殷士勇，鲍劲松，孙学民，王佳铖

(东华大学 机械工程学院，上海 201620)

温湿度是影响纱线产量和质量的重要因素之一，它与纤维的回潮率、张力等性能之间有密切的关系[1-2]，对纱线生产有很大影响[3]，因此，环锭纺纱线生产过程中各工序尤其是并条、粗纱、细纱和络筒对生产环境中温湿度的要求相当高。

早期的纺纱厂采用自然通风等简单的方法调节生产环境的温度，虽然一定程度改善了温度的平衡，但效果不明显，在这种环境下生产出的纱线质量也不高。随着纺纱厂空调技术的不断发展以及自动化技术水平的不断提高，纺纱车间温度的自动调控技术也得到了长足发展。董桂芹[4]从控制角度出发，对空调运行节能及合理利用能源方面进行合理优化，实现对车间温度有效精准控制。王艳霞[5]提出全年温湿度自动控制模式，并分析出不同焓值区对应的不同温湿度控制策略。薛永飞[6]从控制的角度研究了纺织厂空气调节的控制系统，使生产环境内的空气保持一定的温度、湿度、流动速度和清新度。李新禹等[7]为解决细纱车间能量消耗过大的问题，提出温湿度独立控制解决方法，不仅能满足生产工艺要求, 而且节省了大约 68%的冷负荷。潘荣昌等[8]分析了新型纺织厂温湿度自动控制系统的原理、功能、系统组成及软硬件设计。Di等[9]为能够准确地独立控制温度和湿度，解决能源过度消耗的问题，引入了温和湿度独立控制空调系统。以上方法都是从设备角度对温度控制，没有达对温度的精准控制，而在智能车间中温度的控制显得十分必要，如何精准控制纺纱生产过程中的温度是环锭纺纱智能车间亟需解决的问题。

进入工业4.0时代，信息物理系统、工业物联网等不断渗透到制造领域中。信息物理系统(CPS)是一个集计算、网络和物理世界的复杂系统，通过计算技术、通信技术和控制技术的深度融合和协作，以数字化方式在信息世界中呈现物理世界，实现信息世界和物理世界的统一[10-11]。目前，CPS系统正逐步应用到智能电网[12]、航空航天[13]、城市轨道交通[14]、汽车制造[15]、化工生产[16]、钢铁制造[17]等领域。本文提出基于CPS的环锭纺纱智能车间的温度控制方法，通过对环锭纺纱温度大数据的分析，形成对空调出风量、加热量等参数的实时调节策略，实现对温度闭环精准控制。

1 温度闭环精准控制架构

基于CPS的概念及特征[18]，结合企业目前温度控制现状，在文献[11]的基础上，提出基于CPS的环锭纺纱智能车间温度闭环精准控制架构，如图1所示。该架构分为4层，即为物理层、通信层、信息层和控制层。感知与纺纱温度相关的各物理实体，通过纺纱工业互联网将获得的温度数据传输到纺纱温度数据平台，再对温度数据进行智能计算，形成物理实体的镜像，达到对空调设备出风量和出风方向等参数的调节，实现对环锭纺纱智能车间温度的闭环精准控制。

物理层主要是与温度相关的物理实体，如墙面(包括屋顶)、窗户、机器设备、人体、照明设备、空调、喷头等，这些物理实体是纺纱车间温度数据的采集点。

通信层通过部署在与温度相关物理实体上的高性能传感器采集各物理实体的实时温度数据，并由纺纱工业互联网将所有实时数据传输到信息层的纺纱温度数据平台。

信息层有3个子层，分别是：纺纱温度数据平台层、智能计算层、镜像层。纺纱温度数据平台层主要是接收由通信层传输过来的实时数据，通过过滤、清洗、映射等方法实现数据的融合；智能计算层主要是采用数据分析和挖掘技术，形成温度调节的领域知识；镜像层是通过领域知识重构来建立物理实体的数字孪生模型，将物理实体的镜像呈现在信息层，以实现决策支持。

控制层根据与环锭纺纱温度相关的物理实体的镜像，调节空调设备出风量、出风方向或加热量等参数，实现对环锭纺纱智能车间温度的闭环精准控制。

图1 基于CPS的环锭纺纱智能车间温度闭环精准控制架构Fig.1 Architecture of temperature closed-loop precision control based on CPS for intelligent workshop of ring spinning

2 温度闭环精准控制方法

表1示出环锭纺纱各工艺对温度的不同要求。根据不同的要求，需要对各智能车间的温度进行精准控制。

表1 环锭纺纱车间温度控制范围Tab.1 Temperature control range of each main progres workshop of ring spinning ℃

2.1 车间冷热负荷模型

2.1.1通过墙面(或屋顶)传入车间内的热量

墙面(或屋顶)因太阳辐射，会形成由室外至室内的热流，从而有热量进入室内。由墙面(或屋顶)传入车间内的热量为：

Qq=4.04×10-5KFρJ1α

式中：Qq为通过墙面(或屋顶)太阳辐射传入车间内的热量，kW；K为墙面(或屋顶)传热系数，W/(m2·℃)；F为墙面(或屋顶)的实际传热面积，m2；ρ为墙面(或屋顶)表面对太阳辐射的吸热系数；J1为当地的太阳辐射照度，W/m2，一般取中午12时水平面上的值；α为墙面(或屋顶)太阳辐射热热迁移系数，天窗排风α=0.5，侧墙排风α=0.8，下排风α=1.0。

2.1.2通过窗户传入车间内的热量

除墙体以导入热量外，窗户也可以将太阳辐射的热量导入生产车间内，以玻璃窗户为例，其导入的热量为：

Qc=XmXzJtS

式中：Qc为通过玻璃窗户太阳辐射传入车间内的热量，kW；Xm为窗的有效面积系数；Xz为窗的遮阳系数，一般纺纱厂不用遮阳，因此，Xz=1；Jt为透过当地的太阳辐射照度，W/m2；S为含窗框在内的面积，m2。

2.1.3纺纱生产车间机器设备的散热量

环锭纺纱智能车间机器设备的发热量包括2部分：一部分是电机本身散发的热量，散入车间空气中；另一部分是变成机械能，再因机械各部件之间或部件与纱线之间的摩擦而转化为热能散入车间空气中。因此，机器设备的发热量最终均转化为空气中的热量，其计算公式为：

Qj=103nηNeφα

其中：Qj为机器的散热量，W；n为机器的数量；η为安装系数，即机器实耗功率与安装功率之比，一般为0.7～0.9；NNe为电动机的铭牌额定功率，kW；φ为同时运转系数，即开动机器数与全部机器数之比，φ=0.85～0.95；α为热迁移系数，即进入车间的热量与中欧散热量之比，清花车间α=0.9，细纱车间有断头吸棉而不用回风α=0.92，有电动机通风并排出室外α=0.9，其他车间均取α=1.0。

2.1.4照明设备散热量

目前，环锭纺纱智能车间的照明设备一般使用日光灯，其能耗绝大部分变成热量散发到车间中，其热量计算公式为：

Qz=N1+N2

其中：Qz为照明设备的散热量，kW；N1为日光灯的功率，kW；N2为镇流器消耗的功率，kW，一般是日光灯的20%～25%，若电子镇流器可以忽略不计。

2.1.5人体散热量

在环锭纺纱智能车间里，工人要不断散发热量才能维持正常的体温。工人人体散热量与劳动强度和车间温度有关，其计算公式为：

Qr=nq

式中：Qr为人体总散热量；n为车间内工人人数；q为每人散发的总热量，W/人。

2.1.6夏季车间冷负荷

夏季，环锭纺纱智能车间的最大散热量是在白天，一般不需要考虑照明设备的散热量，所以，其冷负荷为：

Ql=Qq+Qc+Qj+Qr

对于无窗厂房而言，不需要考虑通过窗户的导入的热量，但需要考虑照明散热量，所以，夏季车间冷负荷为：

Ql=Qq+Qz+Qj+Qr

2.1.7冬季车间热负荷

冬季，由于车间内温度比室外高，所以热量由内向外传出，同时冬季太阳辐射一般可以忽略，所以，冬季车间热负荷为：

Qre=Qs-Qz-Qj-Qr

式中，Qs为冬季车间内通过墙面(或屋顶)和窗户传出的热量，W。

2.2 温度闭环精准控制模型

环锭纺纱生产过程中，智能车间室内冷(热)负荷是不断变换的，如果空调系统在运行过程中不作相应的调节或调节不到位，有可能浪费能源或者使车间内空气指标严重影响环锭纺纱线的质量。本文提出基于CPS的环锭纺纱智能车间温度闭环精准控制方法，如图2所示。

图2 基于CPS的环锭纺纱智能车间温度闭环精准控制Fig.2 Precision control of temperature closed-loop based on CPS for intelligent workshop of ring spinning

步骤1：感知物体实体的温度，采集环锭纺纱智能车间的温度数据；

步骤2：通过环锭纺纱工业互联网传输采集的温度数据到环锭纺纱温度大数据平台；

步骤3：基于智能计算对温度数据进行处理；

步骤4：形成智能车间物理实体的镜像以及车间温度控制策略；

步骤5：由控制策略实时对出风量、出风方向或加热量等参数的调节，形成环锭纺纱智能车间对温度的精准控制，再进入步骤1。

3 案例及分析

3.1 案例描述

本文以山东某钢结构全封闭的智能纺纱工厂的细纱车间为例，该车间长为105 m，宽为75 m，有1 680锭细纱机30台，单台细纱机的额定功率为20 kW；照明采用功率为18 W、电子镇流器的节能日光灯600盏；车间用工10人，工作处于中等劳动强度；在同一侧墙面有2台空调机。

车间内热量计算：

1)对于保温性能较好的钢结构全封闭车间而言，通过墙面(或屋顶)和窗户传进/出的热量可以忽略不计，即Qq=Qc=0；

2)车间内机器散热量：Qj=103nηNNeφα=1 000×30×0.8×20×0.965×0.9=416 880 W；

3)照明设备的散热量：Qz=N1+N2=600×18=10 800 W；

4)车间工人人体散热量：Qr=nq=10×198 =1 980 W。

3.2 仿真效果及分析

本文选择夏季(7月份)和冬季(1月份)对环锭纺纱智能车间的温度控制进行仿真，是因为在这2个季节，环锭纺纱线对温度的要求不同，并且冬季室内外温差大，温度控制控制上要复杂多。在Think station服务器，Windows 10操作系统，Intel(R)Xeon(R)CPU E-52603v4@1.7 GHz, 32.0G RAM环境下，通过FLUENT软件计算，分别对的环锭纺纱智能车间的气流、温度进行仿真。

3.2.1气流场仿真结果及分析

图3示出环锭纺纱智能车间中因温度调节后所形成的气流场云图。

图3 环锭纺纱智能车间气流场速度云图Fig.3 Cloud diagram of airflow field in intelligent workshop of ring spinning.(a) Summer; (b) Winter

可以看出，在气流在风口处形成受限射流，随着空气射流与车间室内空气不断进行动量与质量交换，车间室内的空气不断被卷入，又因为与更多的空气进行动量交换使得气流速度不断下降。相比夏季智能车间室内外温差，冬季智能车间室内外温差更大，所以气流速度要快些，气流在室内不断上升，在顶部气流速度变大；但总体上来看，环锭纺智能车间能保持气流场分布均匀，这也是智能车间内空气温度保持均匀平衡的主要原因。

3.2.2温度场仿真结果及分析

图4示出环锭纺纱智能车间温度场云图。夏季，细纱车间室内温度比设定工的艺温度要高，需要降低室内温度，而此时室外的温度比室内的温度还要高，直接通风不可行；根据室内温度分析，在2个风口排进20 ℃的冷风对室内温度进行降温，以保证室内温度控制在(31±1) ℃。冬季，车间室内温度比设定工艺温度要低，在2个风口排进31 ℃的暖风，通过升温以达到工艺温度(25±1) ℃的要求。

图4 环锭纺纱智能车间温度场云图Fig.4 Cloud diagram of temperature field of intelligent workshop of ring spinning.(a) Summer; (b) Winter

图5 实测温度数据与模拟温度数据的对比Fig.5 Comparison between measured temperature data and simulated temperature data.(a) Summer; (b) Winter

3.3 对比分析

为精准控制环锭纺纱智能车间的温湿度，同时也为了对比模拟结果，对智能车间进行了温度随时间变化的测试实验(如图5所示)。

通过采用多通路温度巡检仪，在细纱车间内部截面上设置温度探头，每分钟数据直接传动到环锭纺纱温度大数据平台上，对比24 h内的实测平均值与仿真值。

由图 5 可以看出，环锭纺纱智能车间内夏季温度明显高于冬季温度，其实测平均温度值和实验模拟值分别在(31±1) ℃和(25±1) ℃的范围内波动，同时实测值与模拟值相差，不超过±0.62 ℃，主要是由测量仪器的精准度和简化的模型引起的。总之，随着时间的推移，智能车间温度的精准控制在2 ℃以内波动。

4 结 论

本文提出基于信息物理系统的环锭纺纱智能车间的温度控制方法，通过对环锭纺纱温度大数据的分析，形成对空调出风量、加热量等参数的实时调节策略，实现温度闭环精准控制。首先，提出温度闭精准控制架构，该架构分为物理层、通信层、信息层和控制层4层；然后，建立环锭纺纱智能车间冷热负荷模型并提出温度闭环精准控制策略；最后通过案例仿真所提方法在智能车间的气流场和温度场。由实测平均温度值与模拟温度值作对比，结果表明，本文所提方法可以将智能车间温度精准控制在2 ℃内波动。

FZXB