CN110779264B - 基于风机振动和信息融合的除霜控制系统及控制方法 - Google Patents

Abstract

本发明提供一种基于风机振动和信息融合的除霜控制系统及控制方法，系统包括：振动测量装置，实时测量空气源热泵蒸发器风机的振动信号；温度测量装置，实时监测空气源热泵蒸发器冷媒入口处的空气温度；压力测量装置，实时测量空气源热泵蒸发器出口的蒸发压力；数据采集模块，采集所述振动信号、空气温度和蒸发压力；数据转换模块，对数据采集模块采集的数据进行滤波、解调、分解和重构，再利用特征提取算法提取特征数据值；数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；除霜控制模块，根据诊断结霜情况，对空气源热泵蒸发器进行除霜控制。本发明提高了除霜判断的精度，热泵运行效率高，节约成本。

Description

基于风机振动和信息融合的除霜控制系统及控制方法

技术领域

本发明属于热泵除霜技术领域，具体涉及一种基于风机振动和信息融合的除霜控制系统及控制方法。

背景技术

热泵是一种节能环保的供暖供冷设备，是一种消耗部分高位能使热量从低位热源流向高位热源的装置。空气源热泵是以空气作为低位热源，由于空气取之不尽，用之不竭，且空气源热泵装置的安装和使用较为方便，因此受到了广泛的关注。空气源热泵的适应范围广，运行成本低，对环境无污染，具有良好的节能减排效果，现已广泛应用于化工、热能、制热、暖通等领域。

空气源热泵在冬季供热运行时，由于管壁温度低于0℃，附着在蒸发器管壁上的空气中的水分则会凝结成霜。霜层加厚会堵塞空气侧通道，增大了流动阻力，减小了空气流量，从而导致室外侧换热器的风机性能衰减，热泵机组的COP下降，制热能力降低，运行效率低下。当前对于换热器结霜的判断依据多是根据温度进行衡量，当温度低于某一温度时则认为是已经结霜。这种判定方法容易受天气情况等外界因素干扰，从而导致误除霜或者除霜不及时。

发明内容

针对目前的结霜判定不准确而造成的除霜效率低的问题，提出了一种基于风机振动和信息融合的除霜控制系统及控制方法。该系统主要以风机的振动情况为判据，结合室外空气温度和空气源热泵室外侧换热器的蒸发压力进行信息融合，利用机器学习等智能学习方法加以分析从而实现对空气源热泵室外侧的换热器状态的判定。

为了达到上述发明目的，本发明采用以下技术方案：

基于风机振动和信息融合的除霜控制系统，包括：振动测量装置，实时测量空气源热泵蒸发器风机的振动信号；温度测量装置，实时监测空气源热泵蒸发器冷媒入口处的空气温度；压力测量装置，实时测量空气源热泵蒸发器出口的蒸发压力；数据采集模块，采集所述振动信号、空气温度和蒸发压力；数据转换模块，对数据采集模块采集的数据进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值，数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；除霜控制模块，根据所述诊断结霜情况，对空气源热泵蒸发器进行除霜控制。

作为本发明所述控制方法的优选方案之一，所述数据转换模块中，利用Hilbert变换进行滤波、解调操作，利用小波包分析、频域分析或CZT转换进行分解和重构操作。

作为本发明所述控制方法的优选方案之一，所述特征提取算法采用小波包分解、快速傅里叶变换、主成分分析中的任一种。

作为本发明所述控制方法的优选方案之一，所述机器学习方法包括人工神经网络学习方法、深度学习和支持向量机学习方法。

作为本发明所述控制方法的优选方案之一，还包括远程监测模块，对所述振动信号、空气温度和蒸发压力进行实时监测和远程诊断，远程监测模块与数据诊断模块和除霜控制模块相连，除霜控制模块根据远程诊断信息或数据诊断模块的诊断结霜情况进行除霜控制。

作为本发明所述控制方法的优选方案之一，所述远程监测模块包括远程诊断工作站、数据服务器和显示设备，远程诊断工作站包括智能移动终端，显示设备用于显示实时监测信息、远程诊断信息和数据诊断模块的诊断结霜情况。

作为本发明所述控制方法的优选方案之一，所述振动测量装置包括供电电源和振动传感器，振动传感器安装于风机机座、风机轴承座或风机外壳中的任一处。

本发明还提供一种基于风机振动和信息融合的除霜控制方法，包括以下步骤：

S1，实时采集空气源热泵蒸发器风机的振动信号、蒸发器冷媒入口处的空气温度、蒸发器出口的蒸发压力；

S2，对所采集的数据进行数据预处理：获取宏观特征，并依次对电流信号进行滤波、解调、分解和重构操作，得到数据信息；

S3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；

S4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；

S5，根据所述诊断结霜情况，进行除霜控制。

作为本发明所述控制方法的优选方案之一，还包括步骤：S6，远程监测所采集的数据并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。

作为本发明所述控制方法的优选方案之一，采用所述的控制系统操作步骤S1-S6。

本发明与现有技术相比，有益效果是：

本发明所述除霜控制系统及控制方法从空气源热泵室外侧换热器的风机振动为基础，结合空气温度和蒸发压力参数进行信息融合对空气源热泵换热器状态进行监控，克服了传统情况下仅依靠温度这一单一信息对热泵结霜的判断，提高了判断的精度；利用机器学习对数据信息进行处理，从而准确快速地控制化霜，克服了先前除霜不及时和误除霜而造成的除霜效率低下，除霜效果差的缺点，提高了热泵系统的运行效率，减少了因结霜时间过长而造成的机械损坏，从而达到节约成本的目的。

附图说明

图1是本发明所述控制系统结构示意图；

图2是本发明所述控制方法流程示意图。

具体实施方式

以下将对本发明的技术方案作进一步解释说明。

实施例一

如图1所示，本实施例提出的基于风机振动和信息融合的除霜控制系统包括：空气源热泵循环系统11、空气源热泵蒸发器的风机12、交流电源13、数据采集模块14、数据转换模块15、数据诊断模块16、除霜控制模块17、远程监测模块18、振动测量装置22、温度测量装置23、压力测量装置24。

所述空气源热泵蒸发器的风机12用于增加空气源热泵循环系统11中蒸发器周围的风速实现强制对流，所述数据采集模块14与振动测量装置22、温度测量装置23、压力测量装置24分别连接进行数据的采集和汇总，所述数据采集模块14、数据转换模块15、数据诊断模块16依次连接，所述数据采集模块14与振动测量装置22通过无线数据传输装置进行信号的传输，所述数据诊断模块16分别于除霜控制模块17、远程监测模块18连接，使该系统依靠诊断信息自动控制化霜，也可通过远程监测平台人为干预控制化霜。

所述振动测量装置22对空气源热泵室外侧换热器风机的振动情况进行监测，包括供电电源和振动传感器两部分。振动传感器可采用压电式、电容式、电感式、电阻应变式等多种类型，安装位置除了风机机座还有可以安装在轴承座、风机外壳等位置上。安装方式根据传感器的类型和安装位置的不同可选择螺钉安装、磁力安装、探针安装或者胶黏剂粘结等多种方式。振动测量装置将测得的振动信号传递到数据采集装置中。

所述温度测量装置23用于检测靠近空气源热泵蒸发器冷媒入口位置处的空气温度。该装置可采用温度传感器等其它温度测量仪器，安装在空气源热泵的蒸发器入口处，其所测的温度信号传递到数据采集装置中。

所述压力测量装置24是用于测量空气源热泵的蒸发器出口压力即蒸发压力。该装置可采用压力传感器等其它压力测量仪器，安装在空气源热泵的蒸发器出口处，其所测的压力信号传递到数据采集装置中。

所述数据采集模块14是将传感器或其他待测设备的模拟和数字测量单元中自动采集非电量或者电量信号送到处理器中进行分析处理。其主要有数据采集卡构成，可通过PXI、串口、USB、以太网或者无线网等总线接入数据采集系统。

数据转换模块15是对所采集的原始数据信息进行数据预处理和特征提取，数据预处理包括对数据的滤波、解调、分解和重构从而获取有用的数据信息，特征提取是指利用特征提取算法对数据进行时域和频域分析，其特征提取算法可采用小波包分解、快速傅里叶变换、主成分分析等。

所述数据诊断模块16是将所提取的特征信号利用机器学习智能学习方法进行信号处理，对数据信息进行分类从而实现对结霜故障的诊断，其中机器学习方法包括人工神经网络、深度学习、支持向量机等多种学习方法。

所述远程监测模块18包括远程诊断工作站、数据服务器和显示设备，用于诊断信息的实时显示和数据的存储。其中远程诊断工作站可采用智能移动终端，例如智能手机，平板电脑等。显示设备用于显示实时监测数据、远程诊断信息以及数据诊断模块的诊断结霜情况，实现了对空气源热泵蒸发器的实时监测，以便于用户迅速便捷地了解热泵信息，从而实现对热泵的控制。

所述除霜控制模块17可根据数据诊断模块的诊断结霜情况来实现除霜控制，若诊断出结霜故障则控制热泵进行除霜。同时，也可根据用户在远程监测模块18的远程诊断工作站做出的除霜指令，进行除霜控制。

本实施例所述除霜控制系统，从空气源热泵室外侧换热器的风机振动为基础，结合空气温度和蒸发压力参数进行信息融合对空气源热泵换热器状态进行监控，克服了传统情况下仅依靠温度这一单一信息对热泵结霜的判断，提高了判断的精度；利用机器学习对数据信息进行处理，从而准确快速地控制化霜，克服了先前除霜不及时和误除霜而造成的除霜效率低下，除霜效果差的缺点，提高了热泵系统的运行效率，减少了因结霜时间过长而造成的机械损坏，从而达到节约成本的目的。

实施例二

如图2所示，本实施例提供一种基于风机振动和信息融合的除霜控制方法，其至少包括以下步骤：

S1，实时采集空气源热泵蒸发器风机的振动信号、蒸发器冷媒入口处的空气温度、蒸发器出口的蒸发压力；

S2，对所采集的数据进行数据预处理：获取宏观特征，并依次对电流信号进行滤波、解调、分解和重构操作，得到数据信息；

S3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；

S4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；

S5，根据所述诊断结霜情况，进行除霜控制；

S6远程监测所采集的数据并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。

本除霜控制方法可采用实施例一所述控制系统及其控制原理相似的系统来实现，当采用实施例一所述控制系统时，该除霜控制方法的具体操作包括以下步骤：

步骤一：振动测量装置22、温度测量装置23和压力测量装置24分别对热泵的风机振动、室外空气温度和蒸发压力进行测量；

步骤二：数据采集模块14将各测量装置所采集的数据传送给数据转换模块15，数据转换模块15对所采集的原始数据信息进行数据预处理和特征提取，对数据进行滤波、解调、分解和重构从而获取有用的数据信息，进而利用特征提取算法对数据进行时域和频域分析以提取特征数据值。

步骤三：数据诊断模块15将所提取的特征数据值以风机振动数据为基础，结合室外空气温度和蒸发压力这两参数进行信息的融合，利用机器学习智能学习方法进行信号处理，对数据信息进行分类从而实现对结霜故障的诊断。该模块根据诊断信息通过除霜控制模块17进行化霜控制；

步骤四：远程监测模块18对热泵电流数据信息进行实时的监测，并且将诊断信息进行实时的显示，用户根据诊断信息对热泵的化霜模式实现实时的控制。

对本发明所述控制系统和控制方法进行试验的过程中，以空气源热泵室外侧换热器的风机振动为基础，结合空气温度和蒸发压力多种数据信息进行融合对空气源热泵换热器状态进行监测，并通过数据转换模块和数据诊断模块的精确分析，可达到较为精确的除霜控制效果，保证空气源热泵机组在高效状态下运行。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (10)

1.基于风机振动和信息融合的除霜控制系统，其特征在于，包括：

振动测量装置，实时测量空气源热泵蒸发器风机的振动信号；

温度测量装置，实时监测空气源热泵蒸发器冷媒入口处的空气温度；

压力测量装置，实时测量空气源热泵蒸发器出口的蒸发压力；

数据采集模块，采集所述振动信号、空气温度和蒸发压力；

数据转换模块，对数据采集模块采集的数据进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值，

数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；

除霜控制模块，根据所述诊断结霜情况，对空气源热泵蒸发器进行除霜控制；

所述除霜控制系统在工作时，包括以下步骤：

S1，实时采集空气源热泵蒸发器风机的振动信号、蒸发器冷媒入口处的空气温度、蒸发器出口的蒸发压力；

S2，对所采集的数据进行数据预处理：获取宏观特征，并依次对振动信号进行滤波、解调、分解和重构操作，得到数据信息；

S3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；

S4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；

S5，根据所述诊断结霜情况，进行除霜控制。

2.根据权利要求1所述的控制系统，其特征在于：所述数据转换模块中，利用Hilbert变换进行滤波、解调操作，利用小波包分析、频域分析或CZT转换进行分解和重构操作。

3.根据权利要求2所述的控制系统，其特征在于：所述特征提取算法采用小波包分解、快速傅里叶变换、主成分分析中的任一种。

4.根据权利要求3所述的控制系统，其特征在于：所述机器学习方法包括人工神经网络学习方法、深度学习和支持向量机学习方法。

5.根据权利要求4所述的控制系统，其特征在于：还包括远程监测模块，对所述振动信号、空气温度和蒸发压力进行实时监测和远程诊断，远程监测模块与数据诊断模块和除霜控制模块相连，除霜控制模块根据远程诊断信息或数据诊断模块的诊断结霜情况进行除霜控制。

6.根据权利要求5所述的控制系统，其特征在于：所述远程监测模块包括远程诊断工作站、数据服务器和显示设备，远程诊断工作站包括智能移动终端，显示设备用于显示实时监测信息、远程诊断信息和数据诊断模块的诊断结霜情况。

7.根据权利要求1-6中任一项所述的控制系统，其特征在于：所述振动测量装置包括供电电源和振动传感器，振动传感器安装于风机机座、风机轴承座或风机外壳中的任一处。

8.基于风机振动和信息融合的除霜控制方法，其特征在于：包括以下步骤：

S1，实时采集空气源热泵蒸发器风机的振动信号、蒸发器冷媒入口处的空气温度、蒸发器出口的蒸发压力；

S2，对所采集的数据进行数据预处理：获取宏观特征，并依次对振动信号进行滤波、解调、分解和重构操作，得到数据信息；

S3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；

S4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；

S5，根据所述诊断结霜情况，进行除霜控制。

9.根据权利要求8所述的控制方法，其特征在于：还包括以下步骤：

S6，远程监测所采集的数据并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。

10.根据权利要求9所述的控制方法，其特征在于：采用权利要求6所述的控制系统操作步骤S1-S6。

Images