CN106227034A - 离体器官灌注仪的温度融合与控制*** - Google Patents

Abstract

本发明涉及一种离体器官灌注仪的温度融合与控制***，包括主控单元，与所述主控单元电连接的四通道温度采集单元、压缩机单元和通风阀门单元，以及恒温控制单元；所述恒温控制单元包括基于改进贝叶斯估计的温度融合子单元和基于模糊PID控制器的温度控制子单元。采用改进贝叶斯估计的数据融合子单元，以克服可能的传感器故障或环境干扰导致的数据虚假，并将四路测量数据融合成一路数据，其次采用模糊PID控制子单元实施高精度恒温控制。本发明不但能有效提升离体器官灌注仪的温度控制精度，并且能降低外界干扰带来的测量失效的风险，提高仪器稳定性，具有潜在的经济价值。

Description

离体器官灌注仪的温度融合与控制***

技术领域

本发明属于医疗器械领域，尤其是一种离体器官灌注仪的温度融合与控制***。

背景技术

维持低温环境是保护离体器官细胞组织的基础，其保护机理为：器官切除和局部缺血导致ATP(三磷酸腺苷)能量和氧气供给缺乏，使器官细胞迅速从有氧代谢转化为缺氧代谢，生成乳酸和质子，并发生细胞去极化现象，进而导致离子浓度失衡和细胞坏死。相关学者发现质子和钙浓度上升是导致细胞死亡的直接原因。然而，生化反应的基本原理都是分子活动和迁移，且其由所获得的热量支配，换而言之，温度降低会导致分子活动减慢，从而使得细胞内生化反应活动随之成比例地衰弱。研究证明，随着与局部缺血缺氧有关的化学过程被中止，离体器官的进一步恶化也得到有效阻止。

研究表明，离体器官最佳保存温度为4℃，此时不仅能避免直接冰冻损伤，而且大大降低组织细胞的能量代谢水平，提高组织抗缺血能力，但是高精度液体温控要比高精度运动控制困难得多，尤其是大空间的流动灌注溶液，其原因不仅是高精度传感器的问题，更重要的是液体温控本身具有大惯性、大时滞和非线性的特点。

针对该特点，采用智能控制算法如模糊控制、神经网络、预测控制、PID以及遗传算法可达到***快速响应的目的，但是单一算法无法同时满足高精度与快速响应的要求，而智能算法之间的相互组合又十分复杂。此外，在传统离体器官灌注仪温度融合和控制方法中，由于温度传感器故障或者环境干扰等因素，其可能提供虚假温度测量数据，该错误数据的产生将会给仪器自动设定带来误导，也会给器官看护人员带来误判，最终带来不可估量的生命和经济损失。

发明内容

发明目的：提供一种离体器官灌注仪的温度融合和控制***，以解决现有技术存在的上述问题，提高温度控制精度，并降低潜在故障导致离体器官保存失效的风险。

技术方案：

有益效果：本发明不但能有效地提升离体器官灌注仪的温度控制精度，为离体器官提供稳定的温度环境，而且能降低由于温度传感器故障或环境干扰带来的测量失效的风险，提高仪器的稳定性，具有潜在的经济价值。

附图说明

图1是本发明的灌注仪恒温控制电路连接框图。

图2是本发明的四路温度传感器安装示意图。

图3是本发明的TSic506传输包读取流程图。

图4是本发明的压缩机和通风阀门安装示意图。

图5是本发明的DSP芯片和驱动电路光耦隔离电路图。

图6是本发明的SCI串口控制程序流程图。

图7a至图7d是本发明的温度传感器故障模拟曲线，其中，第I路：持续误测故障；第II路：向下尖峰误测故障；第III路：向上尖峰误测故障；第IV路：抖动干扰故障)。

图8a至图8c是本发明的贝叶斯数据融合曲线，其中图8a为传统贝叶斯数据融合曲线；图8b1至8b4为m²＝0.1，m²＝0.4，m²＝0.8和m²＝1时的改进贝叶斯数据融合曲线；图8c为级联改进贝叶斯数据融合曲线。

图9是本发明的直流变频压缩机控制原理图。

图10是本发明的模糊PID控制原理图。

图11a至图11c是本发明的动态性能测试曲线，其中，图11a为温度变化测试曲线；

图11b为灌注流速环境变化曲线；图11c为工作模式变化测试曲线。

具体实施方式

本发明提供了一种离体器官灌注仪的温度融合与控制***，由灌注仪恒温控制电路和灌注仪恒温控制单元两部分组成，以提升温度控制精度和降低测量失效的风险。

参见图1，灌注仪恒温控制电路连接框图以DSP(TMS320F2812)芯片为主控单元，***单元包括：四通道温度采集单元，压缩机单元，通风阀门单元和其它辅助单元。其中，四通道温度采集单元用于温度采集，压缩机和通风阀门单元用于温度控制，各单元与DSP的配置接口列表如表1所示。

表1 DSP***单元接口配置

参见图2和图3，四通道温度采集单元利用TSic506数字传感器实施采集，两路安装于热通风口端(图2中①和②位置)，另两路安装于冷通风口端(图2中③和④位置)，以平衡器官容器内温度差异。TSic506传输包由1个起始位、8个数据位和1个奇偶校验位组成，传输波特率为8000Hz，且11位温度数据由2个传输包组成，包括高3位温度数据和低8位温度数据。TSic506读取操作在DSP定时中断中完成，即当温度累加器计数至1秒时，四路温度传感器开始读取温度数据。读取温度数据时，传输起始位在TMS320F2812的I/O引脚下降沿引发一个中断，并转向中断服务程序，中断程序内部包含一个计数循环，每次计数递增一个内存位置，直至TSic506信号上升沿，该计数值即每一位的读取周期。在获得读取周期后，中断服务程序等待后9个下降沿(8位数据，1位奇偶校验)，每个下降沿后等待读取周期采样下一位，最终读取出每个传感器输出的数字值Digital_T。实际所测点的温度T为：

其中，HT＝60为传感器测量的温度上限值；LT＝-10为传感器测量的温度下限值；Digital_T为传感器输出的数字值；T为实际所测点的温度值。

参见图4和图5，描述压缩机单元和通风阀门单元，其分别用于产生和导通冷热风。通过串口通讯控制直流变频压缩机的转速和方向信息，蒸发风扇和冷凝风扇将蒸发器和冷凝器的温度导通至通风管道，同时控制通风阀门开启占空比最终控制到达被控器官容器的风量。利用SCIATXD和SCIARXD口连接至三相变频压缩机驱动端，DSP主控芯片每隔1秒输出控制压缩机的转速、开合和方向状态，并实时接收直流压缩机当前转速、散热器温度、母线电压等状态，并根据读取状态实时调整压缩机转速、通风阀门占空比等信息，以达到精确控制。其中，驱动电路主要利用脉宽调制原理，通过改变输出方波的占空比使负载电流功率从0-100％变化，最终改变压缩机转速。此外，在DSP芯片和驱动电路采用光耦隔离(ISO801、ISO802)以实施电路保护。

在进一步的实施例中，压缩机单元器官容器获得制冷量(制热量)的计算公式为：

$Q=\[(1-\mathrm{\ξ})\×({\mathrm{\μ}}_0-2{\mathrm{\μ}}_k+{\mathrm{\η\μ}}_k)\×\frac{{\mathrm{vnq}}_{0v}}{3.6\×{10}^6}\](kW/h)$

其中，ξ为通风管道传输能量损耗效率，0≤ξ≤1；μ₀和μ_k分别为冷风阀门和热风 阀门的开启占空比，0≤μ₀≤1，0≤μ_k≤1；η≈90％为压缩机的制冷效率；q_0v为压缩机单位容积制冷量；n为压缩机转速，r/h；v为压缩机每转排量，cm³/r；Q为器官容器获得的制冷量(制热量)，不考虑容器自身散热，若Q＞0，容器温度降低，Q＜0，容器温度升高，Q＝0，则温度保持不变。

对上述各参数利用DSP实施控制，根据制冷量即可预测下一时刻温度：

$T_n=T_c+\frac{3.6\×{10}^6\×Q}{c_0{m}_0+c_1{m}_1}$

其中，T_c为当前温度；T_n为预测1秒后温度；c₀、c₁分别为空气&器官灌注溶液比热容；m₀、m₁分别为器官容器内空气以及1秒内流通器官的灌注溶液质量。

参见图6，在进一步的实施例中，DSP串口通讯控制具体实施方式为，通讯主机每1秒发出一帧(16字节)，内容包含控制方向，转速信息；压缩机驱动板是通讯从机，接到主机一帧立即回复一帧(16字节)，内容包含压缩机当前转动状态。主机收到从机返回状态后，读取直流变频压缩机的电压、电流、转速、散热片温度等状态信息综合判别决策，决策内容包括：设定启动停止时间间隔、电流保护、电压保护和高温保护，表2为通讯帧格式列表。

决策保护具体内容包括：I、压缩机首次上电必须20秒后才能运行，2次启动的最小时间间隔为3分钟，采用定时器和计数器实现；II、当电流达到10A时，电机频率和压缩机转速不再升高，且随着电流升高，其转速主动下降，直至13A时关闭；III、当电压低于20V(高于28V)时，实施低压(高压)保护，当电压进一步降低(升高)，压缩机运行最高转速逐步下降，直到18V(30V)时自动关闭；IV、当散热器温度达到60℃时，压缩机转速不再升高，随着温度升高，压缩机转速进一步降低，直到70℃自动关闭。

表2通讯帧格式列表

参见图1，灌注仪恒温控制算法以DSP(TMS320F2812)芯片为处理器，实施算法包括：基于改进贝叶斯估计的温度融合单元和基于模糊PID控制器的温度控制单元。前者实施原因为单个温度传感器TSic506的故障和环境干扰可能导致某路通道数据的虚假不可信，故将四通道数据融合成一路温度数据，降低潜在的测量风险，后者将利用融合得到的温度数据与设定数据比较，得出压缩机的控制输出，以提升控温精度。

在进一步的实施例中，改进贝叶斯估计的温度融合子单元的工作过程具体如下：

步骤I、利用历史数据和当前数据计算每路传感器数据的虚假因子

$f_j^k=\frac{m^2}{m^2-{\left(max\right(\left|z_j^k-z_j^{k-1}\right|\left)\right)}^2}$

其中，为第j个传感器在k时刻的虚假因子，为传感器编号(通道编号)；k为时刻标志，若将全段数据划分为n段，则k∈｛1,2,…,n｝；m为自定义单个通道最大的预期差值；max()为求最大值函数；和分别为k时刻和k-1时刻段第j个传感器所测温度数据。

步骤II、根据虚假因子和单个传感器方差利用高斯分布的贝叶斯估计实施温度融合：

$t_k=\underset{j=1}{\overset{4}{\Σ}}\frac{1}{\mathrm{\δ}\×\[f_j^k\×{\left({\mathrm{\σ}}_j^k\right)}^2\]}{z}_j^k$

其中，δ为简化公式表达的方差合并因子：

$\mathrm{\δ}=\underset{j=1}{\overset{4}{\Σ}}\frac{1}{f_j^k\×{\left({\mathrm{\σ}}_j^k\right)}^2}$

式中，t_k为k时刻四路温度传感器的融合值；为第j个传感器在k时刻的标准差；第j个传感器在k时刻的温度数据，长度为N/n，N为数据总长度。

步骤III、若一阶融合数据仍无法消除虚假数据误差，则调整多次调整m值，实施级联融合，将调整次数视为通道数，利用步骤II融合公式对得到的各不同融合结果再二次融合。

参见图7a至图7d，试验利用采样长度300，采样频率1Hz的四路温度传感器模拟数据实施贝叶斯算法融合分析，四路温度数据均实现从20℃降温至4℃的过程，故障类型设置为：第I路：数据测量误差为±0.1℃，但其包含一段持续误测区域，表征为传感器故障；第II路：数据测量误差为±0.2℃，但其包含两个向下尖峰误测区域，表征传感器临时误测；第III路：数据测量误差为±0.4℃，但其包含两个向上尖峰误测区域，表征传感器临时误测；第IV路：数据测量误差为±0.8℃，其抖动噪声区域较大，表征传感器的大环境噪声。在改进贝叶斯估计方法中，将这四路不同故障类型的温度传感器数据各分为30段(n＝30)，每段10s数据，单温度传感器值最大的预期差值设定为m²＝0.1，m²＝0.4，m²＝0.8和m²＝1不同等级。

参见图8a至图8c，传统贝叶斯估计曲线中，来源于第II路温度传感器和第III路温度传感器的温度抖动偏差得到抑制，同时融合后环境噪声明显减小(融合曲线相对四路输入曲线更为平缓)，但是融合曲线仍存在持续误测，说明该方法对故障传感器无法有效识别；改进贝叶斯曲线中，当m值较小(m²＝0.1)时，能够有效抑制传感器故障带来的持续误测，但对于临时尖峰抑制性能较弱；反之当m值较大(m²＝0.8，1)时，能够抑制临时尖峰，而对持续误测抑制性能较弱；只有当m值适中(m²＝0.4)时，两者才能同时得到抑制，且相比传统贝叶斯估计，对噪声抑制性能更加明显；级联改进贝叶斯融合曲线中，将m²＝0.1，m²＝0.4，m²＝0.8和m²＝1四路融合曲线作为改进贝叶斯估计新的输入，可以看出，二次融合在第一次融合的基础上误差得到进一步抑制，基本同时消除了持续误差和尖峰误差干扰，且曲线噪音较小。

参见图9，基于模糊PID(比例积分微分)控制器的温度控制子单元的工作过程具体为：当温度偏差较大(大于预定值)时，例如，采用模糊控制器，以提高快 速性并减小超调量，其中温度偏差为10s内温度均值与设定值平均偏差；当温度偏差较小(小于预定值)时，例如采用模糊PID控制，以减小***的稳态误差，提高控制精度，其中，ΔT为测定温度与设定温度偏差。

在进一步的实施例中，模糊控制器的实施步骤如下：

步骤I、将Δu、ΔT和cT三个论域量化为七个等级，并构建正三角形隶属函数，其中，Δu为控制变化量；ΔT为测定温度与设定温度偏差；cT为温度偏差变化率；七个等级分别用负大(NB)、负中(NM)、负小(NS)、零(ZE)、正小(PS)、正中(PM)和正大(PB)等语言变量值表示；以论域ΔT为例，对任一元素，隶属函数A(ΔT)∈[0，1]；越接近1，则其属于A的程度越高。

步骤II、自定义模糊控制规则表，利用模糊控制器控制直流变频电机转速采用IfΔT&cT，ThenΔu为模糊规则。例如，当ΔT和cT均为NM时，说明实际转速高出目标转速很多，且转速变化使其更加偏离设定转速，故应当设控制量Δu为NM以减少控制输出，按此描述，构建模糊控制规则表如表3所示：

表3模糊控制器的模糊控制规则表(Δu)

步骤III、按照I中隶属度函数的隶属度最大原则实施解模糊化，得到模糊查询表，如表4所示，并用于压缩机转速控制。

表4模糊控制器的模糊查询表(Δu)

参见图10，在进一步的实施例中，模糊PID控制器的基本思想为，首先利用模糊控制器获得PID调节的三个调节参数，接着利用这三个参数实施PID控制，具体实施步骤如下：

步骤I、将ΔT、k_p、k_i和k_d四个论域量化为{-2，-1，0，1，2}的5个等级，分为负中(NM)、负小(NS)、零(ZE)、正小(PS)、正中(PM)等语言变量，并构建正三角形隶属函数，其中，k_p、k_i和k_d分别为PID控制器比例系数、积分系数和微分系数；

步骤II、自定义模糊控制规则表，即由ΔT论域等级定义k_p、k_i和k_d论域等级，如表5所示；

表5模糊PID控制器的模糊控制规则表

步骤III、按照I中隶属度函数的隶属度最大原则实施解模糊化，得到模糊查询表，如表6所示。可以看出，当设定温度与实际温度负向偏差较大时，比例系数k_p和积分系数k_i选取较大，而微分系数k_d选取较小，随着负向偏差逐步减小，并且开始向正向偏差时，比例系数k_p和积分系数k_i值逐渐下降，而微分系数k_d值逐渐上升。

表6模糊PID控制器的模糊查询表

步骤IV、利用III中得到的比例、积分和微分系数实施PID压缩机转速控制：

$u\left(k\right)=k_{p}e\left(k\right)+k_i\underset{j=0}{\overset{k}{\Σ}}e\left(j\right)T+k_d\frac{e\left(k\right)-e(k-1)}{T}$

其中，u(k)为控制器输出量，e(k)和e(k-1)分别为k时刻和k-1时刻设定与输出量的偏差；T为采样周期；k为采样时刻，k＝1,2…；j为累加计数器。

参见图11a至图11c，在动态性能测试中，试验I利用室温液态水作为灌注溶液，温度环境条件为：5℃、5℃、10℃、5℃、0℃，流速条件为：40mL/min，其中人为设定温度时刻为16.7min、25min、41.7min、58.3min和83.3min，对应设定温度为5℃、15℃、10℃、0℃、5℃和10℃，以观察温度变化过程。从图11a可以看出，温度设定变化值(绝对值)越大，初始变化率越大，当超出一定值时(18℃以上)，初始变化率达到最大值，此时模糊控制表取值为NB或PB，压缩机转速为6000r/min，制冷制热阀门占空比100％，温度变化速率为3.4℃/min；试验II在20℃的温度环境下，在0min和10min时刻设定温度为5℃和10℃，其中灌注流速环境分别40mL/min、60mL/min和80mL/min，观察其温度变化曲线，从图11b可以看出，当设定温度为5℃时，15～10℃和10～5℃变化时间为1.2分钟和6.2分钟，即设定温度与实际温度差值越大，温度变化速率越快，这是由模糊控制器的cv参数和模糊PID控制器的比例和微分系数决定的，并且当外界温度高于设定温度时，流速越大情形下，温度降低越慢，上升越快，这是因为灌注溶液引入外界的温度干扰；试验III比较仅控制直流变频压缩机、仅控制通风阀门占空比以及同时两者控制三种模式的动态性能。从图11c可以看出，仅利用压缩机实施转速控制对控温效果具有延迟，不但压缩机响应速度较慢，而且通风管道传输需要时间；仅利用阀门占空比实施温度控制，虽然响应速度很快，但是稳态效应不佳，不能达到设定的控温精度，这是由于占空比的跳跃步长较大的缘故，而阀门控制与压缩机控制相结合，在一定程度上平衡响应速度和稳态精度。

在稳态性能测试中，试验比较40mL/min、60mL/min、80mL/min流速条件下，设定温度为5℃、15℃条件下的稳态偏移，如表7所示。表中可以看出，灌注流速稳态偏移量与设定值无关，但与灌注流速有关，流速越大温度控温精度越低，当灌注流速为40mL/min时，其误差标准差比80mL/min提升53.49％。

表7稳态偏移列表

Claims (9)

1.一种离体器官灌注仪的温度融合与控制***，其特征在于，包括主控单元，与所述主控单元电连接的四通道温度采集单元、压缩机单元和通风阀门单元，以及恒温控制单元；所述恒温控制单元包括基于改进贝叶斯估计的温度融合子单元和基于模糊PID控制器的温度控制子单元。

2.根据权利要求1所述的离体器官灌注仪的温度融合与控制***，其特征在于，所述四通道温度采集单元的采集端中有两路安装于热通风口端，另外两路安装于冷通风口端。

3.根据权利要求1所述的离体器官灌注仪的温度融合与控制***，其特征在于，所述压缩机单元和通风阀门单元分别用于产生和导通冷热风；通过DSP串口通讯控制压缩机单元的转速和方向信息，蒸发风扇和冷凝风扇将蒸发器和冷凝器的温度导通至通风管道，同时DSP控制通风阀门单元开启占空比最终控制到达被控器官容器的风量。

4.根据权利要求3所述的离体器官灌注仪的温度融合和控制方法，其特征在于，所述器官容器获得制冷量或制热量的计算公式为：

$Q=\[(1-\mathrm{\ξ})\×({\mathrm{\μ}}_0-2{\mathrm{\μ}}_k+{\mathrm{\η\μ}}_k)\×\frac{{\mathrm{vnq}}_{0v}}{3.6\×{10}^6}\];$

其中，ξ为通风管道传输能量损耗效率，0≤ξ≤1；μ₀和μ_k分别为冷风阀门和热风阀门的开启占空比，0≤μ₀≤1，0≤μ_k≤1；η为压缩机的制冷效率；q_0v为压缩机单位容积制冷量；n为压缩机转速；v为压缩机每转排量；Q为器官容器获得的制冷量或制热量，不考虑容器自身散热，若Q>0，容器温度降低，Q<0，容器温度升高，Q＝0，容器温度保持不变；

对上述各参数利用DSP实施控制，根据制冷量预测下一时刻温度：

$T_n=T_c+\frac{3.6\&times;{10}^6\&times;Q}{c_0{m}_0+c_1{m}_1}$

其中，T_c为当前温度；T_n为预测1秒后温度；c₀、c₁分别为空气&器官灌注溶液比热容；m₀、m₁分别为器官容器内空气质量以及1秒内流通器官的灌注溶液质量。

5.根据权利要求3所述的离体器官灌注仪的温度融合与控制***，其特征在于，通过DSP串口通讯控制压缩机单元的转速和方向信息的具体过程为：DSP为通讯主机，每1秒发出一帧，内容包含控制方向，转速信息；压缩机驱动板是通讯从机，接到主机一帧立即回复一帧，内容包含压缩机当前转动状态；通讯主机收到从机返回状态后，做出针对性调整或报警措施。

6.根据权利要求1所述的离体器官灌注仪的温度融合和控制***，其特征在于，所述基于改进贝叶斯估计的温度融合子单元的工作过程具体如下：

步骤6A、利用历史数据和当前数据计算每路传感器数据的虚假因子

$f_j^k=\frac{m^2}{m^2-{\left(max\right(|z_j^k-z_j^{k-1}|\left)\right)}^2};$

其中，为第j个传感器在k时刻的虚假因子，j∈{1,2,3,4}为传感器编号(通道编号)；k为时刻标志，若将全段数据划分为n段，则k∈{1,2,…,n}；m为自定义单个通道最大的预期差值；max()为求最大值函数；和分别为k时刻和k-1时刻段第j个传感器所测温度数据；

步骤6B、根据虚假因子和单个传感器方差利用高斯分布的贝叶斯估计实施温度融合：

$t_k={\mathrm{\&Sigma;}}_{j=1}^4\frac{1}{\mathrm{\&delta;}\&times;\&lsqb;f_j^k\&times;{\left({\mathrm{\&sigma;}}_j^k\right)}^2\&rsqb;}{z}_j^k;$

其中，δ为简化公式表达的方差合并因子：

$\mathrm{\&delta;}={\mathrm{\&Sigma;}}_{j=1}^4\frac{1}{f_j^k\&times;{\left({\mathrm{\&sigma;}}_j^k\right)}^2};$

式中，t_k为k时刻四路温度传感器的融合值；为第j个传感器在k时刻的标准差；第j个传感器在k时刻的温度数据，长度为N/n，N为数据总长度；

步骤6C、若一阶融合数据仍无法消除虚假数据误差，则调整m值，实施级联融合，将调整次数视为通道数，利用步骤6B融合公式对得到的各不同融合结果再二次融合。

7.根据权利要求1所述的离体器官灌注仪的温度融合与控制***，其特征在于，所述基于模糊PID控制器的温度控制子单元的工作过程具体为：当温度偏差大于预定值时，采用模糊控制器进行温度调节，以提高快速性并减小超调量；当温度偏差小于预定值时，采用模糊PID控制进行温度调控，以减小***的稳态误差，提高控制精度。

8.根据权利要求7所述的离体器官灌注仪的温度融合与控制***，其特征在于，采用模糊控制器进行温度调节的具体步骤如下：

步骤8A、将Δu、ΔT和cT三个论域量化为七个等级，并构建正三角形隶属函数，其中，Δu为控制变化量；ΔT为测定温度与设定温度偏差；cT为温度偏差变化率；

步骤8B、自定义模糊控制规则表：由ΔT和cT论域等级定义Δu论域等级；

步骤8C、按照步骤8A中隶属度函数的隶属度最大原则实施解模糊化，得到模糊查询表，并用于压缩机转速控制。

9.根据权利要求7所述的离体器官灌注仪的温度融合与控制***，其特征在于，采用模糊PID控制器进行温度调控的步骤具体如下：

步骤9A、将ΔT、k_p、k_i和k_d四个论域量化为五个等级，并构建正三角形隶属函数，其中，ΔT为测定温度与设定温度偏差；k_p、k_i和k_d分别为PID控制器比例系数、积分系数和微分系数；

步骤9B、自定义模糊控制规则表，即由ΔT论域等级定义k_p、k_i和k_d论域等级；

步骤9C、按照步骤9A中隶属度函数的隶属度最大原则实施解模糊化，得到模糊查询表；

步骤9D、利用步骤9C中得到的比例、积分和微分系数实施PID压缩机转速控制：

$u\left(k\right)=k_{p}e\left(k\right)+k_i\underset{j=0}{\overset{k}{\&Sigma;}}e\left(j\right)T+k_d\frac{e\left(k\right)-e(k-1)}{T}$

其中，u(k)为控制器输出量，e(k)和e(k-1)分别为k时刻和k-1时刻设定与输出量的偏差；T为采样周期；k为采样时刻，k＝1,2…；j为累加计数器。