净化箱箱体颗粒物浓度，保证净化箱箱体环境颗粒物浓度在要求范围内，即满足C_颗1≤C_颗lim，其中，C_颗lim为净化箱箱体颗粒物浓度上限；

第二颗粒物浓度传感器，用作检测内循环过滤系统的工作效果，确定内循环过滤系统去除颗粒物是否达标，是否需要对内循环过滤系统进行维护；

第三颗粒物浓度传感器，检测净化箱箱体排出气体颗粒物浓度。

温度检测模块，包括：

第一温度传感器，位于净化箱箱体100，检测净化箱箱体环境温度T₁；

第二温度传感器，位于经温控系统500调节后气体流入净化箱箱体100处，检测经温控系统调节后进入净化箱箱体气体温度T₂；

第三温度传感器，位于与内循环过滤系统相连接的净化箱箱体出风口处402，检测净化箱箱体排出气体温度T₃；

第四温度传感器，位于外循环净化系统热源处301，检测外循环净化系统的温度T₄；

第五温度传感器，位于内循环过滤系统热源处401，检测内循环过滤系统的温度T₅。

其中，第一温度传感器，实时检测净化箱箱体温度，验证净化箱箱体工作区域温度在要求范围内，即满足T_min≤T₁≤T_max，其中，T_min净化箱箱体温度下限，T_max净化箱箱体温度上限，作为温控系统工作状态调节的指标；

第二温度传感器和第三温度传感器的温度差可以获得当前状态下净化箱箱体的产热和散热的总体状况，为温控系统工作状态调节提供依据；

第四温度传感器和第五温度传感器分别检测外循环净化系统和内循环过滤系统热源处的温度，获得热源产热情况，为温控系统工作状态调节提供参数依据，同时检测外循环净化系统和内循环过滤系统工作状态。

压力检测模块，包括：

第一压力传感器，位于净化箱箱体100，检测净化箱箱体气压p₁；

第二压力传感器，位于密封腔体200，检测密封腔体气压p₂；

第三压力传感器，位于压力系统处600，检测压力系统处气压p₃。

其中，第一压力传感器检测净化箱箱体气压，验证净化箱箱体气压在要求范围内，即满足p_min≤p₁≤p_max，其中，p_min净化箱箱体气压下限，p_max净化箱箱体气压上限，作为压力系统调节的指标，当气压下降明显，考虑停机检查净化箱的气密性；

第二压力传感器检测密封腔体气压，用于保证密封腔体抽真空、充气的安全及开启关闭舱门的安全；

第三压力传感器检测压力系统处气压，用于保障供气的安全及检测所需气体是否充足。

参阅图4，一种基于多传感器协同的净化箱环境测控方法，包括：

操作S1，以净化箱箱体的氧浓度C_氧1、水蒸气浓度C_水1、有害气体浓度C_有1、颗粒物浓度C_颗1、温度T₁和气压p₁为因素集，建立评语集以及各因素对应的隶属度函数和权重集，构建净化箱环境综合评价函数。

示例性的，通过净化箱环境多传感器协同检测系统检测数据建立净化箱环境综合评价判断函数：

其中，x₁为净化箱环境氧浓度参数，x₂为净化箱环境水蒸气浓度参数，x₃为净化箱环境有害气体浓度参数，x₄为净化箱环境颗粒物浓度参数，x₅为净化箱环境温度参数，x₆为净化箱环境气压参数。

具体原理为：

(1)建立评价指标因素集

净化箱环境评价指标因素集X＝{x₁,x₂,x₃,x₄,x₅,x₆}，其中x₁为净化箱环境氧浓度参数，x₂为净化箱环境水蒸气浓度参数，x₃为净化箱环境有害气体浓度参数，x₄为净化箱环境颗粒物浓度参数，x₅为净化箱环境温度参数，x₆为净化箱环境气压参数。

(2)选取适当的模糊语言变量，建立评语集及各指标的隶属度函数

对评价指标因素集X中的每个指标参数，建立评语集Y和因素集X＝{x₁,x₂,x₃,x₄,x₅,x₆}各参数隶属度函数。其中，Y各指标模糊语言变量可采用{优,良,中,差}，记为{A,B,C,D}，X各参数对应评语集Y的隶属度函数μ_A(x_i)、μ_B(x_i)、μ_C(x_i)、μ_D(x_i)，(i＝1,2,3,4,5,6)，各隶属度函数具体由净化箱环境各指标要求确定。

指标集与评价集之间的关系可以通过X各指标隶属度函数用6×4维模糊关系矩阵R来表示，即

(3)建立评价指标的综合评价矩阵

根据评价指标X中各指标对净化箱环境重要程度不同，对各项指标分别赋予相应的权数，建立1×6维权重矩阵W＝[w₁w₂w₃w₄w₅w₆]，

其中w_i(i＝1,2,3,4,5,6)分别为净化箱环境氧浓度、水蒸气浓度、有害气体浓度、颗粒物浓度、温度、气压对应的权数，且w₁+w₂+w₃+w₄+w₅+w₆＝1。

则净化箱环境综合评价矩阵

V＝W×R

进一步地，“×”常采取加权平均法，即

操作S2，获取当前时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，若综合评价结果满足要求，则获取下一时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，继续进行综合评价；否则，执行S3。

示例性的，将净化箱环境多传感器协同检测系统检测值C_氧1、C_水1、C_有1、C_颗1、T₁、p₁转换为x₁,x₂,x₃,x₄,x₅,x₆，作为评价函数f(x₁,x₂,x₃,x₄,x₅,x₆)变量参数，计算得到当前净化箱环境综合评价函数值f(x₁,x₂,x₃,x₄,x₅,x₆)＝[μ_Aμ_Bμ_Cμ_D]。由最大隶属度原则，选取μ_A、μ_B、μ_C、μ_D中的最大值，由其对应的优、良、中或差判断净化箱环境等级。

本实施例中，例如，可以认为净化箱环境等级为优或良时，综合评价结果满足要求。

作为优选，采用等级参数法判断净化箱环境，即

其中，M_A、M_B、M_C、M_D为优、良、中、差对应的分值，此处按百分制，依次取100、80、60和30。

由计算得到的综合评价分值M评价净化箱环境。

本实施例中，例如，可以认为净化箱环境分数大于80分时，综合评价结果满足要求。

操作S3，当C_氧1>C_氧lim或C_水1>C_水lim或C_有1>C_有lim时，调节外循环净化系统的功率P_外；当C_颗1>C_颗lim时，调节内循环过滤系统的功率P_内；当T₁<T_min或T₁>T_max时，调节温控系统的功率P_温；当p₁<p_min或p₁>p_max时，调节压力系统的抽气充气体积V_压；其中，C_氧lim、C_水lim、C_有lim、C_颗lim、T_min、T_max、p_min和p_max分别为净化箱箱体的氧浓度上限、水蒸气浓度上限、有害气体浓度上限、颗粒物浓度上限、温度下限、温度上限、气压下限和气压上限。

参阅图5，在净化箱环境控制系统控制下，净化箱环境多传感器协同检测系统与外循环净化系统、内循环过滤系统、温控系统、压力系统形成闭环控制方案：

净化箱环境控制系统将参数指标和净化箱环境多传感器协同检测系统检测数据传递给总控制器，经总控制器处理后传给下级各控制器；

外循环净化系统控制器将净化箱箱体氧浓度C_氧1、水蒸气浓度C_水1、有害气体浓度C_有1作为控制参数，和外循环净化系统氧浓度C_氧3、水蒸气浓度C_水3、有害气体浓度C_有3反馈参数进行处理，控制外循环净化系统工作，调节外循环净化系统功率P_外，对净化箱环境的氧浓度、水蒸气浓度、有害气体浓度进行调控；

内循环过滤系统控制器将净化箱箱体颗粒物浓度C_颗1、净化箱排出气体颗粒物浓度C_颗3作为控制参数，和内部循环净化系统颗粒物浓度C_颗2反馈参数进行处理，控制内循环过滤系统工作，调节内循环过滤系统功率P_内，对净化箱环境颗粒物浓度进行调控；

温控系统控制器将净化箱箱体温度T₁、净化箱箱体排出气体温度T₃、外循环净化系统热源温度T₄、内循环过滤系统热源温度T₅、外界温度T_外作为控制参数，和温控系统温度T₂反馈参数进行处理，控制温控系统工作，调节温控系统功率P_温，对净化箱环境温度进行调控；

压力系统控制器将净化箱箱体气压p₁、压力系统处气压p₃、净化箱箱体温度T₁、外界温度T_外作为控制参数进行处理，控制压力系统抽气充气体积V_压，对净化箱环境气压进行调控；

最终，净化箱环境控制系统将净化箱箱体氧浓度C_氧1、水蒸气浓度C_水1、有害气体浓度C_有1、颗粒物浓度C_颗1、温度T₁和气压p₁作为反馈参数传递给总控制器，由总控制器处理参数，完成净化箱环境整体闭环控制。

具体地，温控系统控制原理：

由间隔一段时间Δt的第二温度传感器温度和第三温度传感器温度计算出此时间段内净化箱箱体的产生热量：

其中，c为净化箱箱体内气体比热容、ρ为净化箱箱体内气体密度、V_净为净化箱箱体有效气体容积。

得净化箱箱体的产热功率：

由第四温度传感器温度得外循环净化系统热源的传热功率：

其中，k₁为外循环净化系统热源处传热系数。

由第五温度传感器温度得内循环过滤系统热源的传热功率：

其中，k₂为内循环过滤系统热源处传热系数。

外界环境与净化箱传热功率：

其中，k₃为外界环境与净化箱传热系数，为外界温度，为第一温度传感器温度。

则温控系统功率P_温满足：

具体地，压力系统控制原理：

压力系统调节气体体积：

其中，T_外为外界温度，T₁为第一温度传感器温度，T_target为净化箱箱体目标温度，常取T_target＝(T_min+T_max)/2，T_min净化箱箱体温度下限，T_max净化箱箱体温度上限；p₁为第一压力传感器气压，p₃为第三压力传感器气压，p_target为净化箱箱体目标气压，常取p_target＝(p_min+p_max)/2，p_min净化箱箱体气压下限，p_max净化箱箱体气压上限；V_净为净化箱箱体有效气体容积。

参阅图6，净化箱环境闭环控制方案采用基于遗传算法和神经网络的模糊PID控制方法。

模糊PID控制，以净化箱环境各指标参数偏差E和各指标参数偏差的变化率Ec作为输入，通过输入隶属度函数进行模糊化，利用模糊规则进行模糊推理，再通过输出隶属度函数进行去模糊化，来对外循环净化系统、内循环过滤系统、温控系统、压力系统的PID控制参数Kp、Ki、Kd进行调整。

模糊控制缺乏自学能力，模糊规则和隶属函数的确定依赖于操作经验和专家知识。为弥补模糊控制的不足，隶属度函数和模糊规则由神经网络学习确定。神经网络，直接从系统的输入输出数据中学习得到其网络结构模型。

利用遗传算法优化模糊推理神经网络系统的参数和结构。采用遗传算法减去冗余的隶属度函数，得到模糊推理神经网络优化的分层结构，产生简化的模糊推理神经网络结构。

S4，调控完成后，跳转至S2。

进一步地，对于净化箱环境，由净化箱环境多传感器协同检测系统与外循环净化系统、内循环过滤系统、温控系统、供气系统的输入、检测、输出量等参数，建立净化箱环境状态方程

其中：

x为净化箱环境多传感器协同检测系统检测的状态6维列向量，x＝[x₁ x₂ x₃ x₄ x₅x₆]^T，其中，x₁为氧浓度，x₂为水蒸气浓度，x₃为有害气体浓度，x₄为颗粒物浓度，x₅为温度，x₆为气压；

为x的各参数导数组成的6维列向量，即表示各参数的变化率；

u为4维输入列向量，u＝[u₁ u₂ u₃ u₄]^T，其中，u₁为外循环净化系统工作参数，u₂为内循环过滤系统工作参数，u₃为温控系统工作参数，u₄为压力系统工作参数；

a_ij为净化箱环境氧浓度、水蒸气浓度、有害气体浓度、颗粒物浓度、温度、气压对其变化率的影响系数；

b_ij为外循环净化系统、内循环过滤系统、温控系统、压力系统对各参数变化率的影响系数。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于多传感器协同的净化箱环境测控方法，其特征在于，包括：

S1，以净化箱箱体的氧浓度C_氧1、水蒸气浓度C_水1、有害气体浓度C_有1、颗粒物浓度C_颗1、温度T₁和气压p₁为因素集，建立评语集以及各因素对应的隶属度函数和权重集，构建净化箱环境综合评价函数；

S2，获取当前时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，若综合评价结果满足要求，则获取下一时刻的C_氧1、C_水1、C_有1、C_颗1、T₁和p₁，继续进行综合评价；否则，执行S3；

S3，当C_氧1＞C_氧lim或C_水1＞C_水lim或C_有1＞C_有lim时，调节外循环净化系统的功率P_外；当C_颗1＞C_颗lim时，调节内循环过滤系统的功率P_内；当T₁＜T_min或T₁＞T_max时，调节温控系统的功率P_温；当p₁＜p_min或p₁＞p_max时，调节压力系统的抽气充气体积V_压；其中，C_氧lim、C_水lim、C_有lim、C_颗lim、T_min、T_max、p_min和p_max分别为净化箱箱体的氧浓度上限、水蒸气浓度上限、有害气体浓度上限、颗粒物浓度上限、温度下限、温度上限、气压下限和气压上限；

S4，调控完成后，跳转至S2；

其中，所述净化箱环境综合评价函数表示为：

其中，因素集X＝{x₁，x₂，x₃，x₄，x₅，x₆}，x₁为净化箱箱体的氧浓度，x₂为净化箱箱体的水蒸气浓度，x₃为净化箱箱体的有害气体浓度，x₄为净化箱箱体的颗粒物浓度，x₅为净化箱箱体的温度，x₆为净化箱箱体的气压；w_i为x_i在评价体系中对应的权重系数，i＝1,2,3,4,5,6且w₁+w₂+w₃+w₄+w₅+w₆＝1；μ_j(x_i)为x_i对应评语等级j的隶属度函数，j＝1，2，...，N；

所述S3具体为：

当C_氧1＞C_氧lim或C_水1＞C_水lim或C_有1＞C_有lim时，获取外循环净化系统氧浓度C_氧3、水蒸气浓度C_水3、有害气体浓度C_有3，以C_氧1、C_水1、C_有1为控制参数，以C_氧3、C_水3、C_有3为反馈参数，调节外循环净化系统的功率P_外，对C_氧1、C_水1、C_有1进行调控；

当C_颗1＞C_颗lim时，获取净化箱箱体排出气体颗粒物浓度C_颗3、内循环过滤系统颗粒物浓度C_颗2，以C_颗1、C_颗3为控制参数，以C_颗2为反馈参数，调节内循环过滤系统的功率P_内，对C_颗1进行调控；

当T₁＜T_min或T₁＞T_max时，获取净化箱箱体排出气体温度T₃、外循环净化系统热源温度T₄、内循环过滤系统热源温度T₅、外界温度T_外、温控系统温度T₂，以T₁、T₃、T₄、T₅、T_外为控制参数，以T₂为反馈参数，调节温控系统的功率P_温，对T₁进行调控；

当p₁＜p_min或p₁＞p_max时，获取压力系统气压p₃，以p₁、p₃、T₁、T_外为控制参数，调节压力系统的抽气充气体积V_压，对p₁进行调控；

以C_氧1、C_水1、C_有1、C_氧3、C_水3和C_有3作为输入，外循环净化系统功率P_外的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的外循环净化系统模糊神经网络；所述功率P_外的PID控制器的输入为C_氧1、C_水1和C_有1的偏差和偏差的变化率，输出为功率P_外的PID参数；

以C_颗1、C_颗2和C_颗3作为输入，内循环过滤系统功率P_内的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的内循环过滤系统模糊神经网络；所述功率P_内的PID控制器的输入为C_颗1的偏差和偏差的变化率，输出为功率P_内的PID参数；

以T₁、T₂、T₃、T₄、T₅、T_外作为输入，温控系统功率P_温的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的温控系统模糊神经网络；所述功率P_温的PID控制器的输入为T₁的偏差和偏差的变化率，输出为功率P_温的PID参数；

以p₁、p₃、T₁、T_外作为输入，压力系统抽气充气体积V_压的PID控制器的输入输出关系作为输出，对模糊神经网络进行训练，得到训练好的压力系统模糊神经网络；所述抽气充气体积V_压的PID控制器的输入为p₁的偏差和偏差的变化率，输出为功率抽气充气体积V_压的PID参数；

利用训练好的外循环净化系统模糊神经网络、内循环过滤系统模糊神经网络、温控系统模糊神经网络和压力系统模糊神经网络，分别调节所述外循环净化系统功率P_外、内循环过滤系统功率P_内、温控系统P_温和压力系统抽气充气体积V_压的PID参数。

2.根据权利要求₁所述的基于多传感器协同的净化箱环境测控方法，其特征在于，综合评价指标为评语等级；根据最大隶属度原则，取μ₁、μ₂、…、μ_N中的最大值对应的评语等级作为净化箱环境等级；其中，

3.根据权利要求1所述的基于多传感器协同的净化箱环境测控方法，其特征在于，综合评价指标为评语分数M；

其中，M_j为对应评语等级j对应的分值，

4.根据权利要求1所述的基于多传感器协同的净化箱环境测控方法，其特征在于，根据下式对温控系统的功率P_温进行调节：

其中，c为净化箱箱体内气体比热容，p为净化箱箱体内气体密度，V_净为净化箱箱体有效气体容积；为t-Δt时刻温控系统温度， 分别为t时刻净化箱箱体排出气体温度、外循环净化系统热源温度、内循环过滤系统热源温度、外界温度、净化箱箱体温度；k₁为外循环净化系统热源处传热系数，k₂为内循环过滤系统热源处传热系数，k₃为外界环境与净化箱传热系数。

5.根据权利要求1所述的基于多传感器协同的净化箱环境测控方法，其特征在于，根据下式对压力系统的抽气充气体积V_压进行调节：

其中，T_target为净化箱箱体目标温度，p_target为净化箱箱体目标气压，V_净为净化箱箱体有效气体容积。

6.一种基于多传感器协同的净化箱环境测控系统，其特征在于，包括：

第一氧浓度传感器，位于净化箱箱体，用于检测净化箱箱体氧浓度C_氧1；

第三氧浓度传感器，位于外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的氧浓度C_氧3；

第一水蒸气浓度传感器，位于净化箱箱体，用于检测净化箱箱体水蒸气浓度C_水1；

第三水蒸气浓度传感器，位于所述外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的水蒸气浓度C_水3；

第一有害气体浓度传感器，位于净化箱箱体，用于检测净化箱箱体有害气体浓度C_有1；

第三有害气体浓度传感器，位于所述外循环净化系统流入净化箱箱体的相连管路，用于检测经所述外循环净化系统净化后进入净化箱箱体气体的有害气体浓度C_有3；

第一颗粒物浓度传感器，位于净化箱箱体，用于检测净化箱箱体颗粒物浓度C_颗1；

第二颗粒物浓度传感器，位于所述内循环过滤系统流入净化箱箱体的进风口处，用于检测经所述内循环过滤系统过滤后进入净化箱箱体气体的颗粒物浓度C_颗2；

第三颗粒物浓度传感器，位于净化箱箱体流出至所述内循环过滤系统相连管道处，用于检测净化箱箱体排出气体的颗粒物浓度C_颗3；

第一温度传感器，位于净化箱箱体，用于检测净化箱箱体环境温度T₁；

第二温度传感器，位于经所述温控系统调节后气体流入净化箱箱体处，用于检测经所述温控系统调节后进入净化箱箱体气体温度T₂；

第三温度传感器，位于与所述内循环过滤系统相连接的净化箱箱体出风口处，用于检测净化箱箱体排出气体温度T₃；

第四温度传感器，位于所述外循环净化系统热源处，用于检测所述外循环净化系统的温度T₄；

第五温度传感器，位于所述内循环过滤系统热源处，用于检测所述内循环过滤系统的温度T₅；

第一压力传感器，位于净化箱箱体，用于检测净化箱箱体气压p₁；

第三压力传感器，位于所述压力系统处，用于检测所述压力系统处气压p₃；

外循环净化系统，用于调节净化箱箱体的氧浓度、水蒸气浓度和有害气体浓度；

内循环过滤系统，用于调节净化箱箱体的颗粒物浓度；

温控系统，用于调节净化箱箱体的温度；

压力系统，用于调节净化箱箱体的气压；

控制器，用于执行权利要求1至5任一项所述的基于多传感器协同的净化箱环境测控方法。