針對(duì)制藥設(shè)備中的暖通空調(diào)（HVAC）系統(tǒng)，提出了一種智能控制算法。該算法整合了模糊邏輯、神經(jīng)網(wǎng)絡(luò)和多變量協(xié)調(diào)控制模塊，形成了一個(gè)高效的智能控制框架。模糊邏輯負(fù)責(zé)處理系統(tǒng)的非線性特性和不確定性，神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)參數(shù)的在線學(xué)習(xí)和優(yōu)化，而多變量協(xié)調(diào)控制則確保關(guān)鍵參數(shù)之間的平衡。該算法能根據(jù)環(huán)境變化和系統(tǒng)狀態(tài)實(shí)時(shí)調(diào)整控制策略，進(jìn)而滿足藥品生產(chǎn)質(zhì)量管理規(guī)范（GMP）標(biāo)準(zhǔn)的要求。
在現(xiàn)代制藥工業(yè)中，確保藥品生產(chǎn)環(huán)境的精確控制已成為保證產(chǎn)品質(zhì)量的核心要素。隨著全球醫(yī)療衛(wèi)生標(biāo)準(zhǔn)的不斷提高，藥品生產(chǎn)質(zhì)量管理規(guī)范（Good ManufacturingPractice of Medical Products，GMP）對(duì)制藥環(huán)境提出了越來(lái)越嚴(yán)格的要求。因此，暖通空調(diào)（Heating， Ventilation and Air Conditioning，HVAC）系統(tǒng)的控制能力面臨著更大的挑戰(zhàn)。本文提出了一種智能控制算法，該算法整合了模糊邏輯、神經(jīng)網(wǎng)絡(luò)和多變量協(xié)調(diào)控制模塊，構(gòu)建了一個(gè)更加全面、高效的控制框架。實(shí)驗(yàn)結(jié)果表明，該算法不僅能夠處理系統(tǒng)的非線性和不確定性，還能實(shí)現(xiàn)參數(shù)的實(shí)時(shí)優(yōu)化和多變量之間的協(xié)調(diào)控制。通過(guò)提高藥品生產(chǎn)環(huán)境的控制精度和穩(wěn)定性，該算法有望提升藥品質(zhì)量，同時(shí)優(yōu)化能源利用效率，降低生產(chǎn)成本。該算法對(duì)推動(dòng)制藥工業(yè)的技術(shù)進(jìn)步、提高藥品生產(chǎn)效率和確保藥品安全性具有重要意義。
1.1 制藥HVAC系統(tǒng)的作用
制藥 HVAC 系統(tǒng)需精確控制溫度、濕度、壓力和空氣潔凈度等多個(gè)參數(shù)，同時(shí)還要考慮不同功能區(qū)域之間的壓差控制［1］。HVAC 系統(tǒng)在制藥生產(chǎn)中的作用包括：確保生產(chǎn)環(huán)境的潔凈度，防止交叉污染；精確控制溫濕度，維持藥品原料和產(chǎn)品的穩(wěn)定性；調(diào)節(jié)室壓，建立合理的氣流組織，防止外部污染物進(jìn)入潔凈區(qū)；去除生產(chǎn)過(guò)程中產(chǎn)生的粉塵、異味和有害氣體；提供舒適的工作環(huán)境，提高生產(chǎn)效率。通過(guò)這些功能，HVAC 系統(tǒng)直接影響藥品的質(zhì)量、安全性和生產(chǎn)效率，是確保制藥過(guò)程符合GMP要求的重要保障。GMP 對(duì) HVAC 系統(tǒng)提出了嚴(yán)格的控制要求，這些要求涵蓋了系統(tǒng)的設(shè)計(jì)、安裝、運(yùn)行和維護(hù)等各個(gè)方面［2］。首先，GMP 要求不同的生產(chǎn)區(qū)域和存儲(chǔ)區(qū)域保持特定的溫度范圍，通常誤差不得超過(guò)±2 °C；其次，相對(duì)濕度通常需要保持在 30%~65% 之間，具體取決于產(chǎn)品類型；然后，GMP規(guī)定了不同級(jí)別潔凈區(qū)的粒子濃度限值，要求 HVAC系統(tǒng)能有效過(guò)濾空氣中的微粒；最后，不同潔凈等級(jí)的區(qū)域之間需保持適當(dāng)?shù)膲翰睿苑乐菇徊嫖廴?。這些嚴(yán)格的控制要求使得制藥HVAC系統(tǒng)的設(shè)計(jì)具有高度的復(fù)雜性。２.１ 算法框架概述
如圖 1 所示，該框架整合了模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)優(yōu)化和多變量協(xié)調(diào)控制 3個(gè)核心模塊，能夠有效處理系統(tǒng)的非線性特性、參數(shù)不確定性以及多變量之間的復(fù)雜耦合關(guān)系。模糊邏輯控制模塊負(fù)責(zé)處理系統(tǒng)的非線性特性和不確定性，通過(guò)模擬人類專家的決策過(guò)程，實(shí)現(xiàn)對(duì)溫度、濕度、壓力和潔凈度等關(guān)鍵參數(shù)的初步控制。神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊則通過(guò)在線學(xué)習(xí)能力，不斷優(yōu)化控制參數(shù)，提高系統(tǒng)的控制精度和響應(yīng)速度。多變量協(xié)調(diào)控制策略考慮了各控制參數(shù)之間的相互影響，確保整個(gè)系統(tǒng)達(dá)到最佳平衡狀態(tài)。這種集成策略能夠根據(jù)環(huán)境變化和系統(tǒng)狀態(tài)實(shí)時(shí)調(diào)整控制策略，有效滿足GMP標(biāo)準(zhǔn)對(duì)制藥環(huán)境的嚴(yán)格要求。圖1 制藥HVAC系統(tǒng)智能控制算法框架模糊邏輯控制模塊基于專家知識(shí)和經(jīng)驗(yàn)設(shè)計(jì)，用于處理 HVAC 系統(tǒng)的非線性和不確定性［3］。該模塊同時(shí)控制溫度（T）、濕度（H）、壓力（P）和潔凈度（C）4 個(gè)關(guān)鍵參數(shù)，充分考慮了制藥環(huán)境控制的復(fù)雜性。模糊規(guī)則設(shè)計(jì)采用了IF-THEN 結(jié)構(gòu)，輸入變量為各參數(shù)的誤差（ei）和誤差變化率（Δei），輸 出 變 量 為 相 應(yīng) 的 控 制 增 量（ui），其 中 ，i∈{ T，H，P，C }，分別表示溫度、濕度、壓力和潔凈度。例如，一個(gè)典型的模糊規(guī)則是：如果溫度誤差為正小且誤差變化率為零，則溫度控制增量為正小。模糊集合采用三角形隸屬函數(shù)，對(duì)每個(gè)參數(shù)定義為負(fù)大（NB）、負(fù)?。∟S）、零（ZO）、正?。≒S）和正大（PB）。這種設(shè)計(jì)提供了良好的控制精度和平滑過(guò)渡。模糊推理采用 Mamdani 方法，去模糊化使用重心法。對(duì)于每個(gè)控制參數(shù)，模糊控制器的輸出可表示為：
式中：μj為第 j條規(guī)則的隸屬度，表示該規(guī)則在當(dāng)前輸入下的適用程度；uij 為對(duì)應(yīng)的輸出值；n 為規(guī)則總數(shù)。這種計(jì)算方法綜合考慮了所有適用規(guī)則的影響，能夠得到平滑且合理的控制輸出。2.3 神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊接收模糊邏輯控制模塊的輸出 U，并結(jié)合控制目標(biāo)，對(duì)控制輸出進(jìn)行優(yōu)化［4］。該模塊采用多層前饋網(wǎng)絡(luò)結(jié)構(gòu)，用于實(shí)時(shí)優(yōu)化控制參數(shù)，提高系統(tǒng)的控制精度。網(wǎng)絡(luò)結(jié)構(gòu)包含輸入層、隱藏層和輸出層。輸入層接收系統(tǒng)狀態(tài)參數(shù)、控制目標(biāo)和模糊控制器輸出。隱藏層使用 ReLU 激活函數(shù)，輸出層生成優(yōu)化后的控制參數(shù)調(diào)整量。網(wǎng)絡(luò)結(jié)構(gòu)可表示為：
式中：x 為輸入向量，包含系統(tǒng)狀態(tài)和控制目標(biāo)；y 為輸出向量，表示對(duì)模糊控制器輸出的調(diào)整量；W1、W2 為權(quán)重矩陣；b1、b2 為偏置向量；f為輸出層激活函數(shù)，通常選用線性函數(shù)以獲得連續(xù)的輸出范圍。
在線學(xué)習(xí)算法采用隨機(jī)梯度下降法，這種方法計(jì)算效率高，適合實(shí)時(shí)控制系統(tǒng)。損失函數(shù)選用均方誤差：
式中：m 為數(shù)據(jù)批次大小；yi 為實(shí)際系統(tǒng)響應(yīng)； ?i為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出。
權(quán)重更新規(guī)則為：
式中：α 為學(xué)習(xí)率，可以根據(jù)系統(tǒng)的動(dòng)態(tài)特性進(jìn)行調(diào)整，以在收斂速度和穩(wěn)定性之間取得平衡。將神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊的輸出 y 與模糊控制器輸出 U 相加，得到優(yōu)化后的控制量Uopt=U+y，并將其作為多變量協(xié)調(diào)控制策略模塊的輸入。
多變量協(xié)調(diào)控制模塊是控制系統(tǒng)的最后一個(gè)環(huán)節(jié)，其主要任務(wù)是協(xié)調(diào)溫度、濕度、壓力和潔凈度這 4 個(gè)關(guān)鍵參數(shù)，處理它們之間的復(fù)雜相互作用，并生成最終的控制輸出［5］。該模塊接收來(lái)自神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊的輸出 Uopt，并將其作為輸入，同時(shí)考慮系統(tǒng)的當(dāng)前狀態(tài)和控制目標(biāo)，產(chǎn)生最終的控制決策。在這個(gè)模塊中，耦合矩陣 C 和協(xié)調(diào)因子矩陣 K是兩個(gè)關(guān)鍵組成部分，它們共同作用以實(shí)現(xiàn)多變量的協(xié)調(diào)控制。耦合矩陣 C 是一個(gè) 4×4 的矩陣，其元素 cij 表示第 i個(gè)參數(shù)對(duì)第 j個(gè)參數(shù)的影響程度。例如，c12 表示溫度變化對(duì)濕度的影響程度。該矩陣捕捉了 HVAC系統(tǒng)中各參數(shù)之間的復(fù)雜相互作用?？刂扑惴ㄊ紫壤民詈暇仃囌{(diào)整神經(jīng)網(wǎng)絡(luò)優(yōu)化后的控制量：
式中：Uopt(k）為神經(jīng)網(wǎng)絡(luò)優(yōu)化模塊的輸出；Uadj(k)為考慮了參數(shù)耦合后的調(diào)整控制量。協(xié)調(diào)因子矩陣 K是一個(gè)對(duì)角矩陣，其對(duì)角元素 ki∈[ 0，1]表示對(duì)應(yīng)參數(shù)的協(xié)調(diào)因子，用于平衡基于模型的控制策略和直接誤差修正之間的關(guān)系。最終的控制輸出由式（6）計(jì)算：
式中：I 為 4×4 的單位矩陣；e(k)=r(k)-y(k)為控制誤差向量，其中，r(k)為參考值向量，y(k)為系統(tǒng)當(dāng)前狀態(tài)向量。當(dāng)某個(gè)參數(shù)的協(xié)調(diào)因子 ki接近 1 時(shí)，控制更依賴于考慮了耦合效應(yīng)的模型預(yù)測(cè)；當(dāng) ki 接近 0 時(shí)，控制更側(cè)重于直接的誤差修正。最終輸出 Ufina（l k）是一個(gè)四維向量，包含溫度、濕度、壓力和潔凈度的控制量，直接用于驅(qū)動(dòng) HVAC系統(tǒng)的執(zhí)行機(jī)構(gòu)。這種多變量協(xié)調(diào)控制策略能夠有效處理HVAC 系統(tǒng)中的參數(shù)耦合問(wèn)題，適應(yīng)不同工況下的控制需求，同時(shí)提供了根據(jù)實(shí)際情況調(diào)整控制策略的靈活性。3.1 實(shí)驗(yàn)仿真平臺(tái)搭建
為了驗(yàn)證所提出的智能控制算法的有效性，實(shí)驗(yàn)基于MATLAB/Simulink 環(huán) 境 搭 建 了 一 個(gè) 完 整 的 制 藥 設(shè) 備HVAC 系統(tǒng)仿真平臺(tái)。該平臺(tái)包括 4 個(gè)主要子系統(tǒng)：溫度控制、濕度控制、壓力控制、潔凈度控制。溫度控制子系統(tǒng)考慮了熱傳導(dǎo)、對(duì)流和輻射的影響；濕度控制子系統(tǒng)包括水分蒸發(fā)和凝結(jié)過(guò)程；壓力控制子系統(tǒng)模擬了空氣流動(dòng)和壓力平衡；潔凈度控制子系統(tǒng)則考慮了顆粒物的產(chǎn)生、擴(kuò)散和過(guò)濾過(guò)程。這些子系統(tǒng)通過(guò)耦合矩陣進(jìn)行交互，反映了實(shí)際 HVAC系統(tǒng)中各參數(shù)之間的相互影響。仿真平臺(tái)的采樣周期設(shè)置為1 s，以滿足實(shí)時(shí)控制的需求。在搭建的仿真平臺(tái)上，實(shí)驗(yàn)對(duì)提出的智能控制算法進(jìn)行了全面的仿真測(cè)試。仿真過(guò)程分為穩(wěn)態(tài)控制和動(dòng)態(tài)響應(yīng)測(cè)試。在穩(wěn)態(tài)控制階段，實(shí)驗(yàn)設(shè)置了符合 GMP 標(biāo)準(zhǔn)的目標(biāo)參數(shù)：溫度為 20 ℃±0.5 ℃，相對(duì)濕度為 45%±5%，壓差為15 Pa±2 Pa，潔凈度級(jí)別為 ISO 7 級(jí)。仿真結(jié)果顯示，所有參數(shù)都能夠穩(wěn)定在目標(biāo)范圍內(nèi)，其中，溫度控制精度達(dá)到±0.2 ℃，濕度控制精度為±2%，壓差控制精度為±1 Pa，潔凈度始終保持在 ISO 7 級(jí)標(biāo)準(zhǔn)以內(nèi)。在動(dòng)態(tài)響應(yīng)測(cè)試中，實(shí)驗(yàn)?zāi)M了生產(chǎn)過(guò)程中可能出現(xiàn)的參數(shù)突變情況，如溫度設(shè)定值從 20 ℃突變到 22 ℃。結(jié)果表明，系統(tǒng)能夠在 90 s內(nèi)達(dá)到新的穩(wěn)態(tài)，超調(diào)量不超過(guò)5%。為了全面評(píng)估所提出算法的性能，與傳統(tǒng) PID 控制和模糊 PID 控制進(jìn)行了對(duì)比。實(shí)驗(yàn)在相同的仿真平臺(tái)和工況下進(jìn)行，以確保結(jié)果的可比性。表 1 總結(jié)了 3 種控制方法在各個(gè)性能指標(biāo)上的表現(xiàn)。表1 控制方法性能對(duì)比
由表 1 可知，本文提出的智能控制算法在各項(xiàng)性能指標(biāo)上均優(yōu)于傳統(tǒng) PID 控制和模糊 PID 控制。在穩(wěn)態(tài)控制精度方面，本文算法的溫度、濕度和壓差控制誤差顯著降低；在動(dòng)態(tài)響應(yīng)特性上，本文算法的調(diào)節(jié)時(shí)間比傳統(tǒng) PID 控制縮短，超調(diào)量也顯著減?。辉诳垢蓴_能力方面，本文算法的恢復(fù)時(shí)間比大大縮短，體現(xiàn)了較強(qiáng)的魯棒性?？傮w而言，實(shí)驗(yàn)結(jié)果充分證明了所提出算法在制藥設(shè)備 HVAC 系統(tǒng)控制中的優(yōu)越性，為提高藥品生產(chǎn)環(huán)境控制水平和能源利用效率提供了有力支持。
本研究針對(duì)制藥設(shè)備 HVAC系統(tǒng)的復(fù)雜控制需求，提出了一種智能控制算法。該算法通過(guò)整合模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)優(yōu)化和多變量協(xié)調(diào)控制策略，成功解決了系統(tǒng)的非線性特性、參數(shù)不確定性和多變量耦合問(wèn)題。未來(lái)的研究將集中在優(yōu)化算法的計(jì)算效率、探索更自適應(yīng)機(jī)制，以及將該控制策略擴(kuò)展到更廣闊的應(yīng)用場(chǎng)景中。
［1］李建云，史志敬.制藥企業(yè)HVAC系統(tǒng)的運(yùn)行管理［J］.機(jī)電信息，2009（29）：36-39.
［2］王承 .制藥行業(yè)空調(diào)自控系統(tǒng)的構(gòu)建與優(yōu)化［J］.產(chǎn)業(yè)與科技論壇，2011（7）：101-102.
［3］呂紅麗，段培永，崔玉珍，等.新型模糊PID控制及在HVAC系統(tǒng)的應(yīng)用［J］.控制理論與應(yīng)用，2009（11）：1277-1281.
［4］余玨 .神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制在 HVAC 系統(tǒng)中的應(yīng)用［J］.機(jī)電設(shè)備，2005，22（1）：4-8.
［5］劉賢坤 .HVAC 系統(tǒng)多變量熱力過(guò)程的自適應(yīng)控制研究及應(yīng)用［J］.制冷與空調(diào)，2003（3）：11-14.
來(lái)源：制藥工藝與裝備
