專利名稱：在線測(cè)量冷凝器污臟程度方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及冷凝器換熱管，具體涉及一種測(cè)量冷凝器換熱管污臟程度的方法及由該方法所設(shè)計(jì)的裝置。
上述方法中測(cè)量污垢熱阻能較準(zhǔn)確地測(cè)定冷凝器的污臟程度，但須在換熱管上埋設(shè)鎧裝熱偶以檢測(cè)管壁溫度，冷凝器換熱管數(shù)量眾多，工程上較難實(shí)現(xiàn)；測(cè)量冷凝器出、入口水室之間的水流阻力可反映污垢的數(shù)量，但沒(méi)有體現(xiàn)出污垢的導(dǎo)熱性質(zhì)，用該方法確定冷凝器污臟程度顯然不夠準(zhǔn)確；傳熱系數(shù)的計(jì)算體現(xiàn)了冷凝器的換熱性能，但目前計(jì)算傳熱系數(shù)均采用傳統(tǒng)的經(jīng)驗(yàn)公式，而且未考慮蒸汽中不凝結(jié)氣體(空氣)對(duì)傳熱效果的影響，當(dāng)冷凝器變工況運(yùn)行時(shí)，存在較大誤差。
本發(fā)明針對(duì)現(xiàn)有監(jiān)測(cè)冷凝器換熱管污臟方法的不足，提出了一種可準(zhǔn)確地在線測(cè)定冷凝器污臟程度的新方法，其特征在于它是通過(guò)對(duì)冷凝器進(jìn)行徹底清洗后，首先測(cè)定某一給定工況的傳熱端差，此端差即為清潔狀態(tài)下該工況所對(duì)應(yīng)的端差，然后改變工況運(yùn)行，再測(cè)定上述傳熱端差，得到兩者之間的變化端差值；將該變化的傳熱端差值減去通過(guò)模糊建模法所得到的變工況端差值，再除以給定工況時(shí)傳熱端差值，以得到污臟系數(shù)，從而測(cè)出冷凝器的污臟程度。其中模糊建模法采用T-S模型辨識(shí)獲得規(guī)則簡(jiǎn)化、精度高的模糊模型，它包括下述步驟(1)獲取輸入、輸出測(cè)量數(shù)據(jù)，構(gòu)成數(shù)據(jù)矩陣，采用具有相似度判別的模糊GK聚類法，自動(dòng)確定合適的聚類組數(shù)，并求取前提模糊子集的隸屬函數(shù)；(2)采用最小二乘法求取結(jié)論參數(shù)；(3)采用遺傳算法優(yōu)化全局參數(shù)。本發(fā)明根據(jù)上述方法所設(shè)計(jì)的裝置包括可測(cè)定蒸汽流量Dc、冷卻水流量Dw、冷卻水入口溫度twi、冷凝器壓力所對(duì)應(yīng)的飽和蒸汽溫度ts、冷卻水出口溫度two、汽氣混合物在測(cè)量處的溫度tp、汽氣混合物在測(cè)量溫度處的壓力p之傳感器、信號(hào)調(diào)理電路、多路開(kāi)關(guān)、DSP，各傳感器與信號(hào)調(diào)理電路和多路開(kāi)關(guān)相接，同時(shí)與DSP相聯(lián)，LED顯示、鍵盤(pán)、通訊接口亦與DSP相接。
本發(fā)明選取傳熱端差作為研究對(duì)象，綜合考慮各因素對(duì)端差的的影響，以模糊建模技術(shù)為基礎(chǔ)成功實(shí)現(xiàn)了冷凝器污臟以及工況參數(shù)變化對(duì)端差影響的分離，可準(zhǔn)確地在線監(jiān)測(cè)冷凝器污臟。由于測(cè)量裝置所需的許多信號(hào)，如蒸汽流量、冷卻水入口溫度等現(xiàn)場(chǎng)已具備，可直接或以通信方式引入，因此，測(cè)量裝置成本低，安裝簡(jiǎn)便，還可適用于其他行業(yè)的大型換熱設(shè)備，具有良好的應(yīng)用前景。
傳熱端差是反映冷凝器熱交換狀況的重要性能指標(biāo)，與傳熱系數(shù)相比，該參數(shù)容易測(cè)量，能夠連續(xù)觀察其變化而積累數(shù)據(jù)。但傳熱端差除了主要取決于換熱面的污臟程度外，還與冷凝器的工況參數(shù)如蒸汽流量、冷卻水量等密切相關(guān)，因此，如何從眾多參數(shù)中分離出換熱面污臟對(duì)端差的影響，成為準(zhǔn)確測(cè)定冷凝器污臟程度的關(guān)鍵。
下面給出本發(fā)明具體實(shí)施方法。
首先，將傳熱端差定義為δt＝ts-two(1)上述式中δt——冷凝器的傳熱端差ts——冷凝器壓力所對(duì)應(yīng)的飽和蒸汽溫度
two——冷卻水出口溫度當(dāng)冷凝器的冷卻面積一定時(shí)，分析換熱過(guò)程，可知δt能表示為δt＝f(Dc，Dw，c，ε，twi) (2)式中Dc蒸汽流量；Dw冷卻水流量；c冷凝器的污臟系數(shù)；ε蒸汽中不凝結(jié)氣體(空氣)的含量；twi冷卻水入口溫度設(shè)冷凝器被徹底清洗后，在某一給定的蒸汽流量Dc、冷卻水流量Dw、冷卻水入口溫度twi、空氣含量ε下，測(cè)得的端差為δtd，δtd可看作清潔狀態(tài)下該工況對(duì)應(yīng)的端差。改變工況并運(yùn)行一段時(shí)間，設(shè)測(cè)得的端差為δtf，顯然δtd、δtf的差值Δδ＝δtf-δtd既有換熱面污臟引起的，也有因工況參數(shù)變化而引起的，表示為Δδ＝Δδc+Δδg(3)式中Δδc換熱面污臟引起的端差變化，稱之為污垢端差。
Δδg變工況引起的端差變化，稱之為變工況端差。
定義污臟系數(shù)c=Δδcδtd=Δδ-Δδgδtd---(4)]]>由上式可看出，要確定c，須求出Δδg。由于Δδg＝f(ΔDs，ΔDw，Δtwi，Δε)描述的是一非常復(fù)雜的傳熱過(guò)程，其精確數(shù)學(xué)模型很難獲取。
本發(fā)明采用T-S模糊模型來(lái)獲取Δδg的數(shù)學(xué)模型，它是基于輸入、輸出測(cè)量數(shù)據(jù)的建模方法，能在任意精度上逼近任意非線性函數(shù)，與神經(jīng)網(wǎng)絡(luò)相比，其模型結(jié)構(gòu)具有較明確的物理意義，可用于復(fù)雜系統(tǒng)建模。不同辨識(shí)算法獲取的模糊模型在結(jié)構(gòu)與精度等方面均有差異，為了構(gòu)建規(guī)則簡(jiǎn)化的、具有良好逼近能力的過(guò)程模型，本發(fā)明采用了基于相似度判別的模糊聚類法，并通過(guò)遺傳算法優(yōu)化模型參數(shù)，從而建立起規(guī)則簡(jiǎn)化、精度高的變工況端差模型，實(shí)現(xiàn)冷凝器污臟程度的準(zhǔn)確測(cè)量。
本發(fā)明T-S模型的建模變工況端差Δδg＝f(x)，x＝(x1，Λ，x4)＝(ΔDs，ΔDw，Δtwi，Δε)，可由T-S模糊模型來(lái)逼近，模糊模型的第i條規(guī)則形式如下Riif x1is Ai1and…and x4is Ai4則Δδgi＝pi1x1+Λpi4x4+pi5(5)式中i＝1，ΛM，M規(guī)則數(shù)，Ai1～Ai4為前件中的模糊集合，pi1～pi5為后件中的多項(xiàng)式系數(shù)，則總的輸出Δδg=Σi=1MβiΔδgi---(6)]]>其中，βi為第i條規(guī)則的歸一化真值βi(x)=Πj=14Aij(xj)Σk=1MΠj=14Akj(xj)]]>且O≤βi≤1 (7)T-S模型的辨識(shí)T-S模型辨識(shí)包括前提模糊集合隸屬函數(shù)參數(shù)辨識(shí)和結(jié)論部分多項(xiàng)式系數(shù)預(yù)估兩部分。為了獲得規(guī)則簡(jiǎn)化的、具有較高精度的模糊模型，采用以下步驟的辨識(shí)算法1、獲取輸入、輸出測(cè)量數(shù)據(jù)，構(gòu)成數(shù)據(jù)矩陣，采用具有相似度判別的模糊GK聚類法，自動(dòng)確定合適的聚類組數(shù)，并求取前提模糊子集的隸屬函數(shù)。定義X=Λx(k)Λx(N),y=ΛΔδg(k)ΛΔδg(N)----(8)]]>X輸入數(shù)據(jù)矩陣，y輸出矢量則用于聚類的數(shù)據(jù)矩陣Z可由矩陣X和輸出矢量y構(gòu)成zT＝[Xy]模糊聚類的目的是將z劃分為M個(gè)聚類組，并求出每組的聚類中心，使得非相似性指標(biāo)的價(jià)值函數(shù)達(dá)到最小。聚類組可由隸屬矩陣U＝[μik]MxN表示。μik為第k個(gè)數(shù)據(jù)對(duì)聚類組i的隸屬度，滿足μik∈
,Σi=1Mμik=1,0<Σk=1Nμik<N,1≤k≤N,1≤i≤M---(9)]]>模糊聚類中，每一個(gè)聚類組產(chǎn)生一條模糊規(guī)則，因此，聚類組的數(shù)目直接影響模型的性能。常規(guī)的模嘲C均值聚類算法、GK(Gustafson-Kessel)聚類算法，在應(yīng)用時(shí)均須預(yù)先設(shè)定聚類組數(shù)，聚類組過(guò)多，導(dǎo)致規(guī)則繁雜，計(jì)算量大，不利于實(shí)時(shí)應(yīng)用，而且由聚類組產(chǎn)生的模糊集合容易出現(xiàn)冗余，影響模糊模型的透明性。聚類組太少則會(huì)降低模型精度。為了克服這一現(xiàn)象，本發(fā)明提出基于相似度判別的模糊聚類算法設(shè)(i，j)為一聚類組對(duì)，j包含于i的程度Iij以及i包含于j的程度Iji分別表示為Iij=Σk=1Nmin(μik,μjk)Σk=1Nμik]]>Iji=Σk=1Nmin(μik,μjk)Σk=1Nμjk---(10)]]>則該聚類組對(duì)的相似度Sij定義為Sij＝max(Iij，Iji) Sij∈
(11)若Sij＝1，表示j完全包含于i中，反之亦然。
聚類開(kāi)始時(shí)，預(yù)先設(shè)定較多的聚類組數(shù)，在聚類過(guò)程中，不斷計(jì)算并選擇具有最大相似度的聚類組對(duì)，當(dāng)最大相似度超過(guò)某一閾值α，即將對(duì)應(yīng)的聚類組合并，直至獲得最佳聚類組數(shù)。
模糊C均值法采用歐氏距離進(jìn)行聚類，只能得到球狀的類，若實(shí)際的樣品集合呈現(xiàn)為一些橢球狀或鏈狀的類，則這種方法難以取得滿意的結(jié)果。為此，我們采用自調(diào)整距離度量的GK算法。具有相似度判別的GK模糊聚類算法步驟如下(1)給定數(shù)據(jù)集Z，選擇初始聚類組數(shù)目M(0)，模糊指數(shù)m＞1，終止量ξ＞0，隨機(jī)初始化隸屬度矩陣U(0)。(l＝1，2，…，1≤k≤N)(2)計(jì)算聚類中心vi(l)=Σk=1N(μik(l-1))mzkΣk=1N(μik(l-1))m----1≤i≤M(l-1)]]>(3)計(jì)算協(xié)方差矩陣Fi=Σk=1N(μik(l-1))m(zk-vi(l))(zk-vi(l))TΣk=1N(μik(l-1))m---1≤i≤M(l-1)]]>(4)計(jì)算距離d2(zk,vi)=(zk-vi(l))T[det(Fi)1/nFi-1](zk-vi(l))---1≤i≤M(l-1)]]>(5)更新隸屬矩陣μik(l)=1Σj=1K(d(zk,vi)/d(zk,vj)2/(m-1)---1≤i≤M(l-1)]]>(6)計(jì)算并選擇具有最大相似度的聚類組對(duì)(i*，j*).
根據(jù)Iji和Sij算式，求得Sij(l)，最大相似度為Si*j*(l)=max(Sij(l))---1≤i,j≤M(l-1)]]>(7)最大相似度超過(guò)某一閾值α，合并對(duì)應(yīng)的聚類組，同時(shí)，聚類組數(shù)減1。
若Si*j*(l)>α,]]>則μi*k(l):=(μi*k(l)+μj*k(l))]]>M(l)＝M(l-1)-1(8)若‖U(l)-U(l-1)‖＜ε成立，則算法停止，否則，返回步驟2。
將求得的隸屬矩陣向輸入變量xi(k)(j＝1，Λ4)逐點(diǎn)投影μAi(xj(k))=projj(μik)---(12)]]>式中，proj是逐點(diǎn)投影算點(diǎn)。
(9)將逐點(diǎn)投影所得到的曲線由分段指數(shù)函數(shù)、三角函數(shù)等參數(shù)函數(shù)逼近。本發(fā)明根據(jù)實(shí)際投影所得曲線的特點(diǎn)，采用梯形函數(shù)μ(x;a,b,c,d)=max(min(x-ab-a,1,d-xd-c),0)a≤b≤c≤d---(13)]]>從而獲得了對(duì)應(yīng)的前提模糊子集的隸屬函數(shù)。
2、采用最小二乘法求取結(jié)論參數(shù)。
設(shè)第i條規(guī)則的結(jié)論參數(shù)表示為θi＝(pi1，Λ，pi5)定義Xe＝[X 1]Φi=μi10Λ00μi2Λ0MM0M00ΛμiN---(14)]]>采用最小二乘法，可求得θi=[XeTφiXe]-1XeTφiy---(15)]]>3、采用遺傳算法優(yōu)化全局參數(shù)。
在上述辨識(shí)算法中，聚類組向輸入變量投影，對(duì)模糊集合的參數(shù)函數(shù)逼近，前提、結(jié)論參數(shù)的單獨(dú)辨識(shí)均可能引入一定誤差。為此，采用遺傳算法同時(shí)優(yōu)化前提、結(jié)論參數(shù)，以達(dá)到進(jìn)一步改善模型精度的目的。
遺傳算法主要包括編碼，適應(yīng)度計(jì)算，復(fù)制，交換，變異，終止條件等方面的內(nèi)容。
(1)編碼方案二進(jìn)制編碼是最常用的一種編碼方案，但當(dāng)應(yīng)用于求解多變量且要求具有高精度的參數(shù)優(yōu)化問(wèn)題時(shí)，用于編碼的二進(jìn)制字符串很長(zhǎng)，導(dǎo)致遺傳算法訓(xùn)練的解空間過(guò)大，需要很長(zhǎng)時(shí)間才能得到最優(yōu)解，為此本發(fā)明采用實(shí)數(shù)編碼方案。
模糊模型的各參數(shù)用染色體表示，每一條模糊規(guī)則含有4個(gè)前提變量，5個(gè)結(jié)論參數(shù)，第l條染色體的結(jié)構(gòu)如下所示sl＝(ant1，Λ，antM，θ1，Λ，θM) (16)式中，anti＝(ai1，bi1，ci1，di1，Λ，ai4，bi4，ci4，di4)為第i條模糊規(guī)則的前提參數(shù)，θi為第i條模糊規(guī)則的結(jié)論參數(shù)，染色體長(zhǎng)度L＝M(4*4+5)。
(2)適應(yīng)度函數(shù)模型性能指標(biāo)表示為J=1NΣk=1N(yk-y^k)---(17)]]>
yk為實(shí)際輸出， 為模型輸出。
適應(yīng)度函數(shù)定義為f=1J2---(18)]]>(3)復(fù)制采用輪盤(pán)選擇法選擇復(fù)制個(gè)體，其選擇概率為Pl=fl/Σk′=1nfk,]]>其中n為群體規(guī)模，并采用精英原則保存一定數(shù)量的優(yōu)良個(gè)體。
(4)交換采用輪盤(pán)選擇法，按適應(yīng)度大小選擇被交換的個(gè)體，依次兩兩進(jìn)行交換，交換概率PC＝0.6。設(shè)(sv，sw)為參與交換的染色體對(duì)，采用如下交換算子Svt+1=r.(Svt)+(1-r)Swt]]>Swt+1=r.(Swt)+(1-r)Svt----(19)]]>式中，t為遺傳代次(t＝0，1，…，T)，r為隨機(jī)數(shù)r∈
，(5)變異在染色體中任選一元素vk，將其用隨機(jī)數(shù)vk′替代，vk′∈[vkmin,vkmax],vkmin,vkmax]]>為該數(shù)的最小、最大值。所得染色體為Svt+1=(v1,Λ,v′,Λ,vm),]]>變異概率Pm＝0.05。
(6)終止條件將適應(yīng)度計(jì)算，復(fù)制，交換，變異等步驟重復(fù)進(jìn)行，直至最優(yōu)個(gè)體的適應(yīng)度變化量小于一足夠小的值η。此時(shí)獲得的即為最優(yōu)的前提、結(jié)論參數(shù)。
由以上辨識(shí)步驟，即可獲得規(guī)則簡(jiǎn)化的、具有較高精度的模糊模型。
本發(fā)明根據(jù)上述方法發(fā)明了可監(jiān)測(cè)冷凝器污臟程度的裝置，其硬件結(jié)構(gòu)如

圖1所示，其特征在于它包括可測(cè)定蒸汽流量Dc、冷卻水流量Dw、冷卻水入口溫度twi、冷凝器壓力所對(duì)應(yīng)的飽和蒸汽溫度ts、冷卻水出口溫度two、汽氣混合物在測(cè)量處的溫度tp、汽氣混合物在測(cè)量溫度處的壓力p之傳感器、信號(hào)調(diào)理電路、多路開(kāi)關(guān)、DSP，各傳感器與信號(hào)調(diào)理電路和多路開(kāi)關(guān)相接，同時(shí)與DSP相聯(lián)，LED顯示、鍵盤(pán)、通訊接口亦與DSP相接。本發(fā)明裝置以DSP為核心，實(shí)時(shí)采集各有關(guān)參數(shù)，計(jì)算出污臟系數(shù)并作動(dòng)態(tài)顯示。其中空氣含量可按如下方法求得在冷凝器抽氣設(shè)備的出口處測(cè)量汽水混合物的壓力，并同時(shí)測(cè)出汽水混合物的溫度，則汽水混合物中的空氣含量由下式得出ϵ=p-psp-0.378ps----(20)]]>式中ps汽氣混合物出口溫度相對(duì)應(yīng)的水蒸氣飽和壓力，可查表求得。
本發(fā)明軟件采用模塊結(jié)構(gòu)，主要包括數(shù)據(jù)采集、處理模塊；模糊模型計(jì)算模塊；顯示模塊；通訊模塊。
實(shí)驗(yàn)結(jié)果
為了驗(yàn)證該方法的有效性，進(jìn)行了現(xiàn)場(chǎng)試驗(yàn)，試驗(yàn)對(duì)象為N-3500-2型冷凝器。
1)模糊模型的獲取在保持凝汽器清潔的情況下，以Dc＝135t/h，Dw＝9400t/h，twi＝15℃，ε＝0.015％作為設(shè)定工況，獲取凝汽器在不同工況下的試驗(yàn)數(shù)據(jù)，構(gòu)成聚類矩陣。應(yīng)用上述辨識(shí)算法，得到由5條規(guī)則構(gòu)成的模糊模型，如下所示R1if ΔDcis A11and ΔDwis A12and Δtwiis A13and Δε is A14thenΔδg1=0.0334ΔDc+0.00011ΔDw-0.228Δtwi+19.9Δϵ+0.254]]>R2if ΔDcis A21and ΔDwis A22and Δtwiis A23and Δε is A24thenΔδg2=0.041ΔDc+0.00026ΔDw-0.195Δtwi+30.2Δϵ-0.136]]>R3if ΔDcis A31and ΔDwis A32and Δtwiis A33and Δε is A34thenΔδg3=0.0445ΔDc+0.00047ΔDw-0.132Δtwi+56.6Δϵ-0.17]]>R4if ΔDcis A41and ΔDwis A42and Δtwiis A43and Δε is A44thenΔδg4=0.0426ΔDc+0.00061ΔDw-0.064Δtwi+103.2Δϵ-0.51]]>R5if ΔDcis A51and ΔDwis A52and Δtwiis A53and Δε is A54thenΔδg5=0.0346ΔDc+0.00073ΔDw-0.023Δtwi+176.5Δϵ+0.47---(21)]]>前提變量模糊集合的隸屬函數(shù)如圖2所示。
表1為部分工況下，模糊模型輸出與實(shí)測(cè)數(shù)據(jù)的比較結(jié)果表1 不同工況下，模糊模型輸出與實(shí)測(cè)數(shù)據(jù)的比較結(jié)果蒸汽流量冷卻水量入口水溫空氣漏入量 實(shí)測(cè)端差 模型輸出端差 誤差Dc(t/h)Dw(t/h)twi(℃)ε(％) (℃)(℃) (℃)135 940015.00.0156.16.1 081.6940010.20.0154.84.7 -0.154.194005.5 0.0154.44.3 -0.1188.5 940020.80.05410.3 10.3 0108.2 12350 22.20.0336.86.7 -0.1108.2 12350 17.40.07512.1 12.2 0.181.668007.8 0.0155.05.0 0161.3 680013.30.0156.36.4 0.1
從比較的結(jié)果可以看出，模糊模型輸出與實(shí)測(cè)端差基本一致，表明基于T-S模型的模糊建模技術(shù)能夠獲得規(guī)則簡(jiǎn)化的、具有良好逼近能力的過(guò)程模型。
2)污臟程度的在線監(jiān)測(cè)模糊模型確定后，即可進(jìn)行在線監(jiān)測(cè)，為了驗(yàn)證該方法的準(zhǔn)確性，在冷凝器的不同位置埋設(shè)了12只鎧裝熱偶，以便與熱阻法進(jìn)行比較。試驗(yàn)分為兩個(gè)部分(1)將冷凝器徹底清洗，求取清洗后24小時(shí)的污臟系數(shù)變化。
(2)重新投運(yùn)清洗裝置，求取清洗時(shí)的污臟系數(shù)變化。
試驗(yàn)結(jié)果如下表所示。其中，表2為停運(yùn)清洗裝置后，冷凝器的污臟系數(shù)變化情況；表3為重新投運(yùn)清洗裝置后，冷凝器的污臟系數(shù)變化情況。Dw＝9400t/h，ε＝0.015％在試驗(yàn)過(guò)程中保持不變。清潔狀態(tài)時(shí)，在設(shè)定工況下測(cè)得的端差為δtd＝6.1℃。
表2 停運(yùn)清洗裝置后，冷凝器的污臟系數(shù)變化情況距清洗后 蒸汽流量 入口水溫 出口水溫 蒸汽溫度 端差污垢端差 污臟系數(shù)時(shí)間(h) Dc(t/h) twi(℃) two(℃) ts(℃) δtf(℃) Δδc(℃) 本文方法 熱阻法0 108.2 13.5 23.5 29.0 5.5 0.02 0.003 0.0002 108.2 13.5 23.5 29.4 5.9 0.46 0.075 0.0634 108.2 12.8 22.6 29.3 6.7 1.12 0.184 0.1666 108.2 12.3 22.1 29.1 7.0 1.37 0.225 0.2258 108.2 12.0 21.7 29.0 7.3 1.57 0.257 0.26510 108.2 11.6 21.3 28.8 7.5 1.71 0.28 0.28212 108.2 11.1 20.7 28.4 7.7 1.79 0.293 0.28514 108.2 11.1 20.6 28.3 7.7 1.85 0.303 0.31816 108.2 10.9 20.4 28.3 7.9 1.92 0.315 0.32718 135.0 11.7 23.1 31.8 8.7 1.93 0.316 0.33120 135.0 12.3 23.7 32.3 8.6 1.98 0.325 0.33922 135.0 13.1 24.4 32.9 8.5 1.99 0.326 0.33924 135.0 14.2 25.5 33.8 8.3 2.03 0.333 0.341
表3 重新投運(yùn)清洗裝置后，冷凝器的污臟系數(shù)變化情況清洗 蒸汽流量入口水溫 出口水溫蒸汽溫度 端差 污垢端差污臟系數(shù)時(shí)間(h) Dc(t/h)twi(℃) two(℃)ts(℃)δtf(℃) Δδc(℃) 本文方法 熱阻法0.0 135.014.2 25.5 33.8 8.3 2.03 0.3330.3410.5 135.014.3 25.8 33.3 7.5 1.26 0.2070.2231.0 135.014.2 25.9 32.9 7.0 0.67 0.11 0.1161.5 135.014.1 25.9 32.5 6.6 0.33 0.0540.0532.0 135.014.0 25.9 32.3 6.4 0.12 0.02 0.0272.5 135.014.0 25.9 32.3 6.4 0.05 0.0080.0053.0 135.013.8 25.7 32.1 6.4 0.03 0.0050.0043.5 135.013.8 25.7 32.1 6.4 0.03 0.0050.005從表2、表3可以看出，由本發(fā)明方法求得的污臟系數(shù)與熱阻法基本一致，而且污臟系數(shù)的變化趨勢(shì)符合冷凝器換熱管污垢的積聚與清洗特性，表明用該方法求得的污臟系數(shù)能夠判斷冷凝器的污臟程度。
權(quán)利要求
1.一種在線測(cè)量冷凝器污臟程度方法，其特征在于它是通過(guò)對(duì)冷凝器進(jìn)行徹底清洗后，首先測(cè)定某一給定工況的傳熱端差，然后改變工況運(yùn)行，再測(cè)定上述傳熱端差，得到兩者之間的變化端差值；將該變化的傳熱端差值減去通過(guò)模糊建模法所得到的變工況端差值，再除以給定工況時(shí)傳熱端差值，以得到污臟系數(shù)，從而測(cè)出冷凝器的污臟程度。
2.根據(jù)權(quán)利要求1所述的在線測(cè)量冷凝器污臟程度方法，其特征在于所述模糊建模法采用T-S模型辨識(shí)獲得規(guī)則簡(jiǎn)化的模糊模型，它包括下述步驟(1)獲取輸入、輸出測(cè)量數(shù)據(jù)，構(gòu)成數(shù)據(jù)矩陣，采用具有相似度判別的模糊GK聚類法，自動(dòng)確定合適的聚類組數(shù)，并求取前提模糊子集的隸屬函數(shù)；(2)采用最小二乘法求取結(jié)論參數(shù)；(3)采用遺傳算法優(yōu)化全局參數(shù)。
3.根據(jù)權(quán)利要求2所述的在線測(cè)量冷凝器污臟程度方法，其特征在于具有相似度判別的GK模糊聚類算法包括下述步驟(1)給定數(shù)據(jù)集Z，選擇初始聚類組數(shù)目M(0)，模糊指數(shù)m＞1，終止量ξ＞0，隨機(jī)初始化隸屬度矩陣U(0)(l＝1，2，…，1≤k≤N)；(2)計(jì)算聚類中心vi(l)=Σk=1N(μik(l-1))mzkΣk=1N(μik(l-1))m---1≤i≤M(l-1)]]>式中μik為第k個(gè)數(shù)據(jù)對(duì)聚類組i的隸屬度；(3)計(jì)算協(xié)方差矩陣Fi=Σk=1N(μik(l-1))m(zk-vi(l))(zk-vi(l))TΣk=1N(μik(l-1))m---1≤i≤M(l-1)]]>(4)計(jì)算距離d2(zk,vi)=(zk-vi(l))T[det(Fi)1/nFI-1](zk-vi(l))---1≤i≤M(l-1)]]>(5)更新隸屬矩陣μik(l)=1Σj=1K(d(zk,vi)/d(zk,vj)2/(m-1)---1≤i≤M(l-1)]]>(6)計(jì)算并選擇具有最大相似度的聚類組對(duì)(i*，j*).Si*j*(l)=max(Sij(l))---1≤i,j≤M(l-1)]]>(7)最大相似度超過(guò)某一閾值α，合并對(duì)應(yīng)的聚類組，同時(shí)，聚類組數(shù)減1；μi*k(l):=(μi*k(l)+μj*k(l))]]>M(l)＝M(l-1)-1(8)將求得的隸屬矩陣向輸入變量xj(k)(j＝1，Λ4)逐點(diǎn)投影μAi(xj(k))=projj(μik)]]>式中，proj是逐點(diǎn)投影算點(diǎn)；(9)將逐點(diǎn)投影所得到的曲線用梯形函數(shù)逼近μ(x;a,b,c,d)=max(min(x-ab-a,1,d-xd-c),0)---a≤b≤c≤d]]>獲得對(duì)應(yīng)的前提模糊子集的隸屬函數(shù)。
4.根據(jù)權(quán)利要求2所述的在線測(cè)量冷凝器污臟程度方法，其特征在于遺傳算法包括下述步驟(1)設(shè)置編碼方案模糊模型的各參數(shù)用染色體表示，每一條模糊規(guī)則含有4個(gè)前提變量，5個(gè)結(jié)論參數(shù)，第l條染色體的結(jié)構(gòu)滿足下述條件sl＝(ant1，Λ，antM，θ1，Λ，θM)式中，anti＝(ai1，bi1，ci1，di1，Λ，ai4，bi4，ci4，di4)為第i條模糊規(guī)則的前提參數(shù)，θi為第i條模糊規(guī)則的結(jié)論參數(shù)，染色體長(zhǎng)度L＝M(4*4+5)；(2)適應(yīng)度計(jì)算模型性能指標(biāo)表示為J=1NΣk=1N(yk-y^k)]]>其中yk為實(shí)際輸出， 為模型輸出適應(yīng)度函數(shù)為f=1J2;]]>(3)采用輪盤(pán)選擇法選擇復(fù)制個(gè)體，其選擇概率為Pl=fl/Σk′=1nfk,]]>其中n為群體規(guī)模，并采用精英原則保存一定數(shù)量的優(yōu)良個(gè)體；(4)采用輪盤(pán)選擇法，按適應(yīng)度大小選擇被交換的個(gè)體，依次兩兩進(jìn)行交換，交換概率PC＝0.6。設(shè)(sv，sw)為參與交換的染色體對(duì)，采用如下交換算子Svt+1=r.(Svt)+(1-r)Swt]]>Swt+1=r.(Swt)+(1-r)Svt]]>式中，t為遺傳代次(t＝0，1，…，T)，r為隨機(jī)數(shù)r∈
，(5)在染色體中任選一元素vk，將其用隨機(jī)數(shù)vk′替代，vk′∈[vkmin,vkmax],vkmin,vkmax]]>為該數(shù)的最小、最大值，所得染色體為Svt+1=(v1,Λ,v′,Λ,vm),]]>變異概率Pm＝0.05；(6)將上述步驟重復(fù)進(jìn)行，直至最優(yōu)個(gè)體的適應(yīng)度變化量小于一足夠小的值η，獲得最優(yōu)的前提、結(jié)論參數(shù)。
5.一種由上述在線測(cè)量冷凝器污臟程度方法設(shè)計(jì)的裝置，其特征在于它包括可測(cè)定蒸汽流量Dc、冷卻水流量Dw、冷卻水入口溫度twi、冷凝器壓力所對(duì)應(yīng)的飽和蒸汽溫度ts、冷卻水出口溫度two、汽氣混合物在測(cè)量處的溫度tp、汽氣混合物在測(cè)量溫度處的壓力p之傳感器、信號(hào)調(diào)理電路、多路開(kāi)關(guān)、DSP，各傳感器與信號(hào)調(diào)理電路和多路開(kāi)關(guān)相接，同時(shí)與DSP相聯(lián)，LED顯示、鍵盤(pán)、通訊接口亦與DSP相接。
全文摘要
一種在線測(cè)量冷凝器污臟程度方法，其特征在于它是通過(guò)對(duì)冷凝器進(jìn)行徹底清洗后，首先測(cè)定某一給定工況的傳熱端差，然后改變工況運(yùn)行，再測(cè)定上述傳熱端差，得到兩者之間的變化端差值；將該變化的傳熱端差值減去通過(guò)模糊建模法所得到的變工況端差值，再除以給定工況時(shí)傳熱端差值，以得到污臟系數(shù)，從而測(cè)出冷凝器的污臟程度。其裝置包括多個(gè)傳感器、信號(hào)調(diào)理電路、多路開(kāi)關(guān)、DSP，各傳感器與信號(hào)調(diào)理電路和多路開(kāi)關(guān)相接，同時(shí)與DSP相聯(lián)，LED顯示、鍵盤(pán)、通訊接口與DSP相接。本發(fā)明選取傳熱端差作為研究對(duì)象，綜合考慮各因素對(duì)端差的的影響，以模糊建模技術(shù)為基礎(chǔ)成功實(shí)現(xiàn)了冷凝器污臟以及工況參數(shù)變化對(duì)端差影響的分離，可準(zhǔn)確地在線監(jiān)測(cè)冷凝器污臟。
文檔編號(hào)G01M99/00GK1477368SQ03124598
公開(kāi)日2004年2月25日 申請(qǐng)日期2003年6月30日 優(yōu)先權(quán)日2003年6月30日
發(fā)明者樊紹勝, 王耀南, 王旭紅 申請(qǐng)人:樊紹勝, 王耀南, 王旭紅