苗榮霞，張 洋，李潔馨，王 幸

（西安工業(yè)大學(xué)電子信息工程學(xué)院，西安 710000）

1 引言

在隧道通風(fēng)控制中，一氧化碳濃度和煙霧濃度是兩個(gè)主要監(jiān)控對(duì)象。汽車(chē)行駛過(guò)程中排放的一氧化碳若不及時(shí)排出隧道，過(guò)高的濃度會(huì)使司乘人員頭暈惡心；同樣，汽車(chē)高速行駛卷起的塵埃若不及時(shí)排出隧道，也會(huì)影響駕駛?cè)藛T的視線(xiàn)。二者皆會(huì)造成嚴(yán)重的行車(chē)隱患，嚴(yán)重威脅車(chē)內(nèi)人員的人身安全。為實(shí)現(xiàn)安全駕駛，保障通行人員的健康，必須提供充分的隧道通風(fēng)[1]。目前大多數(shù)隧道通風(fēng)采用分檔控制、PID 控制和模糊控制。分檔控制根據(jù)各個(gè)時(shí)間段最大車(chē)流量通行產(chǎn)生的污染物濃度確定風(fēng)機(jī)的開(kāi)啟數(shù)量。由于隧道通行日夜不間斷，大多數(shù)風(fēng)機(jī)持續(xù)滿(mǎn)負(fù)荷連續(xù)運(yùn)轉(zhuǎn)，在造成電能的浪費(fèi)的同時(shí)也會(huì)造成風(fēng)機(jī)損耗，縮短使用年限。傳統(tǒng)PID 對(duì)風(fēng)機(jī)變頻器進(jìn)行控制，由于污染物濃度的變化有大慣性、非線(xiàn)性、強(qiáng)耦合性等特點(diǎn)，會(huì)導(dǎo)致輸出超調(diào)與振蕩。模糊控制可以解決隧道環(huán)境復(fù)雜、難以建立準(zhǔn)確數(shù)學(xué)模型的問(wèn)題，但也存在超調(diào)量大、調(diào)節(jié)時(shí)間長(zhǎng)等問(wèn)題[2]。針對(duì)現(xiàn)有方法的諸多問(wèn)題，在此嘗試構(gòu)建“互聯(lián)網(wǎng)+隧道通風(fēng)”，對(duì)被控對(duì)象進(jìn)行實(shí)時(shí)監(jiān)測(cè)[3]。由于污染物的測(cè)量、數(shù)據(jù)的傳輸以及主控制器根據(jù)濃度做出決策與開(kāi)啟風(fēng)機(jī)都需要一定的時(shí)間，會(huì)導(dǎo)致控制的滯后性，故此提出LSTM 交通流預(yù)測(cè)算法，通過(guò)預(yù)測(cè)下一時(shí)間段的交通流量判斷污染物的未來(lái)趨勢(shì)，提前對(duì)風(fēng)機(jī)進(jìn)行開(kāi)啟，并用模糊PID 智能控制算法對(duì)風(fēng)機(jī)進(jìn)行精確控制，以降低運(yùn)營(yíng)商的耗能成本。

2 公路隧道通風(fēng)控制系統(tǒng)框架

隧道通風(fēng)控制系統(tǒng)主要是通過(guò)傳感器測(cè)量隧道內(nèi)的污染物濃度，將各個(gè)測(cè)量點(diǎn)的數(shù)據(jù)傳輸至主控制器。主控制器根據(jù)污染物濃度決策風(fēng)機(jī)的開(kāi)啟數(shù)量，同時(shí)通過(guò)PLC 云網(wǎng)關(guān)將數(shù)據(jù)上傳至云平臺(tái)。另一方面，通過(guò)以太網(wǎng)通訊與上位機(jī)觸摸屏連接，上位機(jī)可以作為現(xiàn)場(chǎng)設(shè)備對(duì)污染物的濃度進(jìn)行直接監(jiān)測(cè)，并能對(duì)風(fēng)機(jī)的開(kāi)啟狀態(tài)、風(fēng)機(jī)的運(yùn)行頻率以及被控變量的設(shè)定值做出實(shí)時(shí)更改。系統(tǒng)結(jié)構(gòu)圖如圖1 所示。

圖1 隧道通風(fēng)控制系統(tǒng)結(jié)構(gòu)框圖

其中，感知層是整個(gè)控制系統(tǒng)的基礎(chǔ)層，主要包含數(shù)據(jù)監(jiān)測(cè)模塊和執(zhí)行機(jī)構(gòu)兩部分。使用傳感器對(duì)隧道內(nèi)的環(huán)境信息進(jìn)行采集，由執(zhí)行機(jī)構(gòu)根據(jù)主控的決策對(duì)通風(fēng)設(shè)備進(jìn)行控制[4]。

網(wǎng)絡(luò)數(shù)據(jù)層是物理層和應(yīng)用層的數(shù)據(jù)通道，實(shí)現(xiàn)兩者之間的數(shù)據(jù)傳輸和控制指令的傳達(dá)。目前可以采用的通訊方式主要包括LAN 網(wǎng)口、光纖通信、GPRS/4G 等。

本系統(tǒng)利用交換機(jī)將PLC 組成環(huán)網(wǎng)結(jié)構(gòu)，將從機(jī)的數(shù)據(jù)采集至主機(jī)，將主機(jī)的網(wǎng)線(xiàn)連接至USRPLCNET210 網(wǎng)關(guān)的LAN 口，利用USR-PlcNet 軟件對(duì)網(wǎng)關(guān)進(jìn)行參數(shù)設(shè)置、網(wǎng)關(guān)添加，實(shí)現(xiàn)PLC 的遠(yuǎn)程調(diào)試以及程序的上載、下載。

應(yīng)用層作為整個(gè)系統(tǒng)的控制中心，主要將隧道內(nèi)采集的數(shù)據(jù)進(jìn)行顯示與保存。本系統(tǒng)利用云平臺(tái)進(jìn)行添加變量與組態(tài)設(shè)計(jì)。利用PLCNET210 將主站采集的數(shù)據(jù)上傳至云平臺(tái)，用戶(hù)可以直接登陸網(wǎng)站進(jìn)行數(shù)據(jù)查看，各節(jié)點(diǎn)污染物濃度一目了然，也可查看歷史數(shù)據(jù)，如圖2 所示。研究人員可以根據(jù)歷史數(shù)據(jù)以及各節(jié)點(diǎn)數(shù)據(jù)的變化趨勢(shì)對(duì)控制策略進(jìn)行優(yōu)化。

圖2 數(shù)據(jù)查看界面

利用組態(tài)軟件對(duì)隧道進(jìn)行簡(jiǎn)單組態(tài)，將變量與各節(jié)點(diǎn)的傳感器進(jìn)行關(guān)聯(lián)，如圖3 所示。組態(tài)可直觀顯示隧道各節(jié)點(diǎn)的污染物濃度和風(fēng)機(jī)頻率，當(dāng)某處傳感器或者風(fēng)機(jī)出現(xiàn)故障時(shí)，該位置變量將會(huì)以閃爍的形式提醒運(yùn)營(yíng)商及時(shí)對(duì)故障進(jìn)行處理，以免造成更大的損失。

圖3 云平臺(tái)組態(tài)操作界面

3 LSTM 預(yù)測(cè)算法

3.1 算法結(jié)構(gòu)

LSTM（Long Short-Term Memory,長(zhǎng)短期記憶）由記憶單元、遺忘門(mén)、輸入門(mén)和輸出門(mén)構(gòu)成，算法結(jié)構(gòu)圖如圖4 所示。其中，記憶單元是LSTM 的核心，用作長(zhǎng)期記憶的傳送帶，用C 表示。輸出門(mén)的輸出值h 可當(dāng)作當(dāng)前時(shí)刻的短期記憶。因此LSTM 具有長(zhǎng)短期記憶能力[5]。

圖4 LSTM 算法結(jié)構(gòu)圖

在這一結(jié)構(gòu)中，遺忘門(mén)的主要功能是接受上一時(shí)刻傳輸?shù)拈L(zhǎng)期記憶Ct-1，并且根據(jù)遺忘因子ft決定遺忘掉Ct-1中的無(wú)用信息[6]。遺忘因子的定義可如下式表述：

式中，σ 表示激活函數(shù)sigmoid；Wf表示遺忘門(mén)的權(quán)值矩陣；［Ht-1,Xt］表示兩向量的縱向連接操作；bf為遺忘門(mén)輸入的偏置項(xiàng)。

輸入門(mén)的任務(wù)是確定新輸入的信息中哪些被存放到當(dāng)前時(shí)刻的Ct中，有下式：

式中it表示記憶因子；Wi和bi分別表示輸入門(mén)的權(quán)值和偏置；C～t表示新的候選值向量；Wc和bc分別表示記憶單元狀態(tài)的權(quán)值和偏置。

記憶單元狀態(tài)不是一成不變的，要根據(jù)每個(gè)時(shí)刻的輸入進(jìn)行更新，目的是保證對(duì)長(zhǎng)序列數(shù)據(jù)的充分學(xué)習(xí)，有下式：

輸出門(mén)的任務(wù)是根據(jù)當(dāng)前的記憶單元狀態(tài)，控制當(dāng)前時(shí)刻的所有信息中有多少可以作為輸出值，即計(jì)算當(dāng)前時(shí)刻的短期記憶Ht，有下式：

式中：ot表示輸出門(mén)的輸出信息；Wo和bo分別表示輸出門(mén)的權(quán)值和偏置。Ht也代表了當(dāng)前時(shí)刻LSTM層的隱藏狀態(tài)。

3.2 構(gòu)建數(shù)據(jù)集

選取某路段一段時(shí)間的交通量，時(shí)間間隔為5分鐘。共有數(shù)據(jù)150 個(gè)，選取120 個(gè)作為訓(xùn)練集，剩余30 個(gè)作為測(cè)試集。部分?jǐn)?shù)據(jù)如表1 所示。

表1 部分訓(xùn)練數(shù)據(jù)集

從中得出均方根誤差：

均方根誤差RMSE 表示預(yù)測(cè)值與真實(shí)值間的偏差，取值范圍為[0,+∞)，該值越小表示預(yù)測(cè)效果越好。在訓(xùn)練過(guò)程中，對(duì)LSTM 模型的隱藏層級(jí)、隱藏層神經(jīng)元數(shù)目、學(xué)習(xí)效率等參數(shù)進(jìn)行尋優(yōu)，同時(shí)觀測(cè)在不同參數(shù)設(shè)置下模型評(píng)價(jià)指標(biāo)RMSE 的變動(dòng)狀況，從而據(jù)此選取出使RMSE 取值變化最小的參數(shù)，即為最優(yōu)設(shè)置參數(shù)。

LSTM 預(yù)測(cè)模型具體參數(shù)設(shè)置如表2 所示。根據(jù)表中各參數(shù)對(duì)預(yù)測(cè)模型做出調(diào)整，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試，得到訓(xùn)練集預(yù)測(cè)結(jié)果圖如圖5 所示。

表2 LSTM 預(yù)測(cè)模型參數(shù)表

圖5 LSTM 模型訓(xùn)練集預(yù)測(cè)結(jié)果對(duì)比

如圖所示，預(yù)測(cè)值與真實(shí)值兩者曲線(xiàn)接近重合，預(yù)測(cè)效果良好。

對(duì)模型的訓(xùn)練結(jié)果進(jìn)行指標(biāo)運(yùn)算，得到RMSE值為0.85755；平均絕對(duì)誤差MAE 值為0.71434；平均絕對(duì)百分比誤差MAPE 值為0.2603%。從MAPE值來(lái)看，模型的誤差較小，預(yù)測(cè)精度較高，表現(xiàn)出了良好的訓(xùn)練效果。

同樣對(duì)測(cè)試集進(jìn)行訓(xùn)練和測(cè)試，得出結(jié)果對(duì)比曲線(xiàn)如圖6 所示。

圖6 LSTM 模型測(cè)試集預(yù)測(cè)結(jié)果對(duì)比

由圖中曲線(xiàn)可見(jiàn)，測(cè)試集的擬合效果相對(duì)訓(xùn)練集較差，真實(shí)值相對(duì)于預(yù)測(cè)值有一定的滯后性，但是整體效果良好。對(duì)模型的預(yù)測(cè)結(jié)果進(jìn)行定量計(jì)算，得到RMSE 值為0.80354，表示預(yù)測(cè)結(jié)果誤差較小；MAE 為0.56302；MAPE 值為0.1802%。從MAPE 這個(gè)值上來(lái)看，相比于訓(xùn)練集，測(cè)試集的預(yù)測(cè)精度更高，表現(xiàn)出良好的訓(xùn)練效果。

3.3 污染物增量模型

在隧道入口處前放置車(chē)輛檢測(cè)儀，將通行車(chē)分為大型車(chē)和小型車(chē)，根據(jù)采集的數(shù)目依據(jù)上述模型分別預(yù)測(cè)下一時(shí)間段的大型車(chē)和小型車(chē)的車(chē)流量預(yù)測(cè)值。車(chē)流速度假設(shè)為隧道設(shè)計(jì)車(chē)速[7]。

該模型主要用于預(yù)測(cè)未來(lái)一段時(shí)間的污染物趨勢(shì)。根據(jù)LSTM 預(yù)測(cè)的大型車(chē)和小型車(chē)的數(shù)量求二者污染物排放量的總和。定義隧道總空間w 為：

式中，S 為隧道通風(fēng)截面積；L 為隧道長(zhǎng)度。

結(jié)合已得到的預(yù)測(cè)結(jié)果，一氧化碳增量為：

式中，Nz為大型車(chē)預(yù)測(cè)車(chē)輛數(shù)；qCO1為大型車(chē)隧道設(shè)計(jì)車(chē)速時(shí)的平均一氧化碳排放量；Nq為小型車(chē)預(yù)測(cè)車(chē)輛數(shù)；qCO2為小型車(chē)隧道設(shè)計(jì)車(chē)速時(shí)的平均一氧化碳排放量。

4 算法仿真研究

4.1 控制對(duì)象數(shù)學(xué)模型

當(dāng)風(fēng)機(jī)啟動(dòng)時(shí)，隧道內(nèi)的氣壓保持不變，將此過(guò)程看成滯后環(huán)節(jié)；當(dāng)風(fēng)機(jī)工作一段時(shí)間之后，隧道內(nèi)的壓力逐漸穩(wěn)定在設(shè)定值，將此環(huán)節(jié)看作一階慣性環(huán)節(jié)。壓力的數(shù)學(xué)模型為一階純滯后慣性環(huán)節(jié)[8-11]：

將隧道內(nèi)一氧化碳濃度變化看作一階純滯后慣性環(huán)節(jié)，如下式：

式中，K1、K2為靜態(tài)增益；T1、T2為慣性常數(shù)；τ t1、τt2為滯后時(shí)間。在此，設(shè)置K1=3、K2=6；T1=2、T2=3；τt1=2、τt2=1。

綜上可得本系統(tǒng)中隧道內(nèi)一氧化碳通風(fēng)量控制對(duì)象的數(shù)學(xué)模型為：

根據(jù)實(shí)際情況，目標(biāo)隧道采用縱向通風(fēng)，可以對(duì)交通風(fēng)和自然風(fēng)充分利用[12]，節(jié)約能源。

4.2 基于模糊PID 控制算法及其仿真

由于隧道環(huán)境的特殊性，且多因素相互耦合，系統(tǒng)難以獲得精確的數(shù)學(xué)模型。模糊控制普遍用于復(fù)雜控制領(lǐng)域，用以解決無(wú)法建立精確數(shù)學(xué)模型的問(wèn)題。傳統(tǒng)的PID 控制算法性能較好，但是難以適應(yīng)干擾多、控制復(fù)雜的系統(tǒng)。在此利用自適應(yīng)模糊PID控制算法，結(jié)合模糊控制規(guī)則和PID 控制，對(duì)PID參數(shù)不斷調(diào)整。算法結(jié)構(gòu)如圖7 所示。

圖7 模糊PID 控制算法結(jié)構(gòu)圖

自適應(yīng)模糊PID 控制算法在原參量基礎(chǔ)上，由反饋偏差值和誤差變化率經(jīng)過(guò)模糊控制器，輸出△KP、△KI、△KD，共同對(duì)PID 參數(shù)進(jìn)行整定。為簡(jiǎn)化模糊化過(guò)程，將濃度誤差E 和濃度誤差變化率EC分成NB、NM、NS、Z、PS、PM、PB 共7 個(gè)隸屬度等級(jí)，如圖8 所示。

圖8 輸入量隸屬度函數(shù)

其輸出△KP、△KI、△KD隸屬度也分為7 個(gè)等級(jí)，如圖9 所示。

圖9 輸出量隸屬度函數(shù)

根據(jù)隧道環(huán)境的變化，根據(jù)輸入誤差E 以及誤差變化率EC制定模糊控制規(guī)則，共計(jì)49 條。采用Mamdani 推理法進(jìn)行模糊推理，采用重心法解模糊化。最終得到的控制規(guī)則如圖10 所示。

圖10 模糊PID 控制規(guī)則曲面視圖

模糊PID 是根據(jù)模糊規(guī)則對(duì)PID 參數(shù)進(jìn)行不斷優(yōu)化，以克服傳統(tǒng)PID 參數(shù)無(wú)法實(shí)時(shí)調(diào)節(jié)的缺陷。通過(guò)傳感器采集的污染物濃度，確定污染物濃度與設(shè)定值的誤差E 以及當(dāng)前誤差和上次誤差的變化EC，根據(jù)模糊規(guī)則表進(jìn)行推理。模糊控制器輸出的△KP、△KI、△KD與原PID 的參數(shù)共同對(duì)風(fēng)機(jī)進(jìn)行控制，以便及時(shí)排出污染物。控制規(guī)則如表3 所示。

表3 系統(tǒng)模糊規(guī)則表

4.3 仿真比較

隧道環(huán)境具有滯后性、強(qiáng)耦合性、時(shí)變性等特點(diǎn)。模糊控制不用創(chuàng)建精確的數(shù)學(xué)模型，且抗干擾能力強(qiáng)、容錯(cuò)力高；PID 控制算法能快速適應(yīng)隧道復(fù)雜環(huán)境。結(jié)合二者優(yōu)點(diǎn)，對(duì)隧道一氧化碳調(diào)風(fēng)量進(jìn)行建模。分別用模糊控制、傳統(tǒng)PID 控制和自適應(yīng)模糊PID 控制三種控制算法對(duì)隧道通風(fēng)進(jìn)行控制仿真。仿真結(jié)構(gòu)如圖11 所示。

圖11 Simulink 仿真結(jié)構(gòu)

給系統(tǒng)一個(gè)階躍函數(shù)，輸出值設(shè)為1，系統(tǒng)在三種不同控制方式下的響應(yīng)曲線(xiàn)如圖12 所示。由圖中可知，模糊控制不僅響應(yīng)慢，調(diào)節(jié)時(shí)間也長(zhǎng)達(dá)21.37s，超調(diào)量高達(dá)21.9%，不適合單獨(dú)用于隧道通風(fēng)系統(tǒng)。傳統(tǒng)PID 控制算法的響應(yīng)時(shí)間、調(diào)節(jié)時(shí)間以及控制效果相對(duì)穩(wěn)定，但其超調(diào)量超過(guò)10%。相比之下，自適應(yīng)模糊PID 控制系統(tǒng)的最大超調(diào)量?jī)H為4%，系統(tǒng)從初始狀態(tài)達(dá)到穩(wěn)定狀態(tài)的超調(diào)量?jī)H為6.71s。

圖12 三種控制算法階躍響應(yīng)

為反映隧道環(huán)境復(fù)雜且易受外界影響的情況，在第50s 加入10%的干擾信號(hào)，加入干擾信號(hào)后各算法的階躍響應(yīng)表現(xiàn)對(duì)比如圖13 所示。

圖13 加入10%干擾信號(hào)后階躍響應(yīng)對(duì)比

由圖13 可見(jiàn)，模糊PID 控制效果最好，在2.13s內(nèi)即可使系統(tǒng)再次達(dá)到穩(wěn)態(tài)；傳統(tǒng)模糊控制的調(diào)節(jié)時(shí)間最長(zhǎng)；PID 算法的調(diào)節(jié)時(shí)間適中，但其超調(diào)量在三者中最大，已達(dá)10.7%。三種智能算法的階躍響應(yīng)情況對(duì)比如表4。由此可見(jiàn)，模糊PID 控制算法能夠有效緩解隧道通風(fēng)耗能大的問(wèn)題，并有助于避免模糊控制和傳統(tǒng)PID 控制超調(diào)量大、控制時(shí)間長(zhǎng)，以及其他對(duì)隧道環(huán)境影響較大的問(wèn)題[13]。

表4 三種控制算法階躍響應(yīng)比較

5 結(jié)束語(yǔ)

研究圍繞隧道通風(fēng)耗能問(wèn)題進(jìn)行，利用物聯(lián)網(wǎng)對(duì)隧道污染物濃度進(jìn)行實(shí)時(shí)監(jiān)測(cè)，提出基于LSTM交通流預(yù)測(cè)的模糊PID 控制算法。利用交通流預(yù)測(cè)算法對(duì)交通流進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)的車(chē)輛數(shù)目、車(chē)型等計(jì)算下一時(shí)間段的污染物濃度增量，計(jì)算需風(fēng)量以提前對(duì)風(fēng)機(jī)進(jìn)行控制。利用模糊PID 控制算法對(duì)變頻風(fēng)機(jī)進(jìn)行更精確的控制。模糊PID 控制相比于模糊控制和PID 控制超調(diào)量小、調(diào)節(jié)時(shí)間短且在加入干擾后也能短時(shí)間內(nèi)達(dá)到穩(wěn)態(tài)，滿(mǎn)足系統(tǒng)實(shí)時(shí)控制要求。與傳統(tǒng)隧道通風(fēng)控制系統(tǒng)相比，表現(xiàn)出了提前預(yù)測(cè)、及時(shí)反饋、可靠控制和管理高效等優(yōu)點(diǎn)。