一种适用于冻土试验的变温控制系统及控温方法与流程

本发明属于程序控温系统领域，具体涉及一种适用于冻土试验的变温控制系统及控温方法。

背景技术：

冻土试验是指导冻土工程的基础性试验，如冻融特性试验、冻结温度试验、冻土强度试验等，对于评价冻土场地的承载能力、冻土边坡或其他结构物稳定性起着关键作用。而对于试验设备来说，控温系统是保证试验数据质量的核心部件。当前冻土试验装置的控温系统多使用以压缩机为代表的机械制冷技术，但该项制冷技术存在设备体积大、成本高、控温难度大、控温精度不足的问题，特别是对于变温控制条件下，机械制冷需要传热介质，由此导致温度损失和控温滞后等问题。所以将新型制冷技术应用于冻土试验中，研发适用于冻土试验的新型高精度变温控制系统是当前冻土试验领域亟待解决的问题。

在冻土试验中，当前广泛采用的控温系统控温的核心部件为压缩机，控温介质为酒精、乙二醇等冷却液，控温过程为：(1)设定目标温度；(2)温度传感器监测冷却液温度，并将数据传回温度控制器；温度控制器根据目标温度和监测温度确定压缩机的输出功率；(3)压缩机按照温度控制器确定的功率运行，直至达到目标温度。通过整个控温过程可以发现整个控温系统是依靠控制控温介质的温度间接控制试样的温度，即温度传感器监测的是冷却液的温度而非试样的温度。在冷却液的泵送过程中存在温度损失，并且在变温控制过程中此间接控温过程会存在响应滞后，从而带来较大控温误差，影响试验数据质量。因此需要改进控温技术，避免现有控温技术的温度损失、变温控制滞后的问题。

另外，在生物、化学试验领域也有类似的控温装置，所用的制冷技术包括机械制冷(如压缩机制冷)、半导体制冷。其中半导体制冷是一种新兴的制冷技术。与传统的冷却液制冷技术相比，半导体制冷技术可有效避免机械制冷依靠介质间接控温的问题，从而杜绝了控温过程中的温度损失和变温控制响应滞后。但由于生物、化学试验领域的试验环境多为恒温环境，所构建的半导体制冷控温系统多适用于恒温控制。由此可见，将半导体制冷技术与变温控制算法相结合，研发冻土试验的变温控制系统可极大的促进冻土试验水平的提高。

通过上述分析可知，现有冻土试验中的控温技术的缺点包括：(1)机械制冷在控温过程中需要控温介质，由此导致温度损失的问题，如文献“青藏粉质黏土单向冻结冷生构造发育及冻胀发展过程试验研究”(王永涛,王大雁,马巍,等.青藏粉质黏土单向冻结冷生构造发育及冻胀发展过程试验研究[j].岩土力学,2016,37(5))记录了使用专利201310216526.9所述装置，设定温度为-13℃时，实际达到的温度仅有-9.88℃，温度损失达到了24％，由此对试验结果带来不可控的误差；(2)当前试验装置的成本高、能耗高。以土体的冻胀特性试验为例，若使用机械制冷，需要两台低温冷却液循环泵和一台恒温箱，达到±0.1℃控温精度的控温装置其试验成本超过20w元。并且试验过程中由于是使用冷却液间接控温，导致绝大部分制冷功率都用于维持冷却液温度，而并未有效的用于试样的控温，由此使得试验的能耗大；(3)当前试验设备的变温能力不足，变温控制精度普遍不高。一方面由于机械制冷控温在变温控制过程中存在较大响应滞后，另一方面未能有效的挖掘其他制冷技术(如半导体制冷技术)的变温控制能力并应用到冻土试验领域。

技术实现要素：

为了解决当前冻土试验控温系统存在的变温控制能力不足、温度损失和变温响应滞后、能耗大、成本高等问题，本发明提出了一种适用于冻土试验的变温控制系统及控温方法，具体是通过以下技术方案来实现的：

一种适用于冻土试验的变温控制系统，包括控温执行系统(1)、控温操作系统(2)、冷却水供给系统(3)；

所述控温执行系统(1)包括半导体制冷芯片(4)、蓄冷块(5)、水冷头(6)，所述半导体制冷芯片(4)包含冷面和热面，所述半导体制冷芯片(4)的冷面和热面分别与蓄冷块(5)和水冷头(6)紧贴；

所述控温操作系统(2)包括上位机(7)、下位机(8)、电源(9)、温度传感器(10)，所述上位机(7)和下位机(8)通过数据线(13)连接，所述半导体制冷芯片(4)与下位机(8)电连接，所述温度传感器(10)通过信号线(11)与下位机(8)相连，所述电源(9)通过电源线(12)与下位机(8)相连；

所述冷却水供给系统(3)包含储水箱(15)、水泵(16)、输水管(17)、冷却水控温盘管(18)、制冷机(19)和冷却液输送管(14)，所述水泵(16)和冷却水控温盘管(18)置于储水箱(15)内，所述水泵(16)通过输水管(17)与水冷头(6)相连，所述冷却水控温盘管(18)通过冷却液输送管(14)与制冷机(19)相连。

进一步的，所述半导体制冷芯片(4)的冷面和热面与蓄冷块(5)和水冷头(6)通过在表面均匀涂抹硅脂贴合。

进一步的，所述半导体制冷芯片(4)形状为矩形、圆形、圆环中的一种。

一种适用于冻土试验的控温方法，具体包括以下步骤：

步骤a、将半导体制冷芯片(4)的冷面和热面与分别和蓄冷块(5)和水冷头(6)紧贴，上位机(7)和下位机(8)通过数据线(13)连接，半导体制冷芯片(4)与下位机(8)电连接，温度传感器(10)通过信号线(11)与下位机(8)相连，电源(9)通过电源线(12)与下位机(8)相连，水泵(16)和冷却水控温盘管(18)置于储水箱(15)内，水泵(16)通过输水管(17)与水冷头(6)相连，冷却水控温盘管(18)通过冷却液输送管(14)与制冷机(19)相连。

步骤b、在上位机(7)中设置pid控制算法的控制参数f(φ)，单节点神经网络的初始参数通过随机矩阵r(δ)生成，编辑控温时程函数t(t)，并将f(φ)、r(δ)、t(t)传输给下位机(8)；

步骤c、下位机(8)通过控温探头采集温控对象的tk时刻的温度数据t0(tk)，根据上位机(7)的指令，将采集的温度、设定温度t(tk)和误差δt输入单节点神经网络，单节点神经网络优化调节pid控制算法的控制参数f(φ)，并将优化后的控制参数f’(φ)输入pid控制算法，然后执行pid控温计算得到tk时刻刻的调节功率u(tk)，并根据调节功率u(tk)控制制冷芯片的输出电压v(tk)；

步骤d、控温执行系统(1)在下位机(8)的电压控制下实现制冷、产热量的实时调整，当误差大于允许误差范围时重复执行步骤c，当误差小于允许误差范围时执行步骤e；

步骤e、执行下一时刻tk+1的控温计算，并重复步骤(b)-步骤(c)。

进一步的，所述pid控制函数u(k)取增量式：

δu(k)＝kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))

进一步的，所述单节点神经网络采用有监督的hebb学习规则：δωij(k)＝η(dj(k)-oj(k))oj(k)oi(k)，其中，δωij(k)为i神经元和j神经元之间的权重系数，η为学习效率，dj(k)为k时刻目标值，oj(k)为k时刻输入值，oi(k)为k时刻输出值。

进一步的，结合了单节点神经网络的pid的控制算法为：

神经网络自调节系数为：

ω1(k)＝ω1(k-1)+η1e(k)u(k)(e(k)+δe(k))，

ω2(k)＝ω2(k-1)+η2e(k)u(k)(e(k)+δe(k))，

ω3(k)＝ω3(k-1)+η3e(k)u(k)(e(k)+δe(k))，

式中，k为神经元权重调整比例系数，η1为比例调整项的学习效率，η2为积分调整项的学习效率，η3为微分调整项的学习效率，x1(k)＝e(k)，x2(k)＝e(k)-e(k-1)，x3(k)＝e(k)-2e(k-1)+e(k-2)。

本发明的有益效果是：相对于现有冻土试验控温系统，本发明控温系统使用半导体片作为冷源，替代传统的冷浴制冷，克服了机械制冷技术普遍存在的温度损失和控温滞后导致的变温控制精度不高的问题，并且有效的控制了设备的体积，降低了试验设备成本；同时，本发明在普通的pid控温算法的基础上引入单神经元网络算法，由于单节点神经网络具备结构简单、运行效率高的优势，在极大提高pid控制算法的控温精度和控温效率的同时(变温控制精度可达±0.01℃，1℃变温幅度的温度过冲仅为0.05℃)，保证了算法的鲁棒性，从而提高了控温系统的控温精度和稳定性。该系统可实现高精度的线性控温、正弦控温、组合控温等控温目标，可广泛应用于各种冻土试验仪器中，如冻三轴仪、冻直剪仪、冻胀仪等等。

附图说明

图1为本发明的变温控制系统图；

图2为本发明控温执行系统图；

图3为本发明控温操作系统；

图4为本发明冷却水供给系统图；

图5为本发明单节点神经网络的拓扑结构图；

图6为本发明实施例2的变温控制系统图；

图7为本发明实施例2顶部控温执行系统的设定温度；

图8为本发明实施例2顶部控温执行系统的输出温度；

图9为本发明实施例2底部控温执行系统的设定温度；

图10为本发明实施例2底部控温执行系统的输出温度；

其中，附图标记为：控温执行系统1、控温操作系统2、冷却水供给系统3、半导体制冷芯片4、蓄冷块5、水冷头6、上位机7、下位机8、电源9、温度传感器10、信号线11、电源线12、数据线13、冷却液输送管14、储水箱15、水泵16、输水管17、冷却水控温盘管18、制冷机19。

具体实施方式

以下将结合附图对本发明方案进行说明：

实施例1

如图1所示，一种适用于冻土试验的变温控制系统，包括控温执行系统1、控温操作系统2、冷却水供给系统3；

如图2所示，所述控温执行系统1包括半导体制冷芯片4、蓄冷块5、水冷头6，所述半导体制冷芯片4包含冷面和热面，通过改变电流方向可实现冷热面交换，所述半导体制冷芯片4的冷面和热面与蓄冷块5和水冷头6紧贴；

如图3所示，所述控温操作系统2包括上位机7为控温程序发出部件，通过上位机实现正弦控温、线性控温、恒定控温、组合控温等多种控温程序的编辑、下位机8为半导体制冷芯片的供电电源，是控温程序执行部件、电源9、温度传感器10，所述上位机7和下位机8通过数据线13连接，所述半导体制冷芯片4与下位机8电连接，所述温度传感器10通过信号线11与下位机8相连，实现控温目标温度状态的实时监测，并根据上位机7的指令结合pid控制算法实现对控温执行系统1的制冷功率调节，所述电源9通过电源线12与下位机8相连；

如图4所示，所述冷却水供给系统3包含储水箱15、水泵16、输水管17、冷却水控温盘管18、制冷机19和冷却液输送管14，所述水泵16和冷却水控温盘管18置于储水箱15内，所述水泵16通过输水管17与水冷头6相连，所述冷却水控温盘管18通过冷却液输送管14与制冷机19相连。

进一步的，所述半导体制冷芯片4的冷面和热面与蓄冷块5和水冷头6通过在表面均匀涂抹硅脂贴合。

进一步的，所述半导体制冷芯片4形状为矩形、圆形、圆环中的一种。

一种适用于冻土试验的控温方法，具体包括以下步骤：

步骤a、在上位机7中设置pid控制算法的控制参数f(φ)，单节点神经网络的初始参数通过随机矩阵r(δ)生成，编辑控温时程函数t(t)，并将f(φ)、r(δ)、t(t)传输给下位机8；

步骤b、下位机8通过控温探头采集温控对象的ti时刻的温度数据t0(ti)，根据上位机7的指令，将采集的温度、设定温度t(ti)和误差δt输入单节点神经网络，单节点神经网络优化调节pid控制算法的控制参数f(φ)，并将优化后的控制参数f’(φ)输入pid控制算法，然后执行pid控温计算得到ti时刻刻的调节功率g(ti)，并根据调节功率g(ti)控制制冷芯片的输出电压v(ti)；

步骤c、控温执行系统1在下位机8的电压控制下实现制冷、产热量的实时调整，当误差大于允许误差范围时重复执行步骤b，当误差大于允许误差范围时执行步骤d；

步骤d、执行下一时刻ti+1的控温计算，并重复步骤(b)-步骤(c)。

进一步的，所述pid控制函数u(k)取增量式：

δu(k)＝kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))

如图5所示，所述单节点神经网络采用有监督的hebb学习规则：δωij(k)＝η(dj(k)-oj(k))oj(k)oi(k)，其中，δωij(k)为i神经元和j神经元之间的权重系数，η为学习效率，dj(k)为k时刻目标值，oj(k)为k时刻输入值，oi(k)为k时刻输出值。

进一步的，结合了单节点神经网络的pid的控制算法为：

神经网络自调节系数为：

ω1(k)＝ω1(k-1)+η1e(k)u(k)(e(k)+δe(k))，

ω2(k)＝ω2(k-1)+η2e(k)u(k)(e(k)+δe(k))，

ω3(k)＝ω3(k-1)+η3e(k)u(k)(e(k)+δe(k))，

式中，k为神经元权重调整比例系数，η1为比例调整项的学习效率，η2为积分调整项的学习效率，η3为微分调整项的学习效率，x1(k)＝e(k)，x2(k)＝e(k)-e(k-1)，x3(k)＝e(k)-2e(k-1)+e(k-2)。

实施例2

如图6所示，一种适用于冻土试验的变温控制系统在冻融试验中的应用：

试验装置包括试验箱、试样顶部的控温执行系统1、试样底部控温执行系统1、控温操作系统2、冷却水供给系统3，试样顶部控温执行系统1和试样底部控温执行系统1包含半导体制冷芯片4、蓄冷块5、水冷头6，半导体制冷芯片4包含冷面和热面，半导体制冷芯片4的冷面和热面在均匀涂抹的硅脂后与蓄冷块5和水冷头6紧紧贴合；温控操作系统2包括上位机7、下位机8、电源9、温度传感器10，上位机7为控温程序发出部件，通过上位机7编辑正弦控温程序，所述下位机8为半导体制冷芯片4的供电电源，是控温程序执行部件，温度传感器10通过信号线11与下位机8相连，下位机8通过温度传感器10实现控温目标温度状态的实时监测，并根据上位机7的指令结合pid控制算法实现对试样顶部控温执行系统1和试样底部控温执行系统1的制冷功率调节，下位机8通过电源线12与顶部控温执行系统1和试样底部控温执行系统1相连，电源9通过电源线11与下位机8相连，上位机7和下位机间8通过数据线13连接；冷却水供给系统3包含储水箱15、水泵16、输水管17、冷却水控温盘管18、制冷机19和冷却液输送管14，水泵16和冷却水控温盘管18置于储水箱15内，水泵16通过输水管17与水冷头6相连，冷却水控温盘管18通过冷却液输送管14与制冷机19相连。

试验时顶部控温执行系统1的蓄冷块5与试样顶部紧密贴合，底部控温执行系统1的蓄冷块5与试样底部紧密贴合，试验的土体为高岭土，土体的液限为56％，塑限30％，塑性指数为26％，试样的初始含水率为35％，干密度为1.8g/cm3。将土拌和均匀后密封放置24h后采用分层填筑的方式得到土样，填土高度为12cm。然后将试样与马略特补水装置连通后静置48h，使得土体内孔隙水达到一个比较稳定的状态。

试验时的控温步骤如下：

准备阶段1：将两个控温执行系统1分别设置在土样顶部和底部，控温执行系统1的蓄冷块5与土样紧密贴合，水冷头6通过输水管17与冷却水供给系统3的水泵16相连，水泵16置于储水箱15中，储水箱15内的水通过冷却水控温盘管18维持恒定温度，冷却水控温盘管18通过冷却液输送管14与制冷机19相连。在制作土样时，温度传感器10埋设在土样中部，温度传感器10使用信号线11与控温操作系统2的下位机8相连，控温执行系统1的半导体制冷芯片4通过电源线12与下位机相连。下位机8与电源9使用电源线12连接，上位机7与下位机8使用数据线13连接。

准备阶段2：在上位机7中编辑控温时程函数，其中试样顶部控温执行系统1的设定温度为t1(t)＝3℃*sin(2*π/24*t)，试样底部控温执行系统1的设定温度为t2(t)＝1℃，由随机矩阵生成单节点神经网络的初始参数r(δ)，设置pid控制算法的控制参数f(φ)＝[0.4；40；0.1]，并将f(φ)、r(δ)、t1(t)、t2(t)传输给下位机8；

试验阶段：(1)下位机8通过控温探头采集温控对象的ti时刻的温度数据t0(ti)，根据上位机的指令，将采集的温度、设定温度t(ti)和误差δt输入单节点神经网络，单节点神经网络优化调节pid控制算法的控制参数f(φ)，并将优化后的控制参数f’(φ)输入pid控制算法，然后执行pid控温计算得到ti时刻的调节功率g(ti)，并根据调节功率g(ti)控制制冷芯片的输出电压v(ti)；

(2)温控执行系统1在下位机8的电压控制下实现制冷、产热量的实时调整，当误差大于允许误差范围时重复执行步骤(2)；当误差大于允许误差范围时执行步骤(4)；

(3)执行下一时刻ti+1的控温计算，并重复步骤(2)-步骤(3)，直至完成5个冻融循环。

如图7-图8所示为顶部控温执行系统1的设定温度和输出温度，如图9-图10所示为底部控温执行系统1的设定温度和输出温度。

实验结论：试验过程中，恒温控制条件下实际温度与设定温度的最大误差为±0.002℃；变温控制条件下实际温度与设定温度的最大误差为±0.01℃，本发明的控温系统的控温精度较高。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。