CN109668750A - 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 - Google Patents
一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 Download PDFInfo
- Publication number
- CN109668750A CN109668750A CN201910009946.7A CN201910009946A CN109668750A CN 109668750 A CN109668750 A CN 109668750A CN 201910009946 A CN201910009946 A CN 201910009946A CN 109668750 A CN109668750 A CN 109668750A
- Authority
- CN
- China
- Prior art keywords
- pressure drop
- drop signal
- heat transfer
- recurrence
- transfer deterioration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/002—Thermal testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明是一种基于压降信号分析的并联小通道换热设备传热恶化现象预测方法,其特点是,包括:数据的采集、压降信号预处理、压降信号的递归图分析和基于压降信号递归特征量的传热恶化预警等步骤。能够通过递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的组合使用确定环状预警流型,只需要在小通道换热器进出口布置压力传感器即可,简单适用,能够及时、高效、准确的预测出并联小通道内发生的传热恶化现象,并且避免了温度监控的高成本和滞后性。适用于航空航天器、电子制冷设备中换热器传热恶化现象的预测。
Description
技术领域
本发明涉及换热设备监测领域,具体地说,是一种基于压降信号分析的并联小通道换热设备传热恶化预测方法,应用于预测航空航天器、电子制冷设备中换热器的传热恶化现象。
背景技术
换热设备小通道的结构紧凑,单位面积传热效率高。具有体积小、质量轻、密封性好的优点。因此小通道沸腾传热特性被越来越多不同领域的技术人员所关注。在航空航天,核反应堆,燃料电池等散热量大的设备中都有涉及。其中小通道在解决航空航天器发动机散热冷却问题上展现出极大的优势。但是小通道沸腾传热过程中会存在传热恶化现象(即通道内制冷剂干涸),会极大的影响传热效率,因此准确预测传热恶化现象以防止影响换热器的传热效率是非常重要的。
现有的换热设备小通道内传热恶化的监测方法主要是通过热电偶监测壁面,当壁面温度突然升高时即通道内出现传热恶化现象。但由于小通道内干涸点出现的位置随机,因此需要布置大量热电偶进行监测,这使得监测成本和维修成本增加。同时使用温度监测通道的传热恶化现象有滞后的特点。因此使用测温设备监测壁面温度并不能作为理想的监测传热恶化的方法。迄今,未见本发明的一种基于压降信号分析的并联小通道换热设备传热恶化预测方法的文献报道和实际应用。
发明内容
本发明的目的是,克服现有技术的缺点,提供一种科学合理,简单适用,预测及时、准确、效率高的基于压降信号分析的并联小通道换热设备传热恶化预测方法。
本发明的目的是由以下技术方案来实现的:一种基于压降信号分析的并联小通道换热设备传热恶化现象预测方法,其特征是,它包括以下步骤:
1)数据的采集与预处理
在通道进出口处布置压力测点,安装压力变送器,测量换热设备的进出口压降脉动信号,采集压降信号频率为200Hz,采集的长度为36000点;
2)压降信号预处理
由于压降信号本身受到现场设备以及其它因素影响,是多种频段脉动的叠加体,因此压力变送器采集到压降信号无法直接使用,需要进行去噪处理。采用小波阈值去噪方法对压降信号进行预处理;
3)压降信号的递归图分析
由于小通道的通道沸腾传热本来就属于混沌现象,因此预处理过的压降信号仍然无法直接用来预测通道内的传热恶化现象,需要把压降信号进行递归处理,对步骤2)预处理后的压降信号进行递归特征量提取,得到递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数,计算公式为:
①递归率(RR):递归图平面中递归点占整个平面总点数的百分比
式中N为参数个数,Ri,j为顺序模式递归图定义参数,
②层压性(LAM):表示递归图垂直结构的频率分布
式中
Pε(v)={vi;i=1...Nv} (3)
v为垂直结构长度,vmin为垂直结构长度的最小值,N为参数个数,Nv为垂直结构的绝对数,ε是延迟时间,
③决定论(DET):对角线结构的频率分布
式中
Pε(l)={li;i=1...Nl} (5)
l为对角线结构长度,lmin为对角线结构长度的最小值,N为参数个数,Nl为对角线的绝对数,Ri,j为顺序模式递归图定义参数,ε是延迟时间,m是嵌入维数;
4)基于压降信号递归特征量的传热恶化预警
通过步骤3)对递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的归纳总结,能够发现流动沸腾过程中存在五种主要流态:泡状流、弹状流、环状预警流、干涸和雾状流;而将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数组合使用可以准确识别出环状预警流,即传热恶化预警区;通过递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的组合建立传热恶化预警区识别模型;对于采集到的压降信号,将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数作为三个递归特征量在预警模型范围之内即可认定并联小通道换热设备处于传热恶化临界状态。
本发明的基于压降信号分析的并联小通道换热设备传热恶化预测方法,是一种利用递归特性参数的组合使用确定环状预警流型的科学方法,只需要在小通道进出口布置压力传感器即可,简单适用,能够及时、高效、准确的预测出并联小通道内发生的传热恶化现象,并且避免了温度监控的高成本和滞后性。
附图说明
图1是基于压降信号分析的并联小通道换热设备传热恶化预测实验系统图;
图2是基于压降信号分析的并联小通道换热设备示意图;
图3是本发明的基于压降信号分析的并联小通道换热设备传热恶化预测方法框图;
图4是并联小通道换热设备进出口温差图;
图5是压力信号经递归分析后递归率图;
图6是压力信号经递归分析后层压性图;
图7是压力信号经递归分析后决定论图;
图8小通道换热设备传热恶化预测模型图。
具体实施方式
下面利用附图和实施例对本发明作进一步说明。
本发明的一种基于压降信号分析的并联小通道换热设备传热恶化现象预测方法,包括以下步骤:
1)数据的采集与预处理
在通道进出口处布置压力测点,安装压力变送器,测量换热设备的进出口压降脉动信号,采集压降信号频率为200Hz,采集的长度为36000点;
2)压降信号预处理
由于压降信号本身受到现场设备以及其它因素影响,是多种频段脉动的叠加体,因此压力变送器采集到压降信号无法直接使用,需要进行去噪处理。采用小波阈值去噪方法对压降信号进行预处理;
3)压降信号的递归图分析
由于小通道的通道沸腾传热本来就属于混沌现象,因此预处理过的压降信号仍然无法直接用来预测通道内的传热恶化现象,需要把压降信号进行递归处理,对步骤2)预处理后的压降信号进行递归特征量提取,得到递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数,计算公式为:
①递归率(RR):递归图平面中递归点占整个平面总点数的百分比
式中N为参数个数,Ri,j为顺序模式递归图定义参数,
②层压性(LAM):表示递归图垂直结构的频率分布
式中
Pε(v)={vi;i=1...Nv} (3)
v为垂直结构长度,vmin为垂直结构长度的最小值,N为参数个数,Nv为垂直结构的绝对数,ε是延迟时间,
③决定论(DET):对角线结构的频率分布
式中
Pε(l)={li;i=1...Nl} (5)
l为对角线结构长度,lmin为对角线结构长度的最小值,N为参数个数,Nl为对角线的绝对数,Ri,j为顺序模式递归图定义参数,ε是延迟时间,m是嵌入维数;
4)基于压降信号递归特征量的传热恶化预警
通过步骤3)对递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的归纳总结,能够发现流动沸腾过程中存在五种主要流态:泡状流、弹状流、环状预警流、干涸和雾状流;而将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数组合使用可以准确识别出环状预警流,即传热恶化预警区;通过递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的组合建立传热恶化预警区识别模型;对于采集到的压降信号,将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数作为三个递归特征量在预警模型范围之内即可认定并联小通道换热设备处于传热恶化临界状态。
具体实例:如图1所示,一种基于压降信号分析的并联小通道换热设备传热恶化预测实验系统,包括工质循环系统、加热系统、冷却系统和数据采集系统四个部分组成。工质循环系统包括液体储存器、泵、预热器、实验段。工质循环过程为:工质从储液瓶中流出,经过流量计进入预热器,达到饱和液体温度后进入实验吸热,从实验段流出的工质流经水冷装置冷却,冷却后经过过滤器,过滤后的工质重新回到储液瓶完成一个完整的工质循环。
参照图2,实施例的基于压降信号分析的并联小通道换热设备的小通道有9个小通道并联组成,每个小通道的长为250mm、宽为2mm、高为2mm。在进出口处布置压力传感器和温度传感器,通过压力传感器完成对通道进出口压差信号的采集。小通道内流动工质为R141b。在小通道换热设备的沸腾传热过程中,会出现泡状流、弹状流、环状预警流、干涸和雾状流。
参照图3,本发明的基于压降信号分析的并联小通道换热设备传热恶化预测方法包括的步骤有:采集信号、信号处理、制定预测模型、数据对比和识别环状预警流型。
参照图4,并联小通道换热设备的小通道在干涸发生后进出口温差急剧下降。换热设备发生传热恶现象,而环状预警流型可以作为传热恶化现象发生前的警示流型。故需要通过对压力信号的分析得出传热恶化预测模型(即通过压力信号识别环状预警流型)。
参照图5、图6、图7,由于小通道换热设备沸腾传热过程属于混沌现象,因此从单一地归特性参数很难识别出环状预警流,所以考虑将将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数组合使用进而识别环状预警流型。
参照图8,从图中可以看出,即当RR小于0.38,DET大于3.48,LAM大于0.82时即可判定该流型为环状预警流型,警示即将发生传热恶化现象。即新的小通道换热设备的传热恶化预测模型制定完成。在工程中只需对小通道换热设备进出压降信号进行递归分析,在得到递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数后与制定模型进行比对,当递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数全部满足制定模型的范围时,可以通过调整流量或降低进口工质温度来防止通道内出现传热而恶化现象。而且该方法主要考察发生干涸前管道内部由于流动机理发生改变而引起的压降变化在递归特征量上的体现,而所有干涸的发生在流动机理上都基本类似,所以该方法受管道尺寸以及制冷剂类型等因素影响不大,具有一定的普适性。经过实验验证,这种新型的小通道换热设备传热恶化预测模型的准确率达到91%以上。是一种理想高效及时的预测小通道换热设备传热恶化的模型。
以上所述,仅仅为本发明的具体实施方式,但本发明的适用范围不仅仅局限于此,任何熟悉该领域技术的人员根据本发明的技术方案得出的其他实施方式也同样属于本发明所保护的范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种基于压降信号分析的并联小通道换热设备传热恶化现象预测方法,其特征是,它包括以下步骤:
1)数据的采集与预处理
在通道进出口处布置压力测点,安装压力变送器,测量换热设备的进出口压降脉动信号,采集压降信号频率为200Hz,采集的长度为36000点;
2)压降信号预处理
由于压降信号本身受到现场设备以及其它因素影响,是多种频段脉动的叠加体,因此压力变送器采集到压降信号无法直接使用,需要进行去噪处理。采用小波阈值去噪方法对压降信号进行预处理;
3)压降信号的递归图分析
由于小通道的通道沸腾传热本来就属于混沌现象,因此预处理过的压降信号仍然无法直接用来预测通道内的传热恶化现象,需要把压降信号进行递归处理,对步骤2)预处理后的压降信号进行递归特征量提取,得到递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数,计算公式为:
①递归率(RR):递归图平面中递归点占整个平面总点数的百分比
式中N为参数个数,Ri,j为顺序模式递归图定义参数,
②层压性(LAM):表示递归图垂直结构的频率分布
式中
Pε(v)={vi;i=1...Nv} (3)
v为垂直结构长度,vmin为垂直结构长度的最小值,N为参数个数,Nv为垂直结构的绝对数,ε是延迟时间,
③决定论(DET):对角线结构的频率分布
式中
Pε(l)={li;i=1...Nl} (5)
l为对角线结构长度,lmin为对角线结构长度的最小值,N为参数个数,Nl为对角线的绝对数,Ri,j为顺序模式递归图定义参数,ε是延迟时间,m是嵌入维数;
4)基于压降信号递归特征量的传热恶化预警
通过步骤3)对递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的归纳总结,能够发现流动沸腾过程中存在五种主要流态:泡状流、弹状流、环状预警流、干涸和雾状流;而将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数组合使用可以准确识别出环状预警流,即传热恶化预警区;通过递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数的组合建立传热恶化预警区识别模型;对于采集到的压降信号,将递归率(RR)、层压性(LAM)和决定论(DET)三个递归特性参数作为三个递归特征量在预警模型范围之内即可认定并联小通道换热设备处于传热恶化临界状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910009946.7A CN109668750B (zh) | 2019-01-06 | 2019-01-06 | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910009946.7A CN109668750B (zh) | 2019-01-06 | 2019-01-06 | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109668750A true CN109668750A (zh) | 2019-04-23 |
CN109668750B CN109668750B (zh) | 2020-06-23 |
Family
ID=66149262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910009946.7A Active CN109668750B (zh) | 2019-01-06 | 2019-01-06 | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109668750B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208312A (zh) * | 2019-05-29 | 2019-09-06 | 东北电力大学 | 一种用于电场干扰下并联小通道临界热流密度的预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003315211A (ja) * | 2002-04-17 | 2003-11-06 | Tokyo Gas Co Ltd | 機器の劣化を検出する方法 |
CN101216164A (zh) * | 2007-12-29 | 2008-07-09 | 西安交通大学 | 一种水冷壁在线安全评价方法 |
CN101551650A (zh) * | 2009-05-13 | 2009-10-07 | 陕西盛世辉煌智能科技有限公司 | 一种水冷壁在线安全评价方法 |
CN103258097A (zh) * | 2013-05-16 | 2013-08-21 | 中南大学 | 考虑流型的有机朗肯循环换热器管道长度优化设计方法 |
CN204187901U (zh) * | 2014-09-22 | 2015-03-04 | 广州天河兰石技术开发有限公司 | 冰箱换热器性能测控装置 |
CN104834773A (zh) * | 2015-04-29 | 2015-08-12 | 哈尔滨工程大学 | 一种直管式直流蒸汽发生器换热性能的仿真方法 |
CN106055850A (zh) * | 2016-07-18 | 2016-10-26 | 西安交通大学 | 一种获得偏离泡核沸腾型临界热流密度的方法 |
CN107014860A (zh) * | 2017-04-19 | 2017-08-04 | 哈尔滨工程大学 | 管内流动沸腾蒸干及蒸干后热工水力特性的实验装置及蒸干判别方法 |
-
2019
- 2019-01-06 CN CN201910009946.7A patent/CN109668750B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003315211A (ja) * | 2002-04-17 | 2003-11-06 | Tokyo Gas Co Ltd | 機器の劣化を検出する方法 |
CN101216164A (zh) * | 2007-12-29 | 2008-07-09 | 西安交通大学 | 一种水冷壁在线安全评价方法 |
CN101551650A (zh) * | 2009-05-13 | 2009-10-07 | 陕西盛世辉煌智能科技有限公司 | 一种水冷壁在线安全评价方法 |
CN103258097A (zh) * | 2013-05-16 | 2013-08-21 | 中南大学 | 考虑流型的有机朗肯循环换热器管道长度优化设计方法 |
CN204187901U (zh) * | 2014-09-22 | 2015-03-04 | 广州天河兰石技术开发有限公司 | 冰箱换热器性能测控装置 |
CN104834773A (zh) * | 2015-04-29 | 2015-08-12 | 哈尔滨工程大学 | 一种直管式直流蒸汽发生器换热性能的仿真方法 |
CN106055850A (zh) * | 2016-07-18 | 2016-10-26 | 西安交通大学 | 一种获得偏离泡核沸腾型临界热流密度的方法 |
CN107014860A (zh) * | 2017-04-19 | 2017-08-04 | 哈尔滨工程大学 | 管内流动沸腾蒸干及蒸干后热工水力特性的实验装置及蒸干判别方法 |
Non-Patent Citations (2)
Title |
---|
洪文鹏 等: "管束间压差波动信号的递归特性分析", 《中国电机工程学报》 * |
洪文鹏 等: "顺错列管束流型及其压差波动信号的递归特性研究", 《化工自动化及仪表》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208312A (zh) * | 2019-05-29 | 2019-09-06 | 东北电力大学 | 一种用于电场干扰下并联小通道临界热流密度的预测方法 |
CN110208312B (zh) * | 2019-05-29 | 2021-07-02 | 东北电力大学 | 一种用于电场干扰下并联小通道临界热流密度的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109668750B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107560984A (zh) | 一种液压系统的油液污染在线监测装置及监测方法 | |
CN108875719A (zh) | 基于深度学习与红外图像识别的空冷器积灰状态感知系统与计算方法 | |
CN208187683U (zh) | 超临界二氧化碳可视化测量试验台架 | |
CN110134567B (zh) | 基于卷积神经网络的微处理器非均匀采样热分布重构方法 | |
CN105626502B (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
CN108956184A (zh) | 一种变压器强油风冷冷却器散热效率量化测定方法及装置 | |
CN105715530B (zh) | 一种换流阀冷却系统水泵加速寿命试验平台及其试验方法 | |
CN109668750A (zh) | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 | |
CN106959422B (zh) | 一种电池寿命预警装置的检测方法 | |
CN108256166A (zh) | 一种用于热图技术的数据处理方法 | |
CN108645524A (zh) | 一种间接空冷系统温度场在线监测装置及方法 | |
CN103674189B (zh) | 一种汽轮机系统流量计故障监测方法 | |
CN102589824B (zh) | 一种凝汽器漏空气检测方法 | |
CN109709911B (zh) | 一种火电机组循环工质外漏在线测量方法及测量系统 | |
CN206469439U (zh) | 一种用于中央空调的冷冻站单元控制装置 | |
CN108563873A (zh) | 一种基于三种类型不确定性变量的换热器可靠度计算方法 | |
Pan et al. | Study on intelligent anti–electricity stealing early-warning technology based on convolutional neural networks | |
Belushkin et al. | Hydrodynamics and the fluctuation theorem | |
CN106680006B (zh) | 一种分体管壳式余热锅炉实验系统及实验方法 | |
CN208985185U (zh) | 基于深度学习与红外图像识别的空冷器积灰状态感知系统 | |
CN105869688A (zh) | 安全壳水膜覆盖率的测量方法及装置 | |
CN204788462U (zh) | 基于无线传感器的循环水换热器故障诊断实验系统 | |
CN103994945B (zh) | 一种发动机冷却液中的气体含量的测量装置及方法 | |
CN204760736U (zh) | 一种激光器循环冷却系统 | |
CN107339359A (zh) | 一种阻尼器疲劳试验冷却方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |