基于光电传感器的暖通空调温湿度智能控制技术

郭燕飞

(山西经贸职业学院建筑工程系，山西 太原 030002)

传感器属于一种可以将现实世界自然量按照一定规律调整为计算机可处理数据的装置。传感器存在信号转换单元与环境敏感单元，环境敏感单元主要是监测环境中的物理量[1-2]，而信号转换单元主要是将环境物理量转换为电信号，使计算机能够对此进行分析。光电传感器[3](Photoelectric Transducer)是基于光电效应的传感器，其在受到可见光照射后即产生光电效应，将光信号转换成电信号输出，是将光通量转换为电量的一种传感器。光电传感器具备非接触、响应快和性能可靠等优点。

家用空调较少能够满足多房间同时制冷供热[4]，其他设备的温湿度控制较差[5]，因此，家用暖通空调系统逐渐流行。对于暖通空调系统来说，为合理提供舒适的温度与空气质量，仍然需要一定的控制方法，有较多学者对此进行了研究[6]，魏玉龙等[7]研究基于大数据深度学习的涂装空调温湿度控制方法，该方法主要利用深度学习反复迭代寻找到最优温湿度，实现空调的控制，但该方法在检测环境温度与湿度时存在一定的误差，使控制过程变得不够完善。赵楠楠等[8]研究细络联车间温湿度控制技术，通过采用热平衡技术，维持络筒工序空气压力和空气幕技术，实现车间温湿度的合理控制，但该技术控制后的环境温湿度仅适用于一种场景，不适合其他环境。Patil等[9]研究基于Fanger预测平均投票(Predicted Mean Vote，PMV)指数原理的分离式空调遗传优化模糊控制器，在硬件平台上使用商用8位ATmega-328微控制器，通过嵌入式编码进行实际应用。设计的控制算法的一部分是检测活动水平、服装保温、空气流速和相对湿度的值，并确定要设置的舒适温度值，以满足PMV和PPD指标。另一部分向空调压缩机发出控制信号，以保持该温度。但是该方法由于检测精度低，导致控制效果不佳。

针对上述问题，为了提高温湿度控制效率，提出了基于光电传感器的暖通空调温湿度智能控制技术，应用光电传感器，并且结合SFLA算法，实现智能控制暖通空调温湿度，以期提高人们的生活质量。

光电传感[10]是指能够将可见光转换成某种电量的传感器，光敏二极管是最常见的光传感器，其工作在反向偏置的工作状态，并与负载电阻相串联，当无光照时，反向电流很小；
当有光照时，载流子波被激发，产生光电载流子，在外电场的作用下，光电载流子参与导电，形成光电流。光电流的大小与光照强度成正比，于是在负载电阻上就有了与光照强度成正比例的电信号。光敏三极管除了具有光敏二极管的上述功能外，同时还有对电信号放大的功能。由上述可知，光电传感器是通过把光强度的变化转换成电信号的变化实现控制。

在一般情况下，光电传感器有三部分组成:发送器、接收器和检测电路。光电传感器的工作方式一般有三种:槽型光电传感器、对射型光电传感器、反光板型光电传感器。其参数为:100 mm检测距离，漫反射型检测方式，15 V～30 V电源电压，200 Hz频率，0.5 V～10 V输出电压，1 000 V/AC，50 Hz/60 Hz 60 s的耐电压。

投光电路的设计是影响光电传感器在暖通空调温湿度控制方面应用的重要环节，投光电路设计与传感器的光学结构设计密切相关。由此采用的投光电路如图1所示。

图1 投光电路图

为了使投光锻压在变化的过程中，投光三极管TR1的输入抵抗不对ARM芯片产生影响，以及投光电路在长时间工作时，不会因为投光三极管TR1本身Vbe的温度特性，导致投光电路的不稳定，本投光电路的设计为主要由投光三极管的发射电压反馈的运算放大器缓冲电路组成。发射电压的回归，不仅会补正Vbe的温度特性，而且在ARM芯片和运算方法IC1间加入热敏电阻和并联的电阻，用于消除投光LED D1的温度特性造成的干扰。最后选定的热敏电阻为2.2 kΩ、并联电阻为1.2 kΩ。

2.1 温度采集

在温度变化时，双层悬臂梁的应力产生形变，导致其谐振频率发生偏移，因此，检测悬臂梁的频率，即获取温度变化情况。

设矩形悬臂梁的长、宽、厚度依次为l、w、h，同时，x、y为悬臂梁的坐标，在出现小振幅无阻尼情况的振动，则悬臂梁的控制方程如式(1)所示:

式中:˜E＝E/(1-v2)，其中v表示泊松比；
E表示杨氏模量；
I＝wh3/12，I表示转动惯量；
A＝wh，A表示悬臂梁截面积；
t表示时间。此时，悬臂梁的固定端与自由端的边界条件如式(2)、式(3)所示:

式(4)中，将特征方程cos(kq)cosh(kq)＋1＝0的解通过kq表示。

在针对复合悬臂梁进行分析时，不同材料的热膨胀系数(α1，α2)会存在一定区别，此时，若温度ΔT出现变化，则悬臂梁的曲率k与曲率半径r之间的关系如式(6)所示:

式中:m＝h1/h2，q＝。通过上述形式的多层悬臂梁谐振频率计算，即能够实现温度变化分析，实现温度检测。

2.2 暖通空调湿度测量

通过以下形式实现暖通空调湿度测量，通常情况下，湿度与气体的热导率存在关联，此时，针对包含c种气体组分的混合气体，可通过Sutherland-Wassiljewa等式计算其热导率，如式(7)所示:

式中:混合气体、单一气体的热导率分别由λmax、表示λi；
组分i、j的分子数占全部气体的百分比由Xi、Xj表示；
组分i、j的结合参数由Ai，j表示。

可采用Lindsay-Bromley修正式调整Ai，j，如式(8)所示:

式中:组分i、j的粘度依次由μi、μj表示，分子量依次由Mi、Mj表示，Sutherland常数依次由Si、Sj表示，T表示时间常数。

经上述方式可以计算得到，在传感器电阻不断进行加热情况下，当湿度不断上升，气体的热导率随之升高，引起电阻逐渐降低，此时，测量电阻两侧电压变化值即能够获取当前暖通空调所处环境湿度。

2.3 基于SFLA-PID的暖通空调温湿度控制

本文结合传统PID控制器与蛙跳算法(SFLA)[11-12]，搭建基于SFLA-PID的暖通空调温湿度智能控制方法。为使控制后的暖通空调工作温湿度始终在所设范围内，在系统运行时，可通过SFLA算法对PID控制器进行优化，在线调整PID控制参数，同时，在暖通空调工作环境存在变化时，系统根据外界环境变化情况，主动调整控制参数，并始终挑选适应度函数最小值，从而系统的控制能力处于最佳状态，并加强系统的可控性。图2所示为SFLAPID控制暖通空调温湿度时的结构图。

图2 SFLA-PID控制温湿度结构图

图2中，暖通空调温湿度控制系统利用光电传感器获取环境内温湿度值，此时对比系统反馈值与最佳温湿度值后，得到系统误差值，同时采用系统性能指标分析SFLA-PID控制器的控制参数是否最佳，若未实现最佳目标值则继续采用SFLA算法优化PID控制参量，直至达到最佳温湿度。

2.3.1 暖通空调温湿度控制性能指标选择

通过控制系统的性能指标可以决定系统每项指标是否处于最佳状态，通常情况下，一个完美的控制系统存在最佳的性能指标[13]，因此，选择合理的性能指标可以有效决定暖通空调温湿度控制系统的控制能力。通常情况下，系统主要通过以下性能指标评价系统的关键性能，分别为误差平方积分(ISE)、时间平方乘以误差绝对值积分(ISTAE)。通过式(9)计算IAE指标:

式中:系统输入与输出的差值由e(t)表示，采用t表示时间，取e(t)的绝对值并进行积分获取该指标的值。IAE指标针对偏差较小的区域指标控制能力较高，利用该指标确保系统具有较高的阻尼特性以及瞬态响应速度，但是在控制参数多时，该性能指标变化幅度较小，无法有效适应系统控制参数多变时的情况。因此，本文分析ISTSE指标，如式(10)所示:

式中:该指标利用时间t的平方与偏差值的平方相乘获取，利用该指标作为暖通空调温湿度控制系统的性能指标，可以使系统的输出量在不同输出时间下的振荡情况减小，同时，抑制控制过程出现的误差，因此，采用ISTSE作为设计暖通空调温湿度控制控制系统的性能指标。

2.3.2 暖通空调温湿度控制参数的设定

在采用SFLA-PID控制暖通空调温湿度时，合理设定PID控制参数与SFLA算法内部参数，可以有效提升系统温湿度控制性能，通过以下步骤设定控制参数:

①设定初始参数Kp、Ku、Kd:通常在出厂阶段已决定PID控制器中的初始参数Kp、Ku、Kd，但是可以根据控制过程的实际需求，在合理取值范围内随机设定Kp、Ku、Kd。

②设定青蛙种群数N:该参数属于蛙跳算法的核心参数，能够决定温湿度控制过程中的控制精度与响应速度，种群数量N越大，该算法越能够计算得到更加完美的解。

③设定子种群数量m与每组含蛙数n:青蛙种群数N能够直接影响m与n的个数，若n过小会使得算法无法搜索到局部最优解，即无法获取最佳温湿度控制结果。

④设定最大步长值Dmax:在全局搜索时，步长值过大，导致无法获取最优解，而步长过小，导致算法全局搜索能力差。因此，在设定Dmax时需要限制在合理的范围。

⑤设定最大局部搜索半径rmax与局部搜索次数L:过小的搜索次数与搜索半径会使控制系统无法获取最优解，而过大的情况会导致系统资源出现内耗。

⑥设定全局混合迭代次数G:若迭代次数G过小会使青蛙个体之间的交互能力降低，过大会产生局部最优解，因此需要设定合理的迭代次数。

2.3.3 暖通空调温湿度智能控制流程

本文利用光电传感器和传统PID控制器，并结合SFLA算法优化PID控制参数，形成基于SFLAPID算法的暖通空调温湿度控制系统，通过适应度函数值分析控制过程是否需要继续优化，利用ISTSE性能指标作为青蛙个体的适应度值，以此保证控制系统的误差与适应度呈正比，保障系统的控制性能，图3所示为基于SFLA-PID的暖通空调温湿度控制系统图。

图3 暖通空调温湿度控制系统

在图3中，按照暖通空调温湿度控制需求，初始化青蛙种群，并根据青蛙的适应度值，通过降序方式排列每个青蛙位置，获取最优解，并向控制参数Kp、Ku、Kd赋值，通过ISTSE指标分析是否需要优化控制参数，若控制情况未达到预期效果，则采用全局搜索方式继续搜寻青蛙个体最优解，即找出最低适应度值，经多次迭代后，直到控制参数能够达到控制条件，停止迭代。通过如下流程，完成基于SFLA-PID的暖通空调温湿度控制:

①初始化参数:在开始采用系统控制暖通空调温湿度时，随机产生初始青蛙种群，并设置控制参数Kp、Ku、Kd的取值范围，同时设定空间维度S、组数m、组内蛙数n、青蛙种群数N、局部搜索次数L、青蛙可改变区域的最大值Dmax、最大局部搜索半径rmax以及全局混合迭代次数G。

②排列青蛙顺序

采用式(11)计算每个青蛙的适应度值Fitness(Xu)，并利用适应度值降序排列青蛙顺序，为每个青蛙获取具体位置:

③获取青蛙最优解

采用式(2)计算青蛙最优解Fitness(Xg)，获取最优解后，向控制参数Kp、Ku、Kd赋予最优解，由此，最优解即为初始控制参数:

④开启优化后的PID控制器

采用式(13)、式(14)计算输出暖通空调温度控制量o(u)w与性能指标值ISTSEw:

同时，利用式(15)、式(16)依次计算输出暖通空调湿度控制量与性能指标值ISTSEs:

⑤判断控制参数优化效果

通过式(17)与式(18)依次判断性能指标能否达到理想控制目的:

若上述公式的性能指标均低于0.1℃与0.1% RH，则执行步骤④，若性能指标均大于0.1℃与0.1%RH，则通过蛙跳算法继续搜索最优控制参数Kp、Ku、Kd，并执行下一步。

⑥利用蛙跳算法继续优化PID控制参数

通过上述步骤判断性能指标是否符合要求，若不符合，则继续采用蛙跳算法寻找合适的PID控制参数，直至获取的参数符合式(17)与式(18)要求，停止迭代，实现暖通空调温湿度最优控制。

选取属于华北平原的山西太原市办公楼为研究对象，该地区年平均气温9.5℃，年均降水量456 mm。设置研究对象共有房间60间，每个房间均配置了暖通空调，空调为GCHV积微空调，在每个空调上安装本文设计的光电传感器，安装完成后，光电传感器连续采集数据60 h，获取暖通空调温湿度值，并以此数据为分析对象，设计的温湿度传感器如图4所示，温湿度智能控制系统如图5所示。

图4 温湿度传感器

图5 温湿度智能控制系统

实验采集的暖通空调温湿度值具体数据如表1所示(汇总成表的数据为平均值)。

表1 温湿度数据

应用本文方法和文献[9]方法控制温湿度变化，分析光电传感器与温湿度控制性能。应用测温传感器采集环境温度，分析本文技术的光电传感器测温性能以及传感器的运行性能，分析结果如表2所示。

表2 光电传感器性能分析

由表2可知，在不同温度点下，本文光电传感器均能实现较好测温，且测温结果较为精准，在温度为40℃、20℃以及40℃时仅出现较小的测温误差，且误差均未超过0.02℃，同时，在进行测温时，本文光电传感器的电路平均功耗均保持在240 μW说明该传感器具有较低功耗，可以有效节约电路的消耗。

分析应用本文光电传感器在不同时间段下对环境内湿度的采集情况，结果如图6所示。

根据图6可知，在不同时间段下，该环境内的湿度值也存在较大区别，在8:00～9:00时间范围内，该环境的湿度值明显较高，均保持在88%RH以上，而在11:00～12:00时间段内，湿度值存在明显降低，处于80%RH～84%RH范围内波动，当时间到达下午13:00～14:00时间段时，湿度值保持最低，由此可以看出，在每日的早晨时段湿度值明显较高，同时，应用本文光电传感器，可获取完整的湿度变化值。

图6 湿度采集情况分析

应用本文技术和文献[9]技术控制暖通空调温湿度变化，使暖通空调的温湿度均能够保持在设定的最佳值，加强控制环境温湿度的能力，设置当前最佳温度为26℃，最佳湿度为80%RH，分析暖通空调运行2 h时受到外部环境干扰情况，控制温湿度的效果，结果如图7所示。

图7 温湿度控制效果分析

通过图7(a)可以看出，当暖通空调运行2 h时出现外部因素干扰，未采用本文技术控制前温度迅速出现波动，在之后的运行过程中始终呈现波动趋势，最高温度达到了27.4℃，表明温度控制效果较差，文献[9]的控制方法将温度控制在27℃以内，但是存在较大误差，最高误差达到了1℃，而经本文技术控制后，温度未出现明显波动，温度保持在26℃运行。

由图7(b)可知，未应用本文技术控制湿度值时，暖通空调的湿度呈现逐渐上升趋势，且最终未达到合理湿度，而经本文技术控制后，湿度值始终在80%RH运行，文献[9]方法的湿度控值最低为76%RH，并且在后期持续上升，因此，本文技术具有较强的湿度控制能力。

为了提高暖通空调温湿度的控制效果，提高生活环境的适宜度，本文研究基于光电传感器的暖通空调温湿度智能控制技术。该技术通过光电传感器检测环境温湿度值，并且采用基于SFLA-PID的暖通空调温湿度智能控制系统实现温湿度智能控制，完成控制技术设计。应用该技术进行对比分析实验可知，该技术的温湿度控制效果最好，有效将温湿度控制住在最佳值，温湿度数值波动小。未来可将当前设计以及实验结果作为研究依据，继续设计更加全面的温湿度控制技术。