陣風(fēng)環(huán)境模擬用控制器設(shè)計(jì)與實(shí)驗(yàn)研究

孟慶龍，王元，李彥鵬

1.長安大學(xué)環(huán)境科學(xué)與工程學(xué)院，西安710054

2.西安交通大學(xué)能源與動(dòng)力工程學(xué)院，西安710049

1 引言

模擬包括數(shù)值模擬和物理模擬，其中物理模擬是把對實(shí)際現(xiàn)象的研究轉(zhuǎn)換為在專門實(shí)驗(yàn)室條件下對縮尺或放大模型所進(jìn)行的相似現(xiàn)象研究（一種特殊的模擬是在原型上進(jìn)行，稱為復(fù)現(xiàn)模擬）。物理模擬的基本思想，是根據(jù)模型實(shí)驗(yàn)的結(jié)果就能給出關(guān)于效應(yīng)特性和與實(shí)際條件下的現(xiàn)象有關(guān)的各種量的必要的答案[1]。這種模擬是以物理實(shí)驗(yàn)平臺(tái)為基礎(chǔ)的。

環(huán)境模擬技術(shù)在不斷解決環(huán)境模擬和實(shí)驗(yàn)的研究過程中，形成了獨(dú)立的理論體系，其整個(gè)發(fā)展歷程與環(huán)境模擬設(shè)備息息相關(guān)。環(huán)境模擬設(shè)備與實(shí)驗(yàn)技術(shù)經(jīng)歷了由靜態(tài)到動(dòng)態(tài)，從單參數(shù)到多參數(shù)，從產(chǎn)品環(huán)境到人機(jī)環(huán)境的發(fā)展過程。目前其發(fā)展方向是建立多參數(shù)綜合動(dòng)態(tài)環(huán)境模擬系統(tǒng)并進(jìn)行多參數(shù)綜合動(dòng)態(tài)人機(jī)系統(tǒng)環(huán)境實(shí)驗(yàn)[1]。1949年美國溫特教授在加利福尼亞州的帕薩迪納主持建造了世界上首個(gè)環(huán)境模擬設(shè)施，命名為“phytotron”[2]。這個(gè)環(huán)境模擬設(shè)施的出現(xiàn)對當(dāng)時(shí)的生物科學(xué)研究起到了極其重要的推動(dòng)作用。隨后，環(huán)境模擬設(shè)施如雨后春筍，廣泛應(yīng)用于航空、航天、海洋、農(nóng)業(yè)、環(huán)境等各個(gè)領(lǐng)域，多種不同規(guī)模和類型的環(huán)境模擬設(shè)施相繼建立[3-6]。世界上建成的最具代表性的動(dòng)態(tài)綜合環(huán)境模擬設(shè)施是建立在美國亞利桑那州的生物圈2號(hào)（Biosphere 2）[7]。按照設(shè)計(jì)思想，地球被稱為生物圈一號(hào)，生物圈2號(hào)是地球的縮影。

實(shí)際上，成功的環(huán)境模擬必須依靠一個(gè)可靠的控制系統(tǒng)來維持。通過對模擬裝置的改進(jìn)，采用合理有效的控制技術(shù)，不但能夠模擬平均風(fēng)速廓線，提高氣流分布均勻性，還能夠模擬溫度層結(jié)和太陽輻射等環(huán)境參數(shù)，更真實(shí)地反映近地層環(huán)境的實(shí)際狀況，為應(yīng)用研究提供可靠、可控的實(shí)驗(yàn)平臺(tái)。因此，要在環(huán)境模擬實(shí)驗(yàn)室這樣封閉的環(huán)境空間內(nèi)實(shí)現(xiàn)近地層環(huán)境參數(shù)的動(dòng)態(tài)模擬，就必須對環(huán)控設(shè)備進(jìn)行控制。模擬是目標(biāo)，控制是手段，可以這樣說，缺少自動(dòng)化系統(tǒng)的環(huán)境模擬幾乎不可能實(shí)現(xiàn)。

本文的主要目的就是在充分了解近地層風(fēng)環(huán)境特性的基礎(chǔ)上，使用人工方法實(shí)現(xiàn)近地層微氣候風(fēng)環(huán)境模擬。通過設(shè)計(jì)合理的控制策略和先進(jìn)的控制算法，提高風(fēng)環(huán)境模擬精度。

2 控制對象簡介-環(huán)境模擬實(shí)驗(yàn)室

環(huán)境模擬實(shí)驗(yàn)室建筑面積約105m2，屋面平均高度4.8m，局部為二層。整個(gè)實(shí)驗(yàn)室按空間位置分成三部分：實(shí)驗(yàn)區(qū)、設(shè)備室及觀察控制室，其立體結(jié)構(gòu)示意圖如圖1所示。圖2給出了實(shí)驗(yàn)室的上部平面示意圖。為構(gòu)造真實(shí)近地層的局部地表環(huán)境，實(shí)驗(yàn)中心位置處設(shè)有6 280（L）×5 040（W）×1 350（D）的地表構(gòu)造坑。實(shí)驗(yàn)區(qū)上部設(shè)置高度可調(diào)的全光譜日光模擬器，為將光源發(fā)出的熱量排出室外，模擬器配備了通風(fēng)降溫系統(tǒng)；觀察控制室設(shè)在局部二層上（下部為設(shè)備室，放置壓縮機(jī)、表冷器等），實(shí)驗(yàn)人員通過雙層玻璃窗可對實(shí)驗(yàn)區(qū)實(shí)驗(yàn)情況進(jìn)行實(shí)時(shí)觀測。

圖1 環(huán)境模擬實(shí)驗(yàn)室立體結(jié)構(gòu)示意圖

圖2 環(huán)境模擬實(shí)驗(yàn)室下部平面圖（單位：mm）

實(shí)驗(yàn)室內(nèi)采用6臺(tái)風(fēng)機(jī)來模擬自然環(huán)境風(fēng)。3臺(tái)低噪聲軸流風(fēng)機(jī)作為送風(fēng)機(jī)布置在實(shí)驗(yàn)室南側(cè)；3臺(tái)低噪聲軸流風(fēng)機(jī)作為回風(fēng)機(jī)布置在北側(cè)?；仫L(fēng)管從回風(fēng)風(fēng)機(jī)后的靜壓箱伸出，沿屋頂下側(cè)穿過實(shí)驗(yàn)室連接至送風(fēng)風(fēng)機(jī)的靜壓箱，形成閉式回路。風(fēng)機(jī)是制造自然風(fēng)的設(shè)備，為得到期望的效果，對其的精確控制非常關(guān)鍵。對送風(fēng)機(jī)和回風(fēng)機(jī)分別用兩臺(tái)變頻器驅(qū)動(dòng)，通過計(jì)算機(jī)可自動(dòng)調(diào)節(jié)變頻器頻率來實(shí)現(xiàn)風(fēng)速的自動(dòng)控制，完成所需自然風(fēng)效果的模擬。為使風(fēng)機(jī)出口風(fēng)速進(jìn)一步提高，在送風(fēng)機(jī)出口設(shè)置一收縮段。收縮段的頂面和底面不收縮，兩個(gè)側(cè)面按照維托辛斯基收縮曲線設(shè)計(jì)。為改善實(shí)驗(yàn)區(qū)氣流特性和形成期望的風(fēng)速廓線，采取增設(shè)單層或多層不等高的阻尼網(wǎng)，通過合理布置阻尼網(wǎng)的高度和層數(shù)，使模型實(shí)驗(yàn)區(qū)風(fēng)場展向均勻且垂向滿足期望得到的風(fēng)速廓線[8]?？紤]陣風(fēng)的正弦疊加性，在滿足風(fēng)速廓線的同時(shí)，需要滿足陣風(fēng)特性，能夠?qū)崿F(xiàn)任意正弦風(fēng)速的模擬。

3 控制算法：基于ILC的自校正PID控制器

迭代學(xué)習(xí)控制（Iterative Learning Control，ILC）是A rimoto在1984年針對機(jī)器人系統(tǒng)特點(diǎn)，模擬人類學(xué)習(xí)技能過程提出的[9]。它利用系統(tǒng)前期的運(yùn)行信息，通過迭代的方式修正當(dāng)前的控制信號(hào)，使系統(tǒng)的輸出能夠精確地跟蹤期望軌跡。ILC最大的特點(diǎn)是跟蹤性能會(huì)隨迭代逐步改善。迭代學(xué)習(xí)控制和PID（Proportional Integral Derivative）控制一樣具有簡單的形式，但卻不依賴系統(tǒng)模型。隨著迭代學(xué)習(xí)控制理論的不斷發(fā)展和完善，迭代學(xué)習(xí)控制方法在實(shí)際控制工程問題中也得到了廣泛的應(yīng)用，例如：過程工業(yè)中的批處理過程，半導(dǎo)體晶片的溫度控制，磁盤驅(qū)動(dòng)，無縫鋼管壁厚控制，煙葉發(fā)酵系統(tǒng)等，但多局限于仿真研究[10]。雖然迭代學(xué)習(xí)控制的性能分析是建立在嚴(yán)格數(shù)學(xué)分析基礎(chǔ)上的，但卻不需要精確的數(shù)學(xué)模型，因而，它是簡單實(shí)用的控制方法，這也是它引起人們關(guān)注的主要原因。

3.1 離散時(shí)間PID型ILC算法

假設(shè)離散時(shí)間系統(tǒng)的受控對象模型為：

輸出誤差定義為：

ek(t)=yd(t)-yk(t)

根據(jù)誤差定義可以分別定義出開環(huán)和閉環(huán)PID型學(xué)習(xí)律：

比較開環(huán)控制和閉環(huán)控制兩種控制策略，開環(huán)控制利用上一步的控制誤差信息計(jì)算控制規(guī)律，閉環(huán)控制采用的是由上一步的控制和當(dāng)前誤差信息計(jì)算控制規(guī)律的方法[11-13]?？紤]開環(huán)迭代學(xué)習(xí)利用信息的簡單特點(diǎn)，本文采用開環(huán)迭代學(xué)習(xí)控制。

3.2 基于ILC的自校正PID控制器

實(shí)際應(yīng)用中，系統(tǒng)下一次運(yùn)行的新的控制既可以在上一次運(yùn)行結(jié)束后離線計(jì)算得到，也可以在上一次運(yùn)行中在線計(jì)算得到；新的控制量存入存儲(chǔ)器，刷新舊控制量。在控制過程中，從存儲(chǔ)器取出控制量。可以看出，迭代學(xué)習(xí)控制算法可利用的信息要多于常規(guī)的反饋控制算法。

如果設(shè)定值是連續(xù)變化的曲線，實(shí)際上并不會(huì)直接將設(shè)定值直接加到系統(tǒng)上，而是分段加到系統(tǒng)上。而這種分段又會(huì)引起實(shí)際值的超調(diào)，造成調(diào)節(jié)時(shí)間過長等問題[14]。為了克服這些問題，在自校正PID基礎(chǔ)上加入ILC設(shè)定值優(yōu)化序列，其控制結(jié)構(gòu)如圖3所示。該結(jié)構(gòu)是在文獻(xiàn)[15]基礎(chǔ)上引進(jìn)自校正控制后的改進(jìn)。迭代學(xué)習(xí)的輸出r為經(jīng)過優(yōu)化的設(shè)定值，將作為直接控制單元的設(shè)定；直接控制單元由自校正PID控制器和被控對象組成的閉環(huán)系統(tǒng)，系統(tǒng)可實(shí)時(shí)更新PID參數(shù)。實(shí)質(zhì)上，迭代學(xué)習(xí)和直接控制單元構(gòu)成了雙閉環(huán)控制系統(tǒng)。內(nèi)環(huán)進(jìn)行系統(tǒng)動(dòng)態(tài)控制，外環(huán)在原來階躍設(shè)定基礎(chǔ)上通過迭代學(xué)習(xí)進(jìn)行系統(tǒng)設(shè)定值序列的優(yōu)化調(diào)整，得到了“受控”的設(shè)定值。

圖3 基于迭代學(xué)習(xí)控制的自校正PID控制系統(tǒng)結(jié)構(gòu)圖

每個(gè)設(shè)定值下的期望軌跡定義為設(shè)ck為系統(tǒng)第k個(gè)的設(shè)定值，則第k個(gè)優(yōu)化周期內(nèi)系統(tǒng)的運(yùn)行期望軌跡為：

式中，α取值不同，軌跡變化快慢不同：當(dāng)1＞α＞0時(shí)，期望軌跡平滑，變化緩慢。α＞1時(shí)，期望軌跡坡度大，變化迅速。

當(dāng)t=0時(shí)，ydk(t)=ck-1；當(dāng)t→∞?時(shí)，ydk(t)=ck，即系統(tǒng)最終穩(wěn)定運(yùn)行于當(dāng)前優(yōu)化周期內(nèi)的設(shè)定值ck。由上述分析可以看出，理想軌跡是第k個(gè)設(shè)定值與第k-1個(gè)設(shè)定值的差和第k-1個(gè)設(shè)定值ck-1的函數(shù)。即本次期望軌跡是在上次設(shè)定值的基礎(chǔ)上按設(shè)定值增量的指數(shù)規(guī)律變化。

采用PD型ILC算法：

其中

式中rk(t)為迭代學(xué)習(xí)輸出的設(shè)定值；LP和LD分別為比例學(xué)習(xí)增益和微分學(xué)習(xí)增益。

將設(shè)定值序列分段加到系統(tǒng)上，本次迭代控制會(huì)將上次迭代學(xué)習(xí)的經(jīng)驗(yàn)繼承下來，指導(dǎo)本次控制量（這里為設(shè)定值rk(t)），隨著迭代次數(shù)的增加，系統(tǒng)從一個(gè)穩(wěn)態(tài)過程到另一個(gè)穩(wěn)態(tài)過程實(shí)現(xiàn)了平滑過渡。該控制算法的流程圖如圖4所示。

圖4 基于ILC的自校正PID控制算法流程圖

3.3 仿真實(shí)例

為驗(yàn)證該算法的有效性，對該算法進(jìn)行了M atlab仿真研究。仿真模型為：

將正弦變化的設(shè)定值分為63段加到系統(tǒng)上，形成63個(gè)設(shè)定值序列。每個(gè)迭代周期為30 s，α取為1，LP、LD為本學(xué)習(xí)律的學(xué)習(xí)增益，為保證迭代收斂性，同時(shí)考慮收斂的快速性，通過仿真實(shí)驗(yàn)，LD和LP分別取為3.5和0.8。算法仿真結(jié)果如圖5所示。由圖可以看出，經(jīng)過兩次迭代學(xué)習(xí)系統(tǒng)的超調(diào)明顯減小，隨著迭代次數(shù)的增加，實(shí)際值基本上實(shí)現(xiàn)了期望值的無差跟蹤?？梢钥闯?，隨著迭代次數(shù)的增加，最大偏差很快減小，到第10次幾乎達(dá)到零偏差。

圖5 基于迭代學(xué)習(xí)控制的自校正控制系統(tǒng)仿真結(jié)果圖

4 風(fēng)環(huán)境模擬控制器設(shè)計(jì)

為模擬自然陣風(fēng)，采用了變頻技術(shù)控制送、回風(fēng)機(jī)。進(jìn)行陣風(fēng)模擬時(shí)，采用被動(dòng)和主動(dòng)兩種控制方式，為在模型實(shí)驗(yàn)區(qū)實(shí)現(xiàn)整場近地層風(fēng)速廓線的模擬，通過合理布置阻尼網(wǎng)高度和層數(shù)以及粗糙元的來實(shí)現(xiàn)風(fēng)速在垂向的廓線要求；通過設(shè)置出口收縮段和阻尼網(wǎng)來保證展向風(fēng)速分布均勻；通過送風(fēng)機(jī)和回風(fēng)機(jī)的協(xié)調(diào)控制，以保證實(shí)驗(yàn)區(qū)縱向（風(fēng)機(jī)軸向）速度分布的均勻性。

4.1 控制器設(shè)計(jì)

由系統(tǒng)的穩(wěn)態(tài)特性曲線控制可知，系統(tǒng)呈線性特性。實(shí)際上，在系統(tǒng)運(yùn)行過程中受其他干擾影響，系統(tǒng)具有慢時(shí)變特性。在某一時(shí)間段設(shè)計(jì)的控制器在系統(tǒng)發(fā)生時(shí)變后其特性并不能達(dá)到最佳效果。為了使控制器發(fā)揮最佳效果，需要根據(jù)系統(tǒng)模型參數(shù)實(shí)時(shí)更新控制器參數(shù)，即控制參數(shù)是依賴于控制狀態(tài)的。加上陣風(fēng)具有隨機(jī)性，而這種隨機(jī)性是由多個(gè)不同振幅和頻率的正弦波組成。為模擬風(fēng)環(huán)境，需要不同的正弦波風(fēng)速，這種正弦風(fēng)具有重復(fù)特性。因此，采用基于迭代學(xué)習(xí)的自校正PID控制可以有效實(shí)現(xiàn)正弦風(fēng)的模擬。

4.2 控制參數(shù)與結(jié)果

通過前期數(shù)值模擬發(fā)現(xiàn)，在地面以上1.0m范圍內(nèi)具有較強(qiáng)的風(fēng)速可控性。圖6給出虛擬測點(diǎn)支架示意圖，序號(hào)(1，2，…，i，…，N)代表N個(gè)豎直支架。每個(gè)支架上布置n個(gè)測點(diǎn)，測點(diǎn)位置根據(jù)需要設(shè)定。各支架上風(fēng)速分布均應(yīng)滿足對數(shù)廓線，具有唯一的

圖6 支架位置示意圖

其中u*為摩阻風(fēng)速，z0為地面粗糙度。

實(shí)際上，支架位置不同，u*可能不同，但目標(biāo)是希望獲得整個(gè)模型實(shí)驗(yàn)區(qū)整場均一的u*，此時(shí)被控參數(shù)是u*。實(shí)際上u*僅是一個(gè)虛擬速度，可根據(jù)u*的設(shè)定值按豎直方向的風(fēng)速廓線獲得實(shí)際流場各點(diǎn)的設(shè)定值。

圖7給出了圖6中虛擬測點(diǎn)支架1、3、15和N位置處基于CFD的風(fēng)速控制系統(tǒng)仿真結(jié)果。這里采用的控制算法為PI控制，比例增益為0.6，積分增益為0.03，u*設(shè)定值為0.2m/s。由結(jié)果可以看出，不同位置的測點(diǎn)支

風(fēng)速廓線如下式：架上的速度近似滿足對數(shù)風(fēng)速廓線，各處的廓線基本一致，說明其u*值也保持一致，約為0.2m/s。

圖7 風(fēng)速廓線數(shù)值模擬結(jié)果

實(shí)際控制時(shí)采用基于迭代學(xué)習(xí)控制的自校正PID控制。為驗(yàn)證控制器性能，對模型實(shí)驗(yàn)區(qū)中心處支架上的風(fēng)速進(jìn)行閉環(huán)控制。支架上共布置6個(gè)測點(diǎn)，測點(diǎn)距地面高度依次為0.15m，0.2m，0.3m，0.45m，0.67m和1m。設(shè)定CFD數(shù)值模擬中的控制器增益為當(dāng)前控制器增益的初始值（比例增益為0.6，積分增益為0.03）。圖8給出了不同u*設(shè)定期望值下高度為0.67m處的風(fēng)速控制結(jié)果與控制量（圖中的風(fēng)速設(shè)定值由給定的u*設(shè)定值按照式（8）推得）。

圖8 風(fēng)速控制結(jié)果

圖9給出了不同時(shí)刻風(fēng)速在高度上的分布廓線。由于整個(gè)控制過程中速度變化范圍較大，對風(fēng)速分布廓線進(jìn)行了無量綱化處理。圖中z表示高度，h為高度尺度，u為水平時(shí)均風(fēng)速，U為水平來流速度尺度。由圖8可知，系統(tǒng)實(shí)際值能夠?qū)崟r(shí)跟蹤設(shè)定值，由于控制系統(tǒng)進(jìn)行了在線參數(shù)估計(jì)，并實(shí)時(shí)更新控制器參數(shù)，實(shí)現(xiàn)了不同工況下期望風(fēng)速的無差控制，保證環(huán)境模擬中其他動(dòng)態(tài)風(fēng)速期望的可靠實(shí)現(xiàn)。在高度方向的分布特性取決于被動(dòng)控制值方式的可靠性，由圖9可知，在動(dòng)態(tài)控制過程中，高度方向的風(fēng)速分布基本滿足對數(shù)廓線分布。

圖9 不同時(shí)刻時(shí)的風(fēng)速分布廓線

圖10給出了設(shè)定值為正弦u*風(fēng)速信號(hào)的控制效果和控制量。

圖10 正弦風(fēng)速控制響應(yīng)

由圖可以看出，在第一個(gè)周期控制結(jié)果并不理想，實(shí)際值與設(shè)定值有0.3m/s左右的誤差，且實(shí)際值較設(shè)定值滯后約5 s。經(jīng)過一個(gè)周期后，由第二個(gè)正弦周期開始，由于迭代學(xué)習(xí)控制的作用，實(shí)際值已基本跟蹤設(shè)定值。而且，在440 s時(shí)給系統(tǒng)一個(gè)干擾，可以看出，系統(tǒng)經(jīng)過短暫調(diào)節(jié)，很快使輸出跟蹤設(shè)定。

5 結(jié)論

（1）仿真和實(shí)驗(yàn)結(jié)果均表明，本文提出的控制算法針對風(fēng)環(huán)境模擬的系統(tǒng)控制可行；

（2）實(shí)現(xiàn)了對期望風(fēng)環(huán)境參數(shù)的有效控制，控制系統(tǒng)具有較強(qiáng)的魯棒性；

（3）由于迭代學(xué)習(xí)控制的作用，對于正弦風(fēng)的模擬，隨著時(shí)間推進(jìn)，實(shí)際值可跟蹤定值，保證了環(huán)境模擬的控制精度。

[1]王俊，黃本誠，萬才大，等.環(huán)境模擬技術(shù)[M].北京：國防工業(yè)出版社，1996.

[2]M oinn A S，Obukhov A M.Basic law s of turbulentm ixing in the atmosphere near the ground[J].Tr Akad Nauk SSSR Geofiz inst，1954，24（151）：163-187.

[3]李云峰，吳勝興.現(xiàn)代混凝土結(jié)構(gòu)環(huán)境模擬實(shí)驗(yàn)室技術(shù)[J].中國工程科學(xué)，2005，7（2）：81-85.

[4]徐俊，蒲亮，厲彥忠，等.人工環(huán)境室內(nèi)濕度場的數(shù)值模擬和優(yōu)化[J].西安交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，41（1）：77-81.

[5]川戴玉英.汽車空調(diào)環(huán)境模擬實(shí)驗(yàn)室設(shè)計(jì)及特點(diǎn)[J].空調(diào)與制冷，2002，2（4）：36-39.

[6]肖飚，金蘇敏，史敏.人工環(huán)境試驗(yàn)室內(nèi)空氣流場的研究[J].制冷與空調(diào)，2007，7（5）：89-92.

[7]Mervis J.Bye，bye Biosphere 2[J].Science，2003，302（19）：2053.

[8]孟慶龍.近地層微氣候環(huán)境模擬與基于CFD的控制方法研究[D].西安：西安交通大學(xué)，2010.

[9]A rimoto S，Kaw amura S，M iyazaki F.Bettering operation of robotics by learning[J].J Robotic System，1984，1（2）：123-140.

[10]劉山.迭代學(xué)習(xí)控制系統(tǒng)設(shè)計(jì)及應(yīng)用[D].杭州：浙江大學(xué)，2002.

[11]Ruan X iao’e，Wang Jianguo，Wan Baiw u.Filter-based iterative learning control for linear large-scale industrial processes[J].Journal of Control Theory and Applications，2004（2）：149-154.

[12]Xu J X，Xu J.On iterative learning from different tracking tasks in the presence of time-varying uncertainties[J].IEEE Trans on Syst，Man，and Cybernetics，2004，34（1）：589-597.

[13]Ruan X iao’e，Zenn Bien Z，Park K H.Decentralized iterative learning control to large-scale industrial processes for nonrepetitive trajectory tracking[J].IEEE Transactions on System s，Man and Cybernetics：Part A Systems and Humans，2008，38（1）：238-252.

[14]萬百五，黃正良.大工業(yè)過程計(jì)算機(jī)在線穩(wěn)態(tài)優(yōu)化控制[M].北京：科學(xué)出版社，1998-06.

[15]Ruan Xiao’e，Hou Zhuosheng，Wan Baiwu.The iterative learning control for the course of steady-state hierarchical optim ization of linear large-scale industrial processes[C]//Proceedings of the 4th World Congress on Intelligent Control and Automation，Shanghai，P R China，2002.