基于变频技术的变负荷大型换热器气阻特性的检测方法

摘要

本发明公开了一种基于变频技术的变负荷大型换热器气阻特性的检测方法。本发明的具体步骤为：根据历史数据结合神经网络预测出设计标准风量下的变频器的初始频率预测值，通过采集变频器频率从0到的风量与频率变化，通过最小二乘算法计算出变频器频率和管道风量之间开环传递函数中的三个参数。然后以IATE为最优指标，以PID+作为开环传递函数，利用闭环传递函数为约束方程，采用非线性优化求解器进行优化求解得到PID控制器中最优的、、值。根据在工作点附近风量和频率的近似线性特征，求取修正后的频率值，并将变频器的频率调整为。本发明代替以往人工调节风量的麻烦，并且节能省时，方便快速，有效的提高了生产效率。

说明书

技术领域

  本发明属于控制技术领域，涉及工业过程控制领域的数据建模和过程控制，尤其涉及一种基于变频技术的变负荷大型换热器气阻特性的检测方法。

背景技术

气阻特性是表征大型换热器流动性能的重要指标，也是大型板翅式换热器产品在出厂前必须测试的重要指标之一。主要包括两个方面：一个是对于一定的换热器通道，在标准温度、标准压力和标准流量情况下，该换热器通道两端的压力损失；另外一个是在此情况下的换热器通道的摩擦因子。由于在不同温度、压力等条件下测试结果不同，缺乏可比性。因此规定标准状况为一个标准大气压下、标准零摄氏度为标准状况，此时测得的风量为标准风量，在其他压力和温度下测得的风量需要转化为标准风量。过去在测量过程中一般采用孔板流量计通过测量一定风量情况下换热器的气阻参数，然后换算得到在标准情况下换热器的气阻特性。采用以上方法具有明显的缺点，一个是孔板流量计的测量准确性比较差，另外风量的控制采用人工控制阀门的方式，没法准确控制在变换后的风量，第三个是采用孔板测量和人工控制不节能、不准确、后续人工计算量大，由于每个换热器测试时间长，工作效率比较低。

    采用变频器控制风机的风量，采用喷嘴测量系统可以解决系统节能问题，喷嘴测量风量的精度大大高于孔板流量计。由于测试过程中无法保证当前工况处于标准工况，需对换热器的温度和压力可根据气体状态方程进行换算，转换方法为： ，这里和表示标准温度和压力，为实测风量，和为实测压力和温度，则为换算后的标准风量。为了准确起见，在换热器通道性能测试过程中将风量快速控制在换算后的标准风量，也就是要求将实测风量通过转换成标准风量，然后控制这个标准风量使其等于设定风量。考虑到测试的效率和节能要求，测量装置采用变频技术进行风量调节。

换热器不同通道测试还有一个特点是测试具有间歇性：即测试完一个通道后，在将新的通道接到测量装置之前，测量装置风道风量要求为零。由于每个换热器的型号和类型不同，在测试过程中，如何确定变频器的初始频率，以及如何根据被测系统的特性，采用合适的控制方法将风量稳定控制在与标准工况相对应的设定值上，对换热器测量精度和快速性有重要影响。由于测量系统的滞后性、不同通道负荷特性差异很大以及变频信号变化的非线性特性，导致系统难以实现自动快速测量。因此有必要研究一种能在此情况下实现自动快速测控风量的方法，使之满足板翅式换热器气阻特性测试的工业要求。

发明内容

  本发明的目的是针对现有技术的不足，提供一种基于变频技术的变负荷大型换热器气阻特性的检测方法。

本发明采用的技术方案如下：

步骤（1）采集不同类型板翅式换热器设计参数以及运行参数，建立包含换热器设计参数和运行参数的实时数据库，具体参数的采集通过换热器系统检测平台中的数据库获取。

所述的换热器设计参数包括换热器的通道名称、设计风量、设计气阻，运行参数包括换热器的实际气阻、检测温度、气压以及实际变频器频率，这些参数的获得方法为成熟技术。

基于历史测试数据，采用神经网络建立设计标准风量、设计气阻与实际气阻、实际变频器频率之间的神经网络模型，以此预测不同换热器通道设计标准风量下，风机为了达到该风量的初始频率预测值，具体实施步骤如下：

首先，提取各个换热器通道情况下的历史数据，建立输入样本与输出样本集，输入样本包括换热器的设计风量、设计气阻、检测温度，输出样本为实际气阻和换热器在达到设计风量下的实际变频器频率，然后采用神经网络对这些历史数据进行训练，神经网络结构包括输入层、隐含层（中间层）和输出层，隐含层和输出层的神经元个数范围分别为4～10和2～6。训练过程中将设计风量、设计气阻和检测温度作为输入，以实际变频器频率和实际气阻作为输出，通过神经网络学习获得神经网络模型，神经网络模型中的各参数定义如下：

输入层单元输入向量为，目标向量；隐含层单元输入向量，输出向量；输出层单元输入向量，输出向量，k=1,2，…，m表示样本数据个数；输入层到隐含层的连接权， i=1,2,….,n；j=1,2,…p；隐含层到输出层的连接权， t=1,2,…q；隐含层各单元的输出阈值，输出层各单元的输出阈值。

神经网络模型的学习过程步骤如下：

a)    初始化各层的连接权值和阈值，给每个连接权、和输出阈值、赋予区间(-1,1)内的随机值。

b)    选取输入样本和输出样本。

c)    用输入样本、连接权、输入阈值和输出阈值计算隐含层和输出层各单元的输出。     

其中，表示隐含层单元的输入值、表示隐含层单元的输出值、表示输出层单元的输入值、表示输出层单元的输出值。

d)    计算输出层各单元一般化误差，然后利用隐含层到输出层的连接权、隐含层的输出向量、输出层各单元一般化误差计算隐含层各单元的一般化误差，计算公式如下：

；

；

e)    利用输出层各单元的一般化误差与隐含层各单元的输出值来修正隐含层到输出层的连接权、输出阈值：

；

；

同样利用隐含层各单元的一般化误差与输入层的输入来修正输入层到隐含层的连接权、输出阈值：

， ，。 

表示当前的连接权，表示修正后的连接权；表示当前的输出阈值，表示修正后的相应阈值。

表示当前的连接权，表示修正后的连接权，表示当前的阈值，表示修正后的阈值，N=1,2，…，NN，其中NN表示设定的学习迭代次数。

f)    选取下一个输入样本和输出样本，返回到步骤c)，直到m个训练样本训练完毕。

g)    计算所有样本的累计误差，累计误差计算方式为，其中，q表示输出层单元数，m表示样本数量。如果样本累计误差小于预先设定值，或者当前学习迭代次数大于设定的学习迭代次数，那么学习训练结束。否则再次选取样本输入和目标输出，然后返回到步骤c)。

学习过程结束后，通过得到的神经网络各部分的权值和阈值，建立能够反映输入和输出的神经网络模型，通过给定输入信息（设计风量、设计气阻和检测温度），获得变频器初始频率的预测值。

步骤（2）：根据实际换热器某通道的设计风量、设计气阻和检测温度，利用步骤（1）建立的神经网络模型得到该换热器某通道条件下变频器的初始频率预测值。

步骤（3）：根据步骤（2）得到的初始频率预测值，将风机频率从0调为的80%，记为，当风机频率达到并稳定运行10～20s后，测得此时实测标准风量并记为；将风机频率调节为的100%，记为，当风机频率达到并稳定10～20s后，测得此时实测标准风量并记为；而在风机频率从到并稳定10～20s过程中，以周期0.5～1s记录换热器通道的实测标准风量、实测气阻以及风机频率，然后，将该过程中记录得到的实测标准风量和风机频率分别减去和，得到风量变化值、频率变化值，其中和分别表示记录的第个风量变化和频率变化值。

步骤（4）：根据管道气体流动控制模型特点，建立频率和风量之间的传递函数。风量控制系统传递函数为一阶惯性加延迟环节，因此可将频率与标准风量之间的传递函数设为，其中分别表示开环放大倍数、时间常数和延迟时间，为复数。根据步骤（3）得到的频率变化值，将分别赋予正的初值，通过传递函数计算出在采样点处频率变化值作用下的输出，然后以为目标，采用最小二乘算法拟合出传递函数中的三个参数，得到该换热器某通道的具体传递函数。

步骤（5）：在步骤（4）建立了换热器某通道的具体传递函数后，为了确保快速稳定的将风量调节到预设标准风量，整定PID的参数。以IATE积分性能为最优指标，以PID控制器中参数、、为变量，以PID+作为开环传递函数，以闭环传递函数为约束方程，以、、均为正值为变量约束，采用非线性优化求解技术进行优化求解，得到最优的PID控制器参数、、值，其中、、分别表示比例、积分和微分参数。

步骤（6）：根据步骤(2)得到初始频率预测值和步骤（3）得到的频率，计算出风量与频率之间近似的线性关系参数，并确定初始频率的修正值，将风机频率调节到修正值，并稳定秒。根据相似原理，频率与风量存在近似关系为，其中和为需要得到的线性关系参数。将初始频率预测值和以及对应的风量，带入以上关系式求出参数和。在得到和后，根据的关系，令为设定标准风量，求出在设定标准风量下初始频率的修正值。

步骤(7）：将风机频率设定在频率点，等频率达到设定值并稳定秒后。然后采用增量式PID控制器将换热器通道的实测风量控制在设定标准风量处，得到在设定标准风量下换热器通道的气阻特性。PID的输出形式为：

；

这里增量式PID控制器的三个参数、、为在步骤（5）得到得那三个参数。表示采样周期，代表相应步数的设定值与反馈值之间的误差，、、分别表示当前频率值、频率变化值以及下一步的频率值。通过增量式PID控制，可将实测风量值自动控制在设定标准风量值，控制精度在0.5%以内。此时通过测量得到的气阻特性就是在设定标准风量下的气阻特性，通过实测气阻和设计气阻之间的比较，可得换热器气阻特性性能指标。

本发明的有益效果：

本发明不仅完全代替过去手工检测换热器气阻特性方法，具有自动检测、自动计算和测试精度高的特点。本方法的自动化和快速性非常好，能够适应不同负载和风量要求，在提高测试精度、降低人工工作量的同时，可大大加快换热器测试批次数。

具体实施方式

基于变频技术的变负荷大型换热器气阻特性的检测方法，对不同换热器不同通道特性，进行自动快速测量气阻特性。本发明首先根据历史测试数据进行数据挖掘，采用神经网络建立换热器设计参数与初始频率之间的关系，然后通过不同换热器通道的控制特性参数自动辨识获得换热器通道的控制特性，采用最优性能指标整定自动控制器的PID参数，然后采用增量式PID控制器将风道风量转换后的标准值控制到设定标准风量处，通过检测此时的气阻值来得到其气阻特性。

本发明的具体步骤如下：

步骤（1）采集不同类型板翅式换热器设计参数以及运行参数，建立包含换热器设计参数和运行参数的实时数据库，具体参数的采集通过换热器系统检测平台中的数据库获取。

所述的换热器设计参数包括换热器的通道名称、设计风量、设计气阻，运行参数包括换热器的实际气阻、检测温度、气压以及实际变频器频率，这些参数的获得方法为成熟技术。

基于历史测试数据，采用神经网络建立设计标准风量、设计气阻与实际气阻、实际变频器频率之间的神经网络模型，以此预测不同换热器通道设计标准风量下，风机为了达到该风量的初始频率预测值，具体实施步骤如下：

首先，提取各个换热器通道情况下的历史数据，建立输入样本与输出样本集，输入样本包括换热器的设计风量、设计气阻、检测温度，输出样本为实际气阻和换热器在达到设计风量下的实际变频器频率，然后采用神经网络对这些历史数据进行训练，神经网络结构包括输入层、隐含层（中间层）和输出层，隐含层和输出层的神经元个数范围分别为4～10和2～6。训练过程中将设计风量、设计气阻和检测温度作为输入，以实际变频器频率和实际气阻作为输出，通过神经网络学习获得神经网络模型，神经网络模型中的各参数定义如下：

输入层单元输入向量为，目标向量；隐含层单元输入向量，输出向量；输出层单元输入向量，输出向量，k=1,2，…，m表示样本数据个数；输入层到隐含层的连接权， i=1,2,….,n；j=1,2,…p；隐含层到输出层的连接权， t=1,2,…q；隐含层各单元的输出阈值，输出层各单元的输出阈值。

神经网络模型的学习过程步骤如下：

h)    初始化各层的连接权值和阈值，给每个连接权、和输出阈值、赋予区间(-1,1)内的随机值。

i)    选取输入样本和输出样本。

j)    用输入样本、连接权、输入阈值和输出阈值计算隐含层和输出层各单元的输出。     

其中，表示隐含层单元的输入值、表示隐含层单元的输出值、表示输出层单元的输入值、表示输出层单元的输出值。

k)    计算输出层各单元一般化误差，然后利用隐含层到输出层的连接权、隐含层的输出向量、输出层各单元一般化误差计算隐含层各单元的一般化误差，计算公式如下：

；

；

l)    利用输出层各单元的一般化误差与隐含层各单元的输出值来修正隐含层到输出层的连接权、输出阈值：

；

；

同样利用隐含层各单元的一般化误差与输入层的输入来修正输入层到隐含层的连接权、输出阈值：

， ，。 

表示当前的连接权，表示修正后的连接权；表示当前的输出阈值，表示修正后的相应阈值。

表示当前的连接权，表示修正后的连接权，表示当前的阈值，表示修正后的阈值，N=1,2，…，NN，其中NN表示设定的学习迭代次数。

m)    选取下一个输入样本和输出样本，返回到步骤c)，直到m个训练样本训练完毕。

n)    计算所有样本的累计误差，累计误差计算方式为，其中，q表示输出层单元数，m表示样本数量。如果样本累计误差小于预先设定值，或者当前学习迭代次数大于设定的学习迭代次数，那么学习训练结束。否则再次选取样本输入和目标输出，然后返回到步骤c)。

学习过程结束后，通过得到的神经网络各部分的权值和阈值，建立能够反映输入和输出的神经网络模型，通过给定输入信息（设计风量、设计气阻和检测温度），获得变频器初始频率的预测值。

步骤（2）：根据实际换热器某通道的设计风量、设计气阻和检测温度，利用步骤（1）建立的神经网络模型得到该换热器某通道条件下变频器的初始频率预测值。

步骤（3）：根据步骤（2）得到的初始频率预测值，将风机频率从0调为的80%，记为，当风机频率达到并稳定运行10～20s后，测得此时实测标准风量并记为；将风机频率调节为的100%，记为，当风机频率达到并稳定10～20s后，测得此时实测标准风量并记为；而在风机频率从到并稳定10～20s过程中，以周期0.5～1s记录换热器通道的实测标准风量、实测气阻以及风机频率，然后，将该过程中记录得到的实测标准风量和风机频率分别减去和，得到风量变化值、频率变化值，其中和分别表示记录的第个风量变化和频率变化值。

步骤（4）：根据管道气体流动控制模型特点，建立频率和风量之间的传递函数。风量控制系统传递函数为一阶惯性加延迟环节，因此可将频率与标准风量之间的传递函数设为，其中分别表示开环放大倍数、时间常数和延迟时间，为复数。根据步骤（3）得到的频率变化值，将分别赋予正的初值，通过传递函数计算出在采样点处频率变化值作用下的输出，然后以为目标，采用最小二乘算法拟合出传递函数中的三个参数，得到该换热器某通道的具体传递函数。

步骤（5）：在步骤（4）建立了换热器某通道的具体传递函数后，为了确保快速稳定的将风量调节到预设标准风量，整定PID的参数。以IATE积分性能为最优指标，以PID控制器中参数、、为变量，以PID+作为开环传递函数，以闭环传递函数为约束方程，以、、均为正值为变量约束，采用非线性优化求解技术进行优化求解，得到最优的PID控制器参数、、值，其中、、分别表示比例、积分和微分参数。

步骤（6）：根据步骤(2)得到初始频率预测值和步骤（3）得到的频率，计算出风量与频率之间近似的线性关系参数，并确定初始频率的修正值，将风机频率调节到修正值，并稳定秒。根据相似原理，频率与风量存在近似关系为，其中和为需要得到的线性关系参数。将初始频率预测值和以及对应的风量，带入以上关系式求出参数和。在得到和后，根据的关系，令为设定标准风量，求出在设定标准风量下初始频率的修正值。

步骤(7）：将风机频率设定在频率点，等频率达到设定值并稳定秒后。然后采用增量式PID控制器将换热器通道的实测风量控制在设定标准风量处，得到在设定标准风量下换热器通道的气阻特性。PID的输出形式为：

；

这里增量式PID控制器的三个参数、、为在步骤（5）得到得那三个参数。表示采样周期，代表相应步数的设定值与反馈值之间的误差，、、分别表示当前频率值、频率变化值以及下一步的频率值。通过增量式PID控制，可将实测风量值自动控制在设定标准风量值，控制精度在0.5%以内。此时通过测量得到的气阻特性就是在设定标准风量下的气阻特性，通过实测气阻和设计气阻之间的比较，可得换热器气阻特性性能指标。