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

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:

1. Адаптивное управление:

– Система автоматически корректирует режимы работы в зависимости от текущих условий (например, при повышении концентрации CO₂ увеличивается интенсивность работы вентиляторов).

2. Прогнозирование событий:

– Использование методов машинного обучения позволяет прогнозировать изменения параметров воздуха (система может предсказать увеличение влажности и заблаговременно включить осушитель).

3. 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:

1. 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).
2. Новый контроллер Omron Sysmac с функциями искусственного интеллекта // Журнал «ИСУП» URL: https://isup.ru/articles/4/13954/ (дата обращения: 22.12.24).
3. 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).
4. 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).
5. Управление вентиляцией: собираем, интегрируем, экономим // Habr URL: https://habr.com/ru/companies/wirenboard/articles/702444/ (дата обращения: 23.12.24).
6. 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).
7. 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)