В данной статье рассматривается разработка схемы рабочего помещения, схемы автоматизации системы приточной и вытяжной вентиляции, а также способ оптимизации данного процесса.
Ключевые слова: автоматизация, вентиляция, разработка схемы автоматизации, использование искусственного интеллекта.
Введение
В современных условиях развития промышленности обеспечению нормативных параметров воздушной среды уделяется значительное внимание, особенно в таких высокотехнологичных отраслях, как микроэлектроника. Вентиляционные системы играют ключевую роль в создании комфортных и безопасных условий для работы оборудования и персонала. Однако традиционные методы автоматизации вентиляции зачастую не справляются с динамически меняющимися условиями и не обеспечивают необходимую энергоэффективность.
Целью данной работы является проектирование схемы рабочего помещения и схемы автоматизации системы вентиляции, оптимизация системы вентиляции с использованием программируемых логических контроллеров (ПЛК) и технологий искусственного интеллекта (ИИ).
Разработка структурных схем
На рисунке 1 представлена структурная схема системы приточно-вытяжной вентиляции, которая будет обслуживать помещение, нарисованной в программе КОМПАС-3D:
Рис. 1. Структурная схема системы вентиляции
Схема обслуживаемого помещения также представлена на рисунке 2.
Рис. 2. Обслуживаемое рабочее помещение
В данную систему входят следующие компоненты:
– 2 вентилятора (на работу приточного воздуха и вытяжного);
– 2 фильтра для очистки приточного воздуха;
– 1 калорифер для нагрева воздуха до комфортных параметров среды в помещении;
– 4 двигателя (2 двигателя отвечают за работу вентиляторов, другие 2 двигателя отвечают за работу воздушных заслонок (воздушных клапанов), работают через реле).
Также на схеме изображены следующие датчики, которые помогут получить выходные данные параметров воздуха «через саму установку»:
– Датчики реле перепада давления на фильтре (на схеме обозначены цифрой 4);
– Датчики реле перепада давления на вентиляторе (на схеме обозначены цифрой 3);
– Датчики температуры приточного воздуха в помещение (на схеме обозначены цифрой 5);
– Термостат защиты от перегрева калорифера (на схеме обозначено цифрой 7).
Все полученные параметры записываются в подключенный контроллер, который обрабатывает значения и корректирует параметры помещения воздуха.
Упомянутые выше используемые сигналы в работе системы вентиляции можно выделить в таблицу 1, а также можно добавить, что есть в помещении еще датчики, которые могут указывать на определенные параметры воздушной среды в помещении.
Таблица 1
Используемые сигналы
|
Элемент |
Сигнал |
Вход |
Выход |
|
|
Заслонки |
Открыть |
Дискретный |
Цифровой |
+ |
|
Открыто |
+ |
|||
|
Закрыто |
+ |
|||
|
Фильтр |
Фильтр загрязнен |
+ |
||
|
Калорифер |
Температура воздуха на вход в помещение |
+ |
||
|
Продолжение таблицы 1 |
||||
|
Вентилятор |
Питание |
+ |
||
|
Датчик дымоудаления |
Перепад давления |
+ |
||
|
Датчик влажности |
Параметры влажности |
+ |
||
Принцип действия такой системы:
– В вентиляционную систему вентилятор забирает с улицы приточный воздух;
– Этот воздух проходит через очистительные фильтры от пыли, микробов и мелких организмов;
– Далее воздух нагревается до определенной температуры, которая выставляется на основе полученных параметров в контроллере;
– Нагретый и очищенный воздух циркулирует в помещении с уже имеющимся и далее идет на вытяжную часть системы, где выходит уже обработанный воздух из помещения.
Такая система имеет ряд недочетов, например, экономические затраты на электроэнергию для работы элементов, недочет в плане ресурсоемкости вентиляторов: насколько долго хватит элемента, если на него подается либо низкое напряжение, либо постоянно высокое, и так далее.
Но отсюда возникает тогда вопрос, какие есть решения по способам усовершенствования и оптимизации имеющихся систем автоматизации?
Оптимизация системы с использованием ПЛК, оснащенным ИИ.
ПЛК обеспечивают надежное управление вентиляционной системой за счет:
– Высокой точности обработки сигналов от датчиков;
– Гибкости настройки алгоритмов управления;
– Защиты оборудования от перегрузок и короткого замыкания.
Использование ПЛК позволяет снизить трудоемкость процессов настройки и обслуживания системы.
Искусственный интеллект также получил специальное внимание именно в вопросе автоматизации оборудования местной вентиляции, так как традиционные методы управления вентиляцией нередко оказываются недостаточно эффективными из-за отсутствия гибкости и неспособности адаптироваться к изменяющимся условиям. Применение технологий искусственного интеллекта позволяет преодолеть эти ограничения, внедряя интеллектуальные подходы к автоматизации, прогнозированию и оптимизации работы оборудования.
Основой эффективного управления вентиляцией является точный и своевременный сбор данных о параметрах воздушной среды. Для этой цели используются различные датчики, которые могут измерять следующие параметры воздушной среды:
– Температуру воздуха;
– Относительную влажность;
– Концентрацию углекислого газа (CO 2 );
– Концентрацию пыли и аэрозолей;
– Уровень вредных веществ (например, ЛОС — летучих органических соединений).
Искусственный интеллект применяет методы машинного обучения (ML) для обработки больших массивов данных, поступающих с этих датчиков. Среди наиболее востребованных алгоритмов можно выделить:
– Нейронные сети. Они используются для прогнозирования сложных нелинейных зависимостей между параметрами;
– Методы кластеризации. Такие методы позволяют выявлять отклонения от установленной нормы, классифицировать типы загрязнений воздуха;
– Решающие деревья и градиентный бустинг. Применяются для построения моделей зависимости параметров воздуха от факторов внешней среды.
Обработанные данные могут быть получены и обработаны в режиме реального времени, что даёт возможность оперативно оценивать состояние системы и параметры помещения, в котором находится система вентиляции. Более того, ИИ способен не только выявлять текущие проблемы, но и предсказывать их возникновение, анализируя исторические тренды и сезонные закономерности, например, он может на основе изменяющихся данных вовремя предупредить или предотвратить пожар в помещении.
Внедрение технологий искусственного интеллекта обеспечивает:
- Адаптивное управление:
– Система автоматически корректирует режимы работы в зависимости от текущих условий (например, при повышении концентрации CO₂ увеличивается интенсивность работы вентиляторов).
- Прогнозирование событий:
– Использование методов машинного обучения позволяет прогнозировать изменения параметров воздуха (система может предсказать увеличение влажности и заблаговременно включить осушитель).
- Оптимизация энергопотребления:
– Алгоритмы ИИ регулируют работу оборудования в зависимости от нагрузки, минимизируя расход электроэнергии.
Компания «Omron» выпустила контроллер, который оснащен технологией искусственного интеллекта в рамках концепции «I-Automation».
Когда система обнаруживает отклонения в работе оборудования, искусственный интеллект оперативно интерпретирует их как возможные поломки или угрозу их возникновения. Контроллер незамедлительно корректирует действия исполнительных механизмов, минимизируя риски и предотвращая выпуск продукции ненадлежащего качества. В этом заключается основное преимущество системы Sysmac с ИИ: она не только уведомляет персонал о возникших проблемах, но и автоматически принимает меры для их устранения.
Если же неисправности не являются критическими, система реализует концепцию предиктивного обслуживания, предоставляя данные о возможном дефекте уже на раннем этапе. Это позволяет планировать ремонт без сбоев в производственном графике. В результате предприятие может отказаться от традиционной системы планово-предупредительных ремонтов, одновременно снижая требования к квалификации обслуживающего персонала.
Кроме того, контроллер работает автономно, анализируя данные на месте, что повышает безопасность и снижает зависимость от внешних сетей. Такой подход делает обслуживание оборудования более эффективным и надежным.
Схема работы контроллера с искусственным интеллектом представлена на рисунке 3:
Рис. 3. Схема работы контроллера с искусственным интеллектом
Такой вариант мог бы подойти для внедрения в систему автоматизации вентиляции по причинам описанными выше — это надежность системы; это обработка и оптимизация параметров, получаемых через датчики; а также это выявление возможных отклонений в параметрах воздушной среды или нарушений в работе элементов системы.
Заключение
В ходе работы были разработаны структурные схемы рабочего помещения и системы автоматизации, предложены методы адаптивного управления и оптимизации энергопотребления. Особое внимание было уделено внедрению искусственного интеллекта в автоматизацию вентиляционных систем. Были представлены возможности использования технологий ИИ для анализа данных, мониторинга параметров воздуха, адаптивного управления вентиляцией и оптимизации энергопотребления. Выявлены преимущества, такие как повышение точности, гибкости и энергоэффективности работы системы, а также оптимизация процесса, улучшение надежности и безопасности оборудования.
На примере контроллера с поддержкой искусственного интеллекта компании Omron показана перспектива применения инновационных решений для автоматизации вентиляции, включая предиктивное обслуживание и минимизацию сбоев.
Литература:
- Будущее релейной защиты: между искусственным интеллектом и человеческим фактором // Gadgetpage URL: https://gadgetpage.ru/interview/13917-buduschee-relejnoj-zaschity-mezhdu-iskusstvennym-intellektom-i-chelovecheskim-faktorom.html (дата обращения: 22.12.24).
- Новый контроллер Omron Sysmac с функциями искусственного интеллекта // Журнал «ИСУП» URL: https://isup.ru/articles/4/13954/ (дата обращения: 22.12.24).
- Свод правил СП 120.13330.2022 // Министерство строительства и жилищно-коммунального хозяйства Российской Федерации URL: https://www.minstroyrf.gov.ru/upload/iblock/8b5/SP-120.pdf (дата обращения: 20.12.24).
- Примеры применения искусственного интеллекта в АСУ ТП // Elec.ru URL: https://www.elec.ru/publications/tsifrovye-tekhnologii-svjaz-izmerenija/7790/ (дата обращения: 23.12.24).
- Управление вентиляцией: собираем, интегрируем, экономим // Habr URL: https://habr.com/ru/companies/wirenboard/articles/702444/ (дата обращения: 23.12.24).
- Универсальный машинный контроллер с искусственным интеллектом // URL: https://srs-automatic.ru/wa-data/public/shop/files_omron/9c4/fvvthjoqix6edkah2eh7cpac8y5afqix.pdf?ysclid=m63n03yjjp415224859 (дата обращения: 24.12.24).
- Щагин Анатолий Васильевич, Лось А. В. Анализ применения нейросетевых технологий в адаптивных системах управления // Электронные информационные системы. — 2023. — № № 3 (38). — С. 86–96. (дата обращения: 24.12.24)
