第一章：氧浓度控制概述

一、医用制氧机的工作原理

先说说医用制氧机是怎么工作的。说白了，它就是把空气中的氮气和氧气分开。目前主流的技术是PSA，也就是变压吸附法。

我刚开始接触这个领域时，觉得原理挺简单的——空气经过压缩机加压，进入装有分子筛的吸附塔。分子筛会优先吸附氮气，氧气就穿过去了。等分子筛吸饱了氮气，就降压让它排出去，这叫再生。两个塔轮流工作，一个产氧，一个再生，这样就能持续输出高浓度的氧气。

嗯，这里要注意一个关键点：分子筛的吸附能力会随着使用时间下降。我在项目中遇到过，用了两年的分子筛，氧浓度从93%掉到了85%，怎么调都上不去。最后换了分子筛才解决问题。

医用制氧机的核心参数就这几个：

• 产氧流量：一般1-10L/min可调
• 氧浓度：医用标准要求≥90%
• 输出压力：通常0.2-0.4MPa
• 纯度稳定性：波动范围越小越好

二、氧浓度控制的重要性

为什么要把氧浓度控制得这么精确？你想想看，病人吸的是救命的气，浓度低了没效果，浓度高了会氧中毒。

我记得有一次去医院调试设备，护士长跟我说，有个新生儿吸氧浓度过高，导致视网膜病变。虽然不全是设备的问题，但这件事让我意识到——氧浓度控制不是技术指标，是生命线。

具体来说，氧浓度控制的重要性体现在三个方面：

1. 治疗效果：低氧血症患者需要稳定在90%以上的氧浓度，波动太大影响康复
2. 安全性：浓度超过95%且长时间使用，可能引起肺损伤
3. 经济性：浓度过高浪费能源，分子筛寿命也会缩短

三、PID控制基础概念

PID控制，说白了就是三个字：比例、积分、微分。我习惯把它理解成一个自动调节的过程。

举个例子：你设定目标氧浓度是93%，实际测出来是90%。这时候控制器会怎么做？

• P（比例）：根据偏差大小，成比例地调整阀门开度。偏差越大，调整幅度越大。但光靠P，会有稳态误差，就是永远差那么一点点到不了目标值。
• I（积分）：把过去的偏差累积起来，慢慢消除稳态误差。我刚开始调PID时，I参数设得太小，结果系统反应慢得像蜗牛。后来调大了，又出现超调。嗯，这个度要慢慢找。
• D（微分）：预测未来的偏差变化趋势，提前做出调整。D参数用得好，系统响应快，稳定性高。但D对噪声敏感，搞不好会引入震荡。

为什么会这样？因为氧浓度控制是一个大滞后系统。从调节阀门到氧浓度变化，中间有十几秒的延迟。PID参数设得不好，系统就会来回震荡，浓度忽高忽低。

下面是一个典型的PID控制代码框架，我项目中常用的：

// PID控制器结构体
typedef struct {
    float Kp;           // 比例系数
    float Ki;           // 积分系数
    float Kd;           // 微分系数
    float setpoint;     // 目标值
    float integral;     // 积分累积
    float prev_error;   // 上一次偏差
} PID_Controller;

// PID计算函数
float PID_Compute(PID_Controller *pid, float measured) {
    float error = pid->setpoint - measured;
    
    // 比例项
    float P = pid->Kp * error;
    
    // 积分项
    pid->integral += error;
    float I = pid->Ki * pid->integral;
    
    // 微分项
    float D = pid->Kd * (error - pid->prev_error);
    pid->prev_error = error;
    
    return P + I + D;
}

这个代码看着简单，但实际用起来坑不少。我曾经因为积分饱和问题，导致系统在启动时疯狂超调。后来加了积分限幅和抗饱和处理，才算稳定下来。

四、PID参数对系统的影响

为了让你更直观地理解，我整理了一个表格：

参数	增大后的效果	减小后的效果
Kp（比例）	响应变快，但可能超调	响应变慢，稳态误差增大
Ki（积分）	消除稳态误差，但可能震荡	稳态误差消除慢，系统稳定
Kd（微分）	抑制超调，响应更平滑	系统容易震荡，抗干扰差

好了，第一章的内容就到这里。PID控制不是一蹴而就的，需要反复调试和积累经验。下一章我会讲具体的调校方法和实战技巧，咱们到时候再聊。