一、控制目标与系统特征

在深入控制算法之前，首先要明确 240i 所承担的控制任务、系统本质特点，以及对控制算法的要求。

1.1 控制目标

对于 240i 这类 CO₂ 培养箱，其控制目标主要包括：

1. 温度控制：确保箱体内部（尤其是细胞或样品所在区）维持在设定温度（如 37 °C、20 °C 等）且波动极小。

2. 湿度控制 / 水蒸气管理：在开启门、注气、温度变化等扰动作用下，快速恢复设定相对湿度，防止培养基干燥或气体干扰。

3. CO₂ 浓度控制：维持箱内 CO₂ 浓度（通常在 0-20 % 范围内）于设定值附近，保证培养体系 pH 缓冲体系稳定。

4. 联合协调控制：温度、湿度和 CO₂ 各子系统之间互有耦合，控制算法需要处理子系统之间的耦合作用。

5. 快速恢复能力：例如在用户开门、干扰扰动、供气波动等情况下，系统应能迅速拉回至设定轨迹。

6. 安全保护与故障响应：在传感器异常、过温、注气失败、水位低等异常时，算法应迅速识别并采取保护或报警措施。

控制目标不仅要求算法稳定、快速、响应能力强，而且要保证运行过程中不出现超调震荡、控制互扰、冲击性注气/加热行为等不利于样本的现象。

1.2 系统特性与建模难点

240i 在控制层面并不是单一变量系统，而是多变量耦合系统。其典型特性和难点包括：

• 非线性因素：加热、蒸发、注气、换热等过程通常具有非线性特性。

• 耦合关系：温度变化会影响湿度、湿度变化可能影响 CO₂ 传感器读数、CO₂ 注入可能引起温度扰动等。

• 时滞 / 延迟：从控制动作（如开启加热、注气、加湿）到系统响应存在一定延时。

• 扰动干扰强：开门、气体供应波动、环境温度变化、样品放入/取出等都是常见扰动。

• 要求控制精度高：尤其温度偏差 ±0.1 °C / 湿度偏差较小 / CO₂ 偏差 ±0.1 % 等。

• 冗余与容错要求：若某传感器故障或控制元件临时不可用，系统应能切换或保持较优性能。

正是因为这些特性，240i 的控制算法不能简单地把各子系统独立 PID 控制，而是需要设计耦合协调、反馈补偿、故障检测与切换策略在内的综合算法结构。

二、典型控制结构与模块划分

在实际系统中，240i 的控制软件／固件可能被实现为若干模块协同工作的结构。下面可以按层次划分控制模块与功能。

2.1 控制层次划分

可以将控制系统抽象为三层：

1. 低级控制层（执行器接口层）

• 实现对加热器、电磁阀、加湿器、注气阀等执行机构的开/关或脉宽调制（PWM）控制。

• 读取传感器（温度探头、湿度传感器、CO₂ 传感器、水位传感器等）数据。

• 执行基本校验、故障自检、超限保护逻辑。

2. 中级控制层（子系统控制器）

• 针对温度、湿度、CO₂ 三大子系统分别实现控制算法（如 PID、前馈补偿、积累误差补偿等）。

• 实现子系统之间的耦合协调机制（温度-湿度、温度-气体、湿度-气体交互控制）。

• 引入扰动观测／补偿机制（如开门检测、快速恢复控制等）。

3. 高级监控与策略层

• 设定程序控制（曲线任务、阶段切换、定时控制等）。

• 故障检测、自诊断、冗余切换、保护策略（如温度超限、注气失败等报警与响应）。

• 数据记录、趋势判断、控制器运行模式切换（如快速恢复模式、节能模式等）。

• 远程监控与通讯接口（若系统支持网络/RS232/USB 等）。

这种分层结构使得控制系统逻辑清晰、模块化、便于调试与扩展。

2.2 子系统控制器结构示意

以温度控制模块为例，其内部结构可能包括：

• 误差计算模块：计算设定温度与测量温度之差（e = T_set – T_meas）。

• PID 控制器：基于误差、误差积分、误差微分，输出加热控制量（如 PWM 占空比、加热器开启时间等）。

• 前馈补偿模块：根据预测扰动（如开门损失、CO₂ 注气热扰动）提前施加补偿控制量。

• 限幅 / 防饱和机制：控制输出加以上下限限制，并在饱和时处理积分抗饱和（防止积分饱和失控）。

• 状态监测 / 保护逻辑：判断是否处于故障、温度异常、加热器异常等状态，必要时切断控制输出并报警。

湿度控制、CO₂ 控制模块结构类似，但在动作机制、限制条件、响应速率等方面会有所区别。

三、温度控制算法设计

温度控制是最基础、最重要的子系统。下面详细介绍温度控制算法可能的设计要点与实现策略。

3.1 PID 控制基础

PID（比例-积分-微分）控制是工业控制中最常用的控制策略。对于温度控制，应实现以下形式：

• 输出 u(t) = Kₚ e(t) + Kᵢ ∫ e(t) dt + K_d (d e(t)/dt)

• 在数字控制器中通常为离散形式：
  u[n] = Kₚ e[n] + Kᵢ Σe[i] * Δt + K_d (e[n] – e[n-1]) / Δt

这里 u 是控制信号（例如对加热器的驱动强度或开启时长），e 是温度误差。

在实际设计中，需要注意：

• 积分项容易导致饱和或积分风暴（当控制器长时间输出饱和值），

• 微分项对信号噪声敏感，需加滤波或限幅处理，

• 在接近设定点时，PID 控制应避免过冲、震荡。

3.2 预估扰动与前馈补偿

仅靠经典 PID 无法处理快速扰动（如开门、注气、环境温度波动）带来的温度骤变。若在控制算法中引入 前馈扰动估计 / 补偿，系统恢复速度和稳定性可大幅提升。

前馈补偿可采取以下方式：

• 基于开门动作触发补偿：当检测到门开/关事件（如通过门开关或压力变化判断）时，提前计算可能的温度损失（热量散失）并注入适当的加热补偿。

• 注气热扰动补偿：CO₂ 注气过程中气体入口温度可能与箱内温度不同，注气会带来热源或冷源扰动，控制系统可根据注气流量/注气温度估算热扰动，提前在温度控制环路中加补偿项。

• 环境温度变化补偿：若控制器能检测或获取环境温度变化信息，可将环境温度变化对内部温控的影响纳入补偿。

前馈补偿通常与 PID 输出叠加，但在输出前应受限，以避免输出冲击或饱和。

3.3 抗干扰与扰动观测器设计

为了增强系统对干扰（尤其不可预测干扰）的鲁棒性，控制器中可以包含扰动观测器（Disturbance Observer, DOB）或状态观测器。其核心思想是：

• 估计系统中未建模扰动（如热量损失、气体注入扰动等），

• 将观测到的扰动作为补偿量加入控制器输出，从而减小扰动对系统性能的影响。

在温控模块中，控制器可根据输出与实际响应间的偏差逆向估测扰动项；然后将其反馈用于控制补偿。

3.4 饱和处理与输出限幅

控制输出（如加热功率）有物理上限和下限（例如加热器最大功率、最小时段开启等）。在该约束下，必须实现积分抗饱和策略，以防止积分项持续累加导致恢复时严重过冲。

常见策略包括：

• 积分分离 / 限幅：当输出已饱和时，中断对积分项的累加。

• 积分泄露 / 折损：设定一个泄露因子，使积分项随时间自动略微衰减，避免长时间饱和累计。

• 反向积分补偿：在控制输出接近边界时，减少积分增量的速度。

同时，控制器输出在下一级执行模块之前，应通过硬件或软件限幅，以防止超出执行器承受范围。

3.5 调参策略与在线自调节

控制器参数（Kₚ、Kᵢ、K_d）需要根据系统特性、热惯量、负载条件等进行调优。调参方法包括经典 Ziegler-Nichols、阶跃响应法、模型辨识法、自动在线调节（增益整定）等。

在 240i 系统中，还可能引入自整定 PID（Auto-tuning PID）：设备在初次使用或某固定周期执行参数自动辨识与整定，以适应环境条件变化和系统老化。

在线调节过程中，还应监控控制响应（如超调幅度、稳定时间、稳态误差等），根据运行状态调整调节策略（如切换到温和模式、快速恢复模式等）。

四、湿度控制算法设计

湿度控制在 CO₂ 培养箱中尤为重要，尤其因开门、温度变动和蒸发作用带来的湿度扰动较大。240i 的湿度控制算法需要在温控、湿控和 CO₂ 控制之间协同工作。

4.1 湿度建模与控制变量选择

在箱体环境中，相对湿度 (RH) 由水蒸气压强与温度共同决定。湿度控制常常通过控制水蒸气传输速率（即蒸发速率）来实现。增湿器／水箱加热器、干燥（除湿）或气体流量控制是可选手段。

在 240i 里，通常采用 加热水箱蒸发 的方式供湿，不设主动除湿措施（即湿度波动主要靠温控和开放通风等被动控制）。因此湿度控制模型可简化为：通过控制加热功率或加热时间来调整蒸发速率，维持 RH 设定点。

控制变量：加湿输出功率 / 开启时间 / 蒸发器温度。
反馈变量：湿度传感器测得的 RH 值。

4.2 PID + 前馈补偿结构

湿度控制也可采用 PID 控制框架。但需要注意几个要点：

• 湿度恢复滞后较大，即湿度变化速度慢，系统惯性强；

• 湿度控制容易与温控控制发生交互影响；

• 湿度扰动（如开门、温度快速变化）常伴随温度扰动。

因此，湿度控制算法通常采用 PID + 前馈扰动补偿 结构：

• PID 控制器对湿度误差产生控制输出；

• 前馈补偿用于处理开门损失扰动（例如推估所丢失水蒸气量，在补偿输出中加入一项）；

• 输出限幅和抗饱和处理必须严格。

此外，在湿度控制中，积分作用要谨慎使用，因为湿度系统响应慢，过强积分可能引起振荡。微分项也需适当滤波。

4.3 湿度-温度耦合协调

湿度控制与温控存在耦合：提高温度会导致空气中可承载水分能力上升，进而可能降低 RH；反之，湿度蒸发可能带来热量变化，对温控产生扰动。因此算法应设计协调机制：

• 湿度控制器在执行命令前需要考虑对温控系统的影响（例如判断在温度控制稳定的前提下执行加湿）。

• 在温度偏差较大时，温控的优先级高于湿控；湿控动作可能暂时让步。

• 湿度控制输出的加湿速率可能被温控模块微调或限制，以保持整体温度稳定性。

4.4 湿度恢复 / 快速响应模式

在开门或大扰动后，箱内湿度骤降。湿度控制算法通常具有 快速恢复模式（Recovery Mode）：在检测到开门结束或其他扰动结束后，算法切换为积极加湿恢复策略（如加大控制输出），直到 RH 恢复到设定范围。该策略中要防止湿度过冲，需在恢复阶段设定最大允许输出与动态衰减策略。

五、CO₂ 控制算法设计

CO₂ 控制是培养箱控制中的关键一环，尤其在细胞培养实验中。240i 支持两种 CO₂ 传感器类型（TC 传感器、双束红外 IR 传感器）以适应不同环境条件。Thermo Fisher Documents+1

CO₂ 控制算法需考虑的要素包括响应速度、注气量调节、传感器特性、干扰补偿等。

5.1 CO₂ 控制模型与误差计算

控制变量 u_CO₂ 可为注气阀开启时间或占空比（阀门开启比例）。系统误差 e_CO₂ = set_CO₂ – meas_CO₂。CO₂ 模块控制结构通常采用 PID 控制器，但因 CO₂ 气体混合过程存在扩散、搅拌、气体滞后等延迟，控制器必须考虑时滞补偿。

5.2 前馈控制与注气补偿

注气操作本身就是一种扰动（气流带入或带走热量、气体混合影响浓度梯度等）。因此 CO₂ 控制算法中通常加入前馈控制或注气补偿预测：

• 根据设定浓度与当前浓度差异、阀门响应特性和系统模型，预测需要注入的 CO₂ 体积或时间。

• 在大型注气动作（如初始设定、浓度大幅偏差时）阶段，采用较激进控制；在微调阶段，采用柔性控制以避免震荡。

5.3 延迟 / 积分 / 滤波处理

由于气体扩散和测量延迟，CO₂ 模块的 PID 控制中常需要：

• 延迟补偿：控制器可能延迟执行或对测量信号进行预测补偿。

• 积分限幅与抗饱和策略：避免阀门长期过开导致累积误差或非线性失控。

• 滤波处理：对 CO₂ 信号进行低通滤波（如一阶滤波器）以降低测量噪声对微分项的影响。

5.4 协调控制与交叉干扰

CO₂ 注气可能带来温度扰动（尤其若注入气体温度与箱内温度不一致），也可能引起湿度变化（如果气体较干燥）。因此 CO₂ 控制算法必须与温控、湿控模块协同：

• 在温度偏差较大时，CO₂ 模块可能限制注气速率，以免引起温度控制难以应对。

• 在湿度处于恢复状态时，CO₂ 注气可能对湿度产生扰动，控制器需适当协调注气力度。

• 在多气体控制（如 O₂ 控制模块存在时），CO₂ 控制器还需考虑气体混合优先级与安全阈值。

5.5 容错与安全机制

CO₂ 控制模块还需内建保护：当 CO₂ 浓度异常、阀门长时间开启未达标、传感器失效、供气中断等情况出现时，控制器应触发报警、停止注气、记录故障，并可能切换为安全控制模式（如维持 CO₂ 关闭）。

六、耦合控制策略与整体协调

前面分别讨论了温度控制、湿度控制、CO₂ 控制的算法思路，但在实际系统中，这三个子系统之间并非独立。它们之间存在显著耦合关系，控制策略必须在整体层面进行协调设计。

6.1 耦合关系分析

几个典型耦合路径包括：

• 温度 ↔ 湿度：温度变化使空气水饱和压力发生变化，从而影响 RH；加湿蒸发/冷凝可能带来温度变化。

• 温度 ↔ CO₂ 注气：CO₂ 注气可能带来热量或冷量扰动（取决于气体温度与箱内温度差异）。

• 湿度 ↔ CO₂ 传感器影响：高湿度可能影响 CO₂ 传感器读数（尤其是 TC 类型传感器在高湿条件下稳定性可能下降），导致 CO₂ 控制误差。

• 环境扰动 ↔ 各子系统：开门、样品放入/移出、外界温度变化等同时影响温度、湿度、CO₂。

因此，控制系统必须设计耦合协调机制，例如：

• 优先级控制策略：在扰动环境下，优先维持温度稳定，然后再恢复湿度和 CO₂。

• 动态限幅 / 调度：控制器可能根据当前各子系统状态限制某一模块输出（如若温控处于恢复状态，限制 CO₂ 注气速率）。

• 状态监测与切换：当某子系统处于极限状态时，其他子系统的动作策略做相应调整。

• 协同前馈 / 互补补偿：例如在 CO₂ 注气前，温控模块预估注气热扰动并提前调节加热输出。

6.2 整体调度控制器（Supervisor Controller）

在中级或高级层，会设置一个 “调度控制器” 或 “总协调控制器”，其职责是：

• 接收各子系统控制器输出建议；

• 根据当前系统状态与干扰预测，施加优先级规则、限幅、协调补偿；

• 将最终控制命令下发至执行层；

• 在子系统间发生矛盾或冲突时做协调判断，例如：当 CO₂ 控制和温控同时要求极端动作时，优先保证温度安全。

该协调控制器也可能根据预设程序模式（如快速恢复模式、节能模式、稳态维护模式等）切换子系统的控制策略（例如在稳态阶段降低响应速度以节能）。