新算法可提升弥散供氧室的氧气控制精度，适用于高原、潜艇等环境！
弥散供氧技术是在医用高压氧舱的基础上发展而来，相对高压氧舱，弥散供氧室内外环境压力基本相同，同时提供富氧环境。弥散供氧控制器作为弥散供氧控制系统的核心部件，对清爽气体、销烟除灰和控制活性氧等作用巨大。
目前，对高原弥散供氧室内氧气浓度控制算法的研究较少，大多利用氧气浓度的上限和下限采用启停式控制方法，即当氧气浓度低于下限设定值时进行供氧，高于上限设定值时停止供氧。氧气浓度启停式控制方法简单易实现，但由于氧气释放量大、利用率低、氧气浓度波动较大及控制精度差等不足而使其应用范围受到限制。
弥散供氧控制器的使用环境往往为低氧的高原环境、水面下的密闭空间或者高原轨道交通，要求弥散供氧控制器具有快速响应、控制参数自整定功能。研究表明，BP神经网络自适应控制算法的控制效果对初始权重较为敏感，通过选取合适的网络初始权重，既能提高输入数据的学习速度，还可提高神经网络的控制效果。
武汉船用电力推进装置研究所、武汉理工大学自动化学院的许晓晖、郝春昊 等，在分析弥散供氧控制器工作原理的基础上，建立弥散供氧控制器的数学模型，采用布谷鸟搜索（CS）算法优化反向传播（BP）神经网络自适应控制策略的初始权重。
仿真结果表明，与传统比例积分微分（PID）控制方法相比，基于CS-BP神经网络的自适应PID控制算法不仅具有很好的鲁棒性和快速性，而且能够实现更高的氧气浓度控制精度。当有较强外界干扰侵袭时，采用CS-BP神经网络自适应算法可实现自动在线学习训练并调整控制参数，应用前景更广阔。
研究者指出，弥散供氧控制器的现场测试结果表明布谷鸟搜索-反向传播神经网络的PID控制方法合理可行，该成果除应用于低氧的高原环境外，还可以推广应用于高原轨道交通或者水面下的潜艇、安防工程等密闭空间中。
该科研成果已发表在2023年第8期《电气技术》，原文标题为“基于布谷鸟搜索-反向传播神经网络的弥散供氧PID控制方法”。本工作得到国家重点研发计划课题“微网条件下氢电混合储能与氢能综合利用技术”、国家自然科学基金面上项目“kW级车载热电发电分布式能源系统热电耦合机理与能效优化研究”的支持。
