Control design of a thermal vacuum chamber cooling system based on artificial neural network

This thesis presents the design, finalized to experimental validation, of the controller for the cooling system of the thermal vacuum chamber (TVC) of the Department of Aerospace Science and Technologies of Politecnico di Milano, through the use of artificial neural networks (ANN). The main problems of this kind of systems are overshoot of the temperature with respect a certain constant reference when trying to reach it, oscillations in regime and difficulties in following a prescribed thermal gradient. In the work are analyzed all the phases of the ANN training (data sets generation, network structure and controller inputs selection) searching for the optimum solution to counteract those problems. Moreover the design has to deal with intrinsic complications of the departmental TVC: no data sheets nor documentation of the system are available, the temperatures of the components are the only measurable quantities (through thermocouples) and mostly, there is no tunable control action so that the only way to modify it is to switch ON or OFF the whole cooling system. It was impossible to find any training procedure in literature (data sets for trainings are never discussed in papers and in scientific publications in general) so, the solution proposed, experimentally validated, is the result of an independent and original work that completely satisfied the problems of the overshoot and of the thermal gradient meanwhile the oscillation issue need a further improvement. Part of the work was developed in simulation environment (Matlab/Simulink) so in the thesis is described also a detailed numerical model of the TVC; in the final chapter two possible ways of improvements of the control action, that were not developed to the experimental phase, are briefly discussed. This thesis demonstrated once more the versatility of ANN in the capability to identify an unknown system and in controlling it; ANN application to TVC temperature regulation is not a singularity but these devices, commonly, have always a controllable variable as the mass flow rate or the temperature of the refrigerant. instead, the departmental TVC with only the ON/OFF control action available, represents a very peculiar case and a harder system to work with.

In questa tesi viene descritta la progettazione per mezzo di reti neurali artificiali (ANN), finalizzata alla sperimentazione, del sistema di controllo dell’impianto di refrigerazione della camera termovuoto presente nel laboratorio dipartimentale di scienze e tecnologie aerospaziali del politecnico di Milano. I problemi principali di questo tipo di sistemi sono le sovraelongazioni/sottoelongazioni di temperatura rispetto ad un valore di riferimento costante da raggiungere e mantenere, oscillazioni a regime attorno a questo valore e anche nel riuscire a far seguire alla temperatura un determinato gradiente di raffreddamento. Nel lavoro svolto sono state analizzate tutte le fasi che riguardano l’addestramento della rete neurale usata come controllore (dalla generazione dei data set migliori, alla struttura della rete fino alla selezione del tipo di input più adatti) al fine di contrastare i fenomeni sopra elencati. La progettazione del sistema di controllo è anche resa più difficile da alcune caratteristiche intrinseche della camera termovuoto dipartimentale in quanto non è disponibile alcuna documentazione né schede tecniche dell’impianto, non è possibile effettuare alcuna misura sul fluido refrigerante (si può solo misurare la temperatura dei componenti per mezzo di termocoppie) e soprattutto non vi è alcuna azione di controllo regolabile per cui l’unica maniera di agire sulla camera è l’accensione/spegnimento dell’intero sistema di refrigerazione. In letteratura non è reperibile alcuna procedura specifica di addestramento per reti neurali che abbiano questo scopo per cui la soluzione qui proposta, validata sperimentalmente, è il risultato di un lavoro indipendente ed originale che ha risolto il problema della sovraelongazione e del gradiente di raffreddamento mentre, per le oscillazioni a regime, miglioramenti futuri sono necessari. Parte del lavoro è stato svolto nell’ambiente di simuazione Matlab/Simulink-Simscape per cui nella tesi viene anche descritto un dettagliato modello numerico della camera termovuoto. Nel capitolo finale vengono anche presentati due possibili modi di migliorare ulteriormente il sistema di controllo, che per ragioni di tempo non sono stati portati alla fase sperimentale. Questa tesi dimostra ancora una volta la versatilità delle reti neurali artificiali per quanto riguarda la capacità di identificare un sistema e controllarlo. La loro applicazione alle camere termovuoto non è certo un caso unico ma comunemente queste sono dotate di un qualche sottosistema capace di regolare una variabile di controllo come la portata massica o la temperatura del fluido refrigerante; nel caso della camera dipartimentale invece, la possibilità di agire sul sistema di raffreddamento con la sola azione di accensione o spegnimento rappresenta un caso molto particolare e difficile da affrontare.