CN110869728A - 用于确定工艺工程装置的材料中的应力水平的方法 - Google Patents

用于确定工艺工程装置的材料中的应力水平的方法 Download PDF

Info

Publication number
CN110869728A
CN110869728A CN201880046236.5A CN201880046236A CN110869728A CN 110869728 A CN110869728 A CN 110869728A CN 201880046236 A CN201880046236 A CN 201880046236A CN 110869728 A CN110869728 A CN 110869728A
Authority
CN
China
Prior art keywords
model
stress
temperature
different
process engineering
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.)
Pending
Application number
CN201880046236.5A
Other languages
English (en)
Inventor
安德烈亚斯·克罗纳
马丁·波特曼
奥利弗·斯拉比
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Linde GmbH
Original Assignee
Linde GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Linde GmbH filed Critical Linde GmbH
Publication of CN110869728A publication Critical patent/CN110869728A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28D—HEAT-EXCHANGE APPARATUS, NOT PROVIDED FOR IN ANOTHER SUBCLASS, IN WHICH THE HEAT-EXCHANGE MEDIA DO NOT COME INTO DIRECT CONTACT
    • F28D9/00—Heat-exchange apparatus having stationary plate-like or laminated conduit assemblies for both heat-exchange media, the media being in contact with different sides of a conduit wall
    • F28D9/0062—Heat-exchange apparatus having stationary plate-like or laminated conduit assemblies for both heat-exchange media, the media being in contact with different sides of a conduit wall the conduits for one heat-exchange medium being formed by spaced plates with inserted elements
    • F28D9/0068—Heat-exchange apparatus having stationary plate-like or laminated conduit assemblies for both heat-exchange media, the media being in contact with different sides of a conduit wall the conduits for one heat-exchange medium being formed by spaced plates with inserted elements with means for changing flow direction of one heat exchange medium, e.g. using deflecting zones
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
    • F28F2200/00—Prediction; Simulation; Testing

Abstract

本发明涉及一种用于确定在工艺工程装置(1)的材料中的不同的第一位置处普遍存在的机械应力(304)的数量的方法，其中在工艺工程装置(1)的材料中的不同的第一位置处普遍存在的机械应力(304)的数量是使用经验模型(M3)由工艺工程装置的材料中的不同的第二位置处普遍存在的温度(301)的数量确定的，经验模型(M3)通过训练数据(207′)进行训练，该训练数据是使用工艺工程装置(1)的热液压工艺模拟模型(M1)和结构力学模型(M2)导出的。

Description

用于确定工艺工程装置的材料中的应力水平的方法
本发明涉及一种用于确定在工艺工程装置的材料中的不同的第一位置处普遍存在的机械应力的数量的方法，以及用于执行该方法的计算单元和计算机程序。
背景技术
工艺工程(也称为化学工程)装置通常被理解为用于借助有目的的物理和/或化学和/或生物和/或核效应实施物质改性和物质转化的装置。此类改性和转化通常包括破碎、筛分、混合、热传递、再蒸馏、结晶、干燥、冷却、填充和叠加的物质转化，诸如化学反应、生物反应或核反应。
通常试图通过检测和评估合适的变量(诸如振动)来监测系统或其部件，以便能够尽可能早地识别故障和失效(所谓的状态监测)。为此，要监测的系统部件配备有合适的传感器，以便测量相关的变量并将其馈送到评估中。振动通常可与系统状态相关以确定部件的失效概率或剩余寿命，特别是对于多种转动设备诸如泵、压缩机、涡轮等。
然而，此类声音或振动测量不适用于被流体流过的大多数静态工艺工程设备，诸如换热器或蒸馏塔或吸附塔或洗涤塔。它们的材料(金属)也经受材料疲劳，但并不是由于振动，而是由于因压力变化(并且更重要的是温度变化)引起的应力波动。
例如，每当设备或装置经历一定程度的应力循环时，寿命就减少。这通常发生在工厂启动、操作场景之间的转换或后续工艺异常(例如，由机器跳闸引起)的过程中。一般来讲，消耗的寿命量强烈地取决于工艺的操作方式，然而，操作人员目前没有任何关于操作对装置的应力水平的影响的明确指示(以及因此，寿命预期)。唯一可用的信息是入口和出口流温度以及(可能)一些表面金属温度。通常提供一些基本指南，其主要目的是避免在可获得温度测量值的几个位置处的大温度梯度。
已知通过有限元法来确定板翅式换热器(PFHE)的应力水平(参见P.Freko的“具有特殊要求的换热器的寿命预期的优化(Optimization of Lifetime Expectance for HeatExchangers with Special Requirements)”，Proc.IHTC15-9791，2014)。然而，由于计算的复杂和耗时性质，这种方法仅限于离线分析。
对于有限元法(FEM)模型的逼近而言替代建模/机器学习的应用先前已在其他应用领域(诸如机器部件的机械设计)中进行了报道(参见Wang，C.G.和S.Shan，支持工程设计优化的元建模技术的回顾，《机械设计期刊》(2006年)(Wang，C.G.and S.Shan，Review ofMetamodeling Techniques in Support of Engineering Design Optimization，J.Mechanical Design(2006))。
因此，期望有可能从入口和出口流条件以及设备表面温度的可用测量值来估计工程设备(优选在线)的不同位置处的应力。
发明内容
根据本发明，提出了一种用于确定在工艺工程装置(即，用于实施物质改性和/或物质转化的装置)的材料中的不同的第一位置处普遍存在的机械应力的数量的方法，以及用独立权利要求的特征执行该方法的计算单元。有利的进一步发展形成了从属权利要求的主题和后续描述的主题。
本发明基于以下测量：在所述工艺工程装置的材料中的所述不同的第一位置处普遍存在的所述机械应力的数量可使用经验模型由所述工艺工程装置的材料中的不同的第二位置处普遍存在的温度的数量确定。所述经验模型通过训练数据进行训练，所述训练数据是使用工艺工程装置的热液压工艺模拟模型和结构力学模型导出的。必须强调的是，第一位置可任意选择，尤其是任意窄或宽间隔的，并且独立于第二位置。温度可使用传感器在第二位置处测量，所述传感器可位于工艺工程装置的内部或外部。
热液压模型优选地使用第一原理(即质量和能量平衡以及任选的动量平衡)来预测工程装置在其作为其组成部分的整个工程工艺中的行为。对于板翅式换热器的示例，热液压模型对于所有流由给定的流入口条件(组成、流量、温度、压力)预测出口条件(组成、流量、温度、压力、相状态)，以及预测局部流条件，和在流穿过工程装置时与流相关联的传热系数，以及设备金属的近似一维(1-D)或二维(2-D)金属温度分布。对于装置可预期经历的任何场景，可执行此类热液压模拟。然而，该类型的工艺模拟通常不考虑工程装置内的金属的详细三维(3-D)温度分布。
因此，利用单独的结构力学模型来关注这一方面，但也用于预测设备内的3-D热应力水平。这通常使用有限元法使用先前计算的热液压模拟结果(例如，流的温度轮廓、流的温度时空梯度以及传热系数轮廓)作为边界条件来完成。
对于机械应力的在线预测，提出使用基于机器学习的两种建模方法的组合，该方法将热液压结果(例如金属温度轮廓)与结构力学结果(例如，机械应力水平轮廓)相关联。
在工艺的预期操作包线内对热液压工艺模型的模拟有利地产生了1-D或2-D流温度轮廓和传热系数轮廓。对于这些轮廓的适当选择的子集，结构力学模型可用于提供在所选位置处的应力预测。然后可应用机器学习算法来训练经验模型，以从第二位置处的金属表面温度测量值预测所选第一位置处的应力。
本发明通过建模和机器学习的组合，允许被流体流过的工艺工程装置(例如换热器或蒸馏塔和吸收塔以及洗涤塔)的(尤其是在线)应力估计。机器学习算法用于使用代表系统中存在的所有行为的训练数据集来确定系统的输入和输出之间的关系(即经验模型)。
由于工艺工程装置的材料中的应力在操作期间不能直接测量，因此必须从其他测量值来估计。一般来讲，应力可使用有限元法(FEM)来计算，但这在计算上可为昂贵的并且不适用于在线应力监测。因此，本发明提供了一种结合两个物理模型和数据驱动的模型的方法，以便允许热应力的快速但相当准确的估计。
在本发明方法的过程中，特别是首先，工艺工程装置的操作范围通过识别代表工艺工程装置在操作期间所暴露的内容的场景来指定。使用换热器的示例，场景可例如被定义为流动的时间序列，流的入口温度和入口压力。
使用工艺工程装置的(1-D或2-D)传热模型来模拟这些动态场景。该模型可特别计算壁温度轮廓、流温度轮廓和传热系数轮廓的对应时间序列。特定时间点的每组轮廓可描述工艺工程装置的(瞬时)状态。
例如通过使选定轮廓之间的调和平均距离最大化而具体地选择有限数量的这些状态。
对于每个选定状态，使用在有限元法中实施的(3-D)结构力学模型来特别地计算对应的应力轮廓。
然后特别应用机器学习算法来训练数据驱动的元模型，该元模型基于若干金属温度测量值来估计特定位置处的应力。
具体地，本发明方法使用物理模型来生成工艺工程装置中有限量的关于应力的信息。然后，它利用该信息来构建用于应力估计的数据驱动的模型。该数据驱动的元模型对于特定的工艺工程装置是特别指定的，因为对应的工艺工程装置的设计数据特别用于这两种物理模型中。
一旦确定了机械应力的数量(即，应力水平)，就可获得已知的技术和工序(例如，ALPEMA标准，铜焊铝板翅式换热器制造商协会(Brazed Aluminum Plate-Fin HeatExchangers Manufacturer’s Association))以有利地估计寿命消耗。寿命消耗有利地基于机械应力的局部变化，尤其是基于随着时间的推移，局部应力变化的振幅。
优选地，经验模型为数据驱动的模型。如例如第2章“数据驱动的模型：概念、方法和经验”，水应用、水科学技术图书馆中的《实用水文信息学、计算智能和技术发展》，第68卷，2008年(“Data-Driven Modelling：Concepts，Approaches and Experiences”，Practical Hydroinformatics，Computational Intelligence and TechnologicalDevelopments in Water Applications，Water Science and Technology Library，Volume 68，2008)中所公开，数据驱动的模型(DDM)基于分析关于系统的数据，特别是寻找系统状态变量(输入、内部和输出变量)之间的连接，而无需明确了解系统的物理行为。这些方法代表了在常规经验建模方面的巨大进步，并且包括例如以下重叠领域的贡献：人工智能(AI)；计算智能(CI)，其包括人工神经网络、模糊系统和进化计算以及AI和机器学习内的其他领域；软计算(SC)，其接近CI，但特别强调由数据引起的基于模糊规则的系统；机器学习(ML)，其曾是AI的子区域，专注于CI和SC使用的理论基础；数据挖掘(DM)和数据库中的知识发现(KDD)通常专注于大型数据库。DM被视为较宽KDD的一部分。所使用的方法主要来自统计和ML；智能数据分析(IDA)，其趋向于专注于医学和研究中的数据分析，并包含来自统计和ML的方法。
根据本发明的计算单元具体地以编程方式被配置为实施本发明的方法，即包括用于实施本发明的所有装置。
本发明的另外方面是具有用于使计算单元执行根据本发明方法的程序代码装置的计算机程序，以及其上存储有此类计算机程序的计算机可读数据载体。这允许特别低的成本，尤其是当执行计算单元仍用于其他任务并且因此无论如何存在时。用于提供计算机程序的合适媒体特别地是软盘、硬盘、闪存、EEPRM、CD-ROM、DVD等。在计算机网络(互联网、内联网、云应用程序等)上下载程序是可能的。
根据描述和附图，本发明的其他优点和实施方案将变得显而易见。
应当指出的是，在不脱离本发明的范围的情况下，上文提及的特征以及将在下文进一步描述的特征不仅可用于分别指示的组合，而且可进一步组合或单独使用。
在图中
图1示意性且透视地示出了具有若干附接件的板式换热器，
图2示意性地示出了根据本发明的一个优选实施方案的方法，并且
图3示意性地示出了可在根据本发明的方法的一个优选实施方案的过程中设置的板式换热器的模型。
附图的详细描述
图1示意性地示出了在此实施为板式换热器1的工艺工程装置。板式换热器1包括大致矩形的中心主体8，其例如具有几米的长度和约一米或几米的宽度或高度。中心主体8在其侧面上具有附接件6、6a。
由一种或多种组分组成并且表现出一个或多个流体相的工艺流通过喷嘴7可被供应至板式换热器或从其中移除。附接件6和6a用于分配通过喷嘴7引入的工艺流体或用于从板式换热器1收集和移除工艺流体。在板式换热器1内，不同的工艺流交换热能。
图1所示的板式换热器被设计成使工艺流在单独的通道中彼此路由经过以进行热交换。流中的一些可在相反的方向上彼此路由经过，一些通过交叉路由经过，并且一些在平行的方向上路由经过。
实质上，中心主体8是分离板和换热轮廓(所谓翅片)或分配器轮廓的立方体。具有分离板和轮廓的层是交替的。具有换热轮廓和分配器轮廓的层称为通道。
因此，中心主体具有交替地平行于流动方向的通道和分离板。分离板和通道通常均由铝制成。在它们的侧面，通道被铝梁封闭，使得侧壁由与分离板的堆叠构造形成。中心主体8的外部通道被平行于通道和分离板的铝盖隐藏。
该立方体可通过将焊料施加到分离板的表面上并随后将分离板和通道在彼此顶部上交替地堆叠来制备。盖将该堆叠覆盖至顶部或底部。然后可通过在包容叠堆的加热炉中加热来对叠堆进行焊接。
在板式换热器1的侧面上，分配器轮廓具有分配器轮廓入口。工艺流可通过附接件6和6a以及喷嘴7被引入相关通道中，或者也可再次通过这些入口被移除。分配器轮廓入口被附接件6和6a隐藏。
由EP 1 798 508 A1已知，通过3-D数值模拟确定板式换热器在其操作期间的温度应力。基于所计算的温度应力，可确定板式换热器的强度或剩余寿命。
在本发明内，提出了用于确定应力水平的不同方法，如参考图2所述。
根据图2所示的优选实施方案，使用两种不同复杂度的物理模型：(热液压)工艺模拟模型M1和结构力学模型M2。从这些模型获得的结果用于训练用于应力预测的基于数据的(经验)模型M3。
对于板翅式换热器1的示例，热液压模型M1对于所有流由给定的流入口条件(具体地组成、流量、温度和压力)预测出口条件(具体地组成、流量、温度、压力和相状态)，以及预测局部流条件，和在流穿过工程装置时与流相关联的传热系数。此外，尤其预测了设备金属的近似一维(1-D)和/或近似二维(2-D)金属温度分布。
基于数据的经验模型M3是数据驱动的模型，并且特别地基于分析关于系统的数据，特别是在不明确了解系统的物理行为的情况下查找系统状态变量(输入、内部和输出变量)之间的连接。
首先，确定换热器的可能操作范围201。这些包括例如流流量、流组成、流入口和/或出口温度和/或压力的值，它们的出现顺序，以及这些值之间的转变速度。假设换热器1在其寿命期间将操作的条件是已知的(例如，启动和关闭工序，关键工艺变量的操作范围，可能的工艺异常)。
操作范围201通过识别代表换热器1在操作期间所暴露于的内容的场景来指定。场景被定义为换热器中所有流i的流动时间序列
Figure BDA0002362316340000072
入口温度Tin，i(t)和入口压力pin，i(t)。
具体地，限定实际操作范围201，而不是设计操作范围。在这些操作范围201中识别的场景用作结构力学模型M2的输入，该结构力学模型生成用于基于数据的经验元模型M3的数据。
例如，可识别多种关键场景，这些场景经常出现并且可产生高应力，即热启动、冷启动、操作工况改变和去霜。这三种场景通过所有流i的流动顺序
Figure BDA0002362316340000073
入口温度Tin，i(t)和入口压力pin，i(t)来描述。
交换器的(动态)工艺模拟(模型M1)在预期操作范围201的包线内执行。优选地，用于该目的的换热器建模方法产生沿着交换器的长度的一维(1-D)流和/或材料(壁)温度轮廓和/或传热系数轮廓203。对于附接到换热器的每一个流确定这些轮廓203。在第二种方法中，另选地或除此之外，对于换热器的每个层确定这些轮廓203，从而得到流温度和/或材料(壁)温度的2-D轮廓和/或传热系数轮廓203。自然地，通过动态模拟来确定对于模拟的每个时间步骤的此类轮廓。
对于换热器建模方法，可使用工艺模拟器“OPTISIM”，其为由申请人开发的基于方程的模拟器。在该模拟器中，工艺通过同时求解的一组方程来描述。该工艺模拟器的详细描述和验证由Woitalka等人，2015年(Woitalka、Alexander、Thomas、Ingo、Freko、Pascal和Lehmacher、Axel，2015年(5月)，“使用林德内部工艺模拟器
Figure BDA0002362316340000071
的换热器的动态模拟”，In：ICHMT计算传热研究进展国际研讨会，CHT-15的会议录(Woitalka，Alexander，Thomas，Ingo，Freko，Pascal，&Lehmacher，Axel.2015(May).Dynamic Simulation of HeatExchangers Using Linde’s In-house Process Simulator
Figure BDA0002362316340000081
In：Proceedingsof CHT-15.ICHMT International Symposium on Advances in Computational HeatTransfer)给出。
图3中示出了板翅式换热器的第一原理模型的示意图。具体地，图3中示出了具有三个流S1、S2和S3的换热器的示例，其中流S3与流S1和S2逆流流动。在这种情况下，换热器的整个金属通过一个热容量模型CW来描述。这称为“公共壁”方法。相比之下，PFHE也可通过对PFHE的每一层使用一个热容量模型的“叠层”方法来描述。
如US 7,788,073 B2中所述，这些温度和传热系数轮廓203可用作单独的3-D结构力学模型(优选FEM模型)M2的输入。然后该模型预测3-D温度分布和对应的3-D应力分布206。假定可获得所讨论的换热器的详细几何形状和其他设计数据。
优选地，在选择步骤中，通过模型M1生成的轮廓203的仅一小部分204被选择为由模型M2处理。这种选择应以最佳方式进行，以便尽可能均匀地覆盖换热器的总体温度包线(在整个操作范围内显示的所有温度轮廓的包线)。
1-D传热模型在计算上相对便宜。这允许快速模拟许多场景并生成大量的温度轮廓S。另一方面，使用FEM计算对应的应力在计算上要昂贵得多，并且对于如此大量的轮廓是不可行的。相反，特别针对轮廓的一小部分S*计算应力，但仍捕获尽可能多的变化。为了实现这一点，识别了代表整个集合的子集。
假设应力变化主要取决于温度轮廓的变化，则最佳子集特别地由温度轮廓组成，温度轮廓尽可能地“彼此不同”，即，使得选定的轮廓均匀散布。
在实验设计中测量“均匀散布”的方式是所谓的调和平均距离，该调和平均距离例如在
Figure BDA0002362316340000082
1974年(
Figure BDA0002362316340000083
E.1974年，“一类模型中的实验设计”，《数学运算研究与统计》，5，379-398(
Figure BDA0002362316340000084
E.1974.Experimental Design in a Class ofModels.Mathematische Operationsforschung und Statistik，5，379-398))，或在Carnell，2016年(Carnell，Rob.2016年(8月)，林德超立方样品(Carnell，Rob.2016(August).Latin Hypercube Samples)，https://CRAN.R-project.org/package＝lhs)中所阐述。
在该调和平均距离方法的过程中，首先对于N个轮廓的选择S*，计算轮廓之间的成对欧几里得距离ΔTw，ij：
Figure BDA0002362316340000091
其中n为传热模型为其计算温度的取样点数。欧几里得距离与均方根偏差成正比，并量化两个轮廓不同的程度。
其次，计算成对距离的调和平均数
Figure BDA0002362316340000092
Figure BDA0002362316340000093
如果选定轮廓中的两个轮廓非常相似，那么它们的欧几里得距离接近于零。这也使得调和平均距离
Figure BDA0002362316340000094
也接近于零。即使选择包括具有非常大的欧几里得距离的轮廓对，情况也是如此。相反，如果一组选定轮廓的调和平均距离很大，那么该组不包含类似的轮廓。因此，所提出的选择一组最佳的轮廓的方式是使它们之间的调和平均距离最大化。
找出具有最大调和平均距离的轮廓的子集S*是一个优化问题。因为轮廓是从一组现有轮廓中选择的，所以优化问题是组合问题。解决此类问题的一个示例是遗传算法，这是一类随机搜索算法，例如由Scrucca，2013年(Scrucca，Luca.2013年，GA：《统计软件期刊》中的“遗传算法的程序包”，53(4)，1-37(Scrucca，Luca.2013.GA：A Package for GeneticAlgorithms in R.Journal of Statistical Software，53(4)，1-37))来描述。
要优化的变量组被称为个体或染色体，而变量本身被称为基因。对于选择合适的温度轮廓的问题，个体对应于一组选定的轮廓。个体的基因是索引编号，其中每个索引编号对应于一个特定的轮廓。
概括地讲，为了选择一组最佳的轮廓，优选地使用遗传算法(Scrucca，20l3年)使轮廓204的最小部分之间的调和平均距离最大化(
Figure BDA0002362316340000095
1974年)。
对于每个选定的轮廓，通过模型M2执行FEM计算以确定对应的3-D应力分布206。由于设备监测目的并不严格要求交换器的每个位置处的应力水平，因此优选的是，将3-D应力分布减小至低维表示，诸如通过对于沿交换器的流动方向的每个位置(方向x)在换热器截面(方向y、z)上选择最大应力而获得的1-D轮廓，或诸如对于沿流动方向的每个位置(方向x)且对于交换器的每个层(方向y)在换热器宽度(方向z)上选择最大应力而获得的2-D轮廓。
由于应针对换热器块的不同位置独立地估计来自应力预测的寿命预期，因此需要保留足够详细的空间分辨率。如上所述，将3-D应力分布减小为1-D或2-D轮廓只是执行此维度减小的一个示例。在一些情况下，例如，如果集管(headers)附接到交换器或者在约相同位置x处存在泪点焊缝，但在交换器的不同侧面上存在，则可能需要捕获交换器的每个位置x或者x、y的多个(应力)点。这样，可以区分与不同集管或焊缝相关联的应力条件，这些应力条件将与寿命估计的角度分开处理。
通常，FEM是部分微分方程(PDE)的数字近似方法，它将问题域的复杂几何图形离散成称为元素的小子域。在每个元素中，PDE被局部常微分或代数方程代替。可以对所得方程组进行求解，以给出基础PDE的近似解。
计算PFHE中的应力通过
Figure BDA0002362316340000101
2012年(
Figure BDA0002362316340000102
Reinhold.2012，“铝板翅片换热器的寿命估算”，In：ASME 2012压力容器和管道划分会议的会议录(
Figure BDA0002362316340000103
Reinhold.2012.Liftime Estimation of Aluminum Plate Fin Heat Exchangers.In：Proceedings of the ASME 2012 Pressure Vessels&Piping Division Conference))以及在文档US 7 788 073 B2中来详细描述。
例如，可使用PFHE的几何形状的详细三维模型，其中可考虑层、隔板、侧栏和集管的完整顺序。波纹片可被具有改进的机械和热常数的实心板代替。这样，无需对翅片的详细几何形状建模，但在分析中仍考虑不同翅片类型的影响。
用于计算PFHE中的应力的管理PDE是金属的能量和动量平衡。例如，可执行耦合的热力学分析，在该过程中首先对能量平衡进行求解，从而计算金属温度分布。随后，对动力平衡进行求解，从而计算应力分布。
一旦认为轮廓203或204由模型M2处理，则可获得由1-D或2-D金属温度轮廓203或204以及代表其低维近似值的对应的3-D应力分布206组成的数据集207。机器学习(例如，基于相似性的建模，参见Wegerich，S，机械健康监测的时间同步平均振动信号的基于相似性的建模，会议录，2014年IEEE航空航天大会，第6卷，Big Sky，MT，6-13.05.2004，US 7308385B2(Wegerich，S，Similarity Based Modeling of Time synchronous AveragedVibration Signals for Machinery Health Monitoring，Proceedings，2014 IEEEAerospace Conference，Vol.6，Big Sky，MT，6-13.05.2004；US 7308385 B2))现在用于训练经验模型M3以从1-D或2-D金属温度轮廓预测代表其低维近似值的3-D应力分布。
因此，机器学习用于生成能够快速估计应力的数据驱动的模型M3。为此，可以使用高斯过程回归(GPR)。GPR是对FEM结果进行元建模的方法，例如由Rasmussen&Williams，2006年来描述(Rasmussen，C.E.，&Williams，C.K.I，2006年，《机器学习的高斯过程》，《自适应计算和机器学习》系列，麻省理工学院出版社(Rasmussen，C.E.，&Williams，C.K.I.2006.Gaussian Processes for Machine Learning.Adaptive Computation andMachine Learning series.The MIT Press))。高斯过程(GP)限定函数的概率分布，并且是简单高斯分布的概括。
为了将GPR应用于估计的应力，回归的因变量是应力，或者更具体地，是在沿其长度的特定位置x处在PFHE的截面中的最大应力σx。自变量是可用的壁温度测量值
Figure BDA0002362316340000111
GPR的训练集具体地由对于选定状态S*中的每个选定状态由结构力学模型M2计算的位置x处的应力σx(x)和由传热模型计算的相关金属温度
Figure BDA0002362316340000112
组成。金属温度也可取自结构力学模型M2。因此，GPR估计一个特定位置x的最大应力。
优选地，对于数据驱动的模型M3的训练，仅使用可用数据的子集207′，即首先选择训练数据集。不用于训练的数据优选地用于模型验证。
虽然可将不同类型的机器学习算法用于该目的，但模型预测的质量将是选择合适的机器学习方法的决定因素。可通过在整个1-D或2-D应力轮廓(或一些其他组的代表性应力位置)内的误差度量MAPE(平均绝对百分比误差)来评估每个数据点的模型预测质量。
模型的训练意味着为换热器的每个离散位置设置单独的模型。实质上，如果3-D应力分布的近似值由N个位置(根据权利要求1所述的第一位置)组成，则训练N个单独的子模型以从整个温度轮廓(根据权利要求1所述的不同的第二位置处的温度)预测特定位置处的应力。
通过提供温度测量值301代替来自模型M1的模拟温度轮廓作为对模型M3的输入，来实现对热应力304的在线预测。这需要有足够的温度传感器可用。
根据本发明的一个优选实施方案，图1的板式换热器1因此配备有足够数量的温度传感器10，并且基于传感器数据来确定应力水平。温度传感器10与计算单元20连接，该计算单元继而尤其被配置用于执行步骤301和/或M1。
如果没有足够的温度传感器可用，则基于模型的状态估计技术(例如，Kalman过滤器，Julier，Simon J.，&Uhlmann，Jeffrey K.2004，无迹滤波和非线性估计，In：IEEE的会议录，第92卷(Kalman Filter，Julier，Simon J.，&Uhlmann，Jeffrey K.2004.UnscentedFiltering and Nonlinear Estimation.In：Proceedings of the IEEE，vol.92)或Gelb，A.1974年，《应用最优估计》，麻省理工学院出版社(Gelb，A.1974.Applied OptimalEstimation，MIT Press)可用于步骤302中以从可用的金属温度以及入口和出口流或其他工艺位置的其他测量值(例如，流量和流温度)来估计更详细的金属温度轮廓。
为了设置该状态估计过程302，工艺模型应该是可用的。这可以是如上文结合M1所述的工艺模拟模型。另选地，假设这种模型在线上不可用，则需要设置单独的经验模型。该模型将从时间k处的温度轮廓和时间k处的所有其他可用测量值(流量、流温度和若干金属温度测量值)预测时间k+1处的温度轮廓。可应用与用于训练模型M3相同的方法来训练该模型。
具体地，卡尔曼(Kalman)滤波器可用作状态估计方法，以基于少量的可用金属温度测量值以及其他测量量来估计更详细的温度轮廓
Figure BDA0002362316340000121
卡尔曼滤波器由Julier&Uhlmann(2004)详细描述。首先，用已知的温度轮廓
Figure BDA0002362316340000122
对过滤器进行具体初始化。基于t0处的
Figure BDA0002362316340000123
和所测量的流量
Figure BDA0002362316340000124
在预测步骤中预测在时间t1处的温度轮廓
Figure BDA0002362316340000131
此模型的自变量是
Figure BDA0002362316340000132
知
Figure BDA0002362316340000133
而预测的因变量是
Figure BDA0002362316340000134
在更新步骤中，计算所测量的温度
Figure BDA0002362316340000135
与对应位置处的预测值之间的偏差。基于该偏差校正整个预测的温度轮廓
Figure BDA0002362316340000136
将更新的温度轮廓
Figure BDA0002362316340000137
用作下一个时间步骤的初始轮廓，并重复该工序。数学背景的详细讨论可见于Julier&Uhlmann(2004)中。
与用FEM模型M2重新计算3-D应力分布相比，经训练的机器学习算法M3在计算上效率更高，且执行速度更快。因此，它首次提供了选项，可以在线估计特定装置(如PFHE)的应力水平，或者基于从后验数据分析中的操作中获取的大量数据来有效估计一个或多个装置(如PFHE)的应力水平。继而，在线应力估计为跟踪装置的寿命预期提供了基础。
在任选的步骤305中，应力预测用于确定装置的估计寿命消耗。为此，对于所有第一位置独立考虑随时间推移的应力预测，并且基于已知原理诸如“雨流计数”(例如，M.Mussalam，C.M.Johnson，“寿命消耗估计的雨流计数算法的有效实现”，《IEEE事务可靠性》，第61卷，第4期，2012年(M.Mussalam，C.M.Johnson，An Efficient Implementation ofthe Rainflow Counting Algorithm for Life Consumption Estimation，IEEETransactions Reliability，Vol 6l，Issue 4，2012))对循环数、平均值和应力变化的振幅进行计数。然后，根据已发布的标准诸如AD 2000-Merkblatt S2针对循环载荷的分析(AD2000 Code，柏林保伊斯出版社，2017年)(AD 2000-Merkblatt S2 Analysis forcyclic loading(AD2000 Code，Beuth Verlag，Berlin，2017))将第一位置的应力循环信息转化为对寿命消耗的估计。
上述应用是“预测”类型的估计，即给定了如植物测量所观察到的某些工艺条件，它预测在交换器的不同位置处的对应应力。然而，本发明不限于该预测方面。其也可在模拟或“预防性”模式中应用，在模拟或“预防性”模式下，其用于评估某种操作策略对装置的寿命消耗的影响。在该模式下，模型M1通过选择工艺边界条件的选定行为来模拟操作场景，根据温度、压力、流量和组成来操纵进入换热器的所有流。如连接400所示，将金属壁温度(模型M1的输出)的预测直接馈送到模型M3中，并且立即看到该操作方案对装置在不同位置处的预期应力水平的影响。如果计划的操作改变导致大的应力水平，则操作者可以一定方式改变操作方法，使得可看到较低的应力水平。
此外，通过模型M3的应力估计可被整合到最佳线性或非线性模型预测控制(LMPC，NLMPC，例如J.H.Lee，“模型预测控制：对三十年的发展的回顾”，《控制、自动化和系统国际期刊》，2011年(J.H.Lee，“Model Predictive Control：Review of the three decades ofdevelopment”，Int.J.Control，Automation and Systems，2011))中。在模型预测控制(MPC)中，多变量系统(即，通过多个自变量控制的多个因变量)的控制是通过考虑基于线性或非线性工艺模型的未来过程行为来实现的。当前(和将来)控制移动是通过优化合适的目标函数来确定的，该目标函数表征一特定预测范围内的期望过程行为。在这种情况下，应力估计模型M3与工艺模拟模型M1一起可用于获得控制器预测范围内的应力估计。现在，所有或选定关键位置的绝对应力水平或预测范围的变化都可以被包括在控制器的目标函数中。利用这种方法，可以使工艺操作对受控装置的寿命消耗的估计影响最小化。
本发明的另一个实施方案涉及设计优化：应力估计的过程可用于确定温度测量的合适数量和合适位置，其中热应力可根据所需的准确度水平来预测。根据为模拟目的选择的分辨率提供来自模型M1的温度轮廓。一般来讲，温度测量的数量将显著小于模型M1的离散化。因此，可使用不同组的温度测量位置作为模型输入，多次重复训练模型M3的过程。然后基于最小数量的温度测量的模型(其仍获得可接受的应力轮廓预测准确度)就温度测量应位于何处而提供了建议。

Claims (15)

1.一种用于确定在工艺工程装置(1)的材料中的不同的第一位置处普遍存在的机械应力(304)的数量的方法，
其中在所述工艺工程装置(1)的材料中的所述不同的第一位置处普遍存在的所述机械应力(304)的数量是使用经验模型(M3)由所述工艺工程装置的材料中的不同的第二位置处普遍存在的温度(301)的数量确定的，
所述经验模型(M3)通过训练数据(207′)进行训练，所述训练数据是使用工艺工程装置(1)的热液压工艺模拟模型(M1)和结构力学模型(M2)导出的。
2.根据权利要求1所述的方法，其中基于所述机械应力的数量来估计寿命消耗。
3.根据权利要求1或2所述的方法，其中所述经验模型(M3)包括针对所述不同的第一位置中的每个位置的子模型。
4.根据前述权利要求中任一项所述的方法，其中所述经验模型(M3)为数据驱动的模型。
5.根据前述权利要求中任一项所述的方法，其中所述工艺工程装置(1)的所述结构力学模型(M2)是FEM模型，尤其是三维FEM模型。
6.根据前述权利要求中任一项所述的方法，其中所述工艺模拟模型(M1)的输出(203、204)包括三维或低维温度分布和/或传热系数。
7.根据前述权利要求中任一项所述的方法，其中所述工艺模拟模型(M1)的输出(203、204)被输入到所述工艺工程装置(1)的所述结构力学模型(M2)或被输入到所述经验模型(M3)。
8.根据权利要求6和7所述的方法，其中所述工艺模拟模型(M1)的输入到所述结构力学模型(M2)的所述输出(204)包括三维或低维温度分布的子集，所述子集优选地尽可能均匀地覆盖总体操作范围。
9.根据前述权利要求中任一项所述的方法，其中所述工艺工程装置的操作范围(201)被输入到所述工艺模拟模型(M1)。
10.根据前述权利要求中任一项所述的方法，其中所述结构力学模型(M2)的输出(206)为三维或低维应力分布。
11.根据前述权利要求中任一项所述的方法，其中在不同的第二位置处普遍存在的所述温度的数量由温度传感器(10)来测量并且/或者使用基于模型的状态估计技术(302)来计算。
12.根据前述权利要求中任一项所述的方法，其中所述工艺工程装置(1)的材料中的所述不同的第一位置处的所述机械应力的数量另外基于流流量值和/或压力值和/或流温度值来确定。
13.根据前述权利要求中任一项所述的方法，其中所述工艺工程装置(1)被流体流过，并且/或者为换热器或板翅式换热器或螺旋卷绕式换热器或蒸馏塔或吸收塔或洗涤塔。
14.根据前述权利要求中任一项所述的方法，其中确定所述工艺工程装置(1)的材料中的所述不同的第一位置处普遍存在的所述机械应力(304)的数量被整合到线性或非线性模型预测控制中。
15.一种计算单元(20)，所述计算单元具体地以编程方式被配置为执行根据前述权利要求中任一项所述的方法。
CN201880046236.5A 2017-07-19 2018-07-06 用于确定工艺工程装置的材料中的应力水平的方法 Pending CN110869728A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17020311 2017-07-19
EP17020311.1 2017-07-19
PCT/EP2018/025184 WO2019015805A1 (en) 2017-07-19 2018-07-06 METHOD FOR DETERMINING STRAIN LEVELS IN MATERIAL OF PROCESS ENGINEERING APPARATUS

Publications (1)

Publication Number Publication Date
CN110869728A true CN110869728A (zh) 2020-03-06

Family

ID=59485122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880046236.5A Pending CN110869728A (zh) 2017-07-19 2018-07-06 用于确定工艺工程装置的材料中的应力水平的方法

Country Status (6)

Country Link
US (1) US20200173882A1 (zh)
EP (1) EP3655744A1 (zh)
CN (1) CN110869728A (zh)
AU (1) AU2018302199B2 (zh)
CA (1) CA3068607A1 (zh)
WO (1) WO2019015805A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3651123A1 (de) * 2018-11-06 2020-05-13 Linde Aktiengesellschaft Verfahren zur ermittlung eines lebensdauerverbrauchs eines fluiddurchströmten verfahrenstechnischen apparats
US20220243981A1 (en) 2019-10-30 2022-08-04 Linde Gmbh Method for operating a process plant
FR3114143B1 (fr) * 2020-09-11 2022-07-29 Air Liquide Dispositif de mesure de températures dans un échangeur de chaleur
FR3114142B1 (fr) * 2020-09-11 2022-11-11 Air Liquide Dispositif de mesure de températures dans un échangeur de chaleur

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070136037A1 (en) * 2005-12-13 2007-06-14 Linde Aktiengesellschaft Processes for Determining the Strength of a Plate-Type Exchanger, for Producing a Plate-Type Heat Exchanger, and for Producing a Process Engineering System
CN101576443A (zh) * 2009-06-16 2009-11-11 北京航空航天大学 基于灰色rbf神经网络的加速寿命试验寿命预测方法
CN102819651A (zh) * 2012-08-20 2012-12-12 西北工业大学 基于仿真的单晶涡轮叶片精铸工艺参数优化方法
US20130024166A1 (en) * 2011-07-19 2013-01-24 Smartsignal Corporation Monitoring System Using Kernel Regression Modeling with Pattern Sequences
CN103400015A (zh) * 2013-08-15 2013-11-20 华北电力大学 基于数值模拟与试验运行数据的燃烧系统复合建模方法
WO2013191594A1 (en) * 2012-06-19 2013-12-27 Gkn Aerospace Sweden Ab Reliable prediction of life consumption of a machine component
WO2014104696A1 (en) * 2012-12-27 2014-07-03 Kepco Engineering & Construction Company, Inc. Simulation construction method for the measurement of control rod insertion time
CN106052753A (zh) * 2016-05-18 2016-10-26 江苏大学 基于模糊支持向量机的秸秆发酵燃料乙醇过程关键状态变量软测量方法
WO2016188635A1 (de) * 2015-05-28 2016-12-01 Linde Aktiengesellschaft Verfahren zum bestimmen eines zustands einer wärmetauschereinrichtung
CN106503380A (zh) * 2016-10-28 2017-03-15 中国科学院自动化研究所 炼焦烟气中氮氧化物浓度预测方法及预测系统
CN106503312A (zh) * 2016-10-10 2017-03-15 西安交通大学 一种基于神经网络算法的叶根应力分析方法
CN106777642A (zh) * 2016-12-08 2017-05-31 南京航空航天大学 一种平板气膜冷却结构流量系数的预测方法
CN106844972A (zh) * 2017-01-22 2017-06-13 上海电力学院 基于pso‑svr的变压器绕组温度软测量方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020183971A1 (en) 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US6942018B2 (en) * 2001-09-28 2005-09-13 The Board Of Trustees Of The Leland Stanford Junior University Electroosmotic microchannel cooling system
EP1798508A1 (de) 2005-12-13 2007-06-20 Linde Aktiengesellschaft Verfahren zur Herstellung eines Plattenwärmetauschers
WO2008034499A1 (en) * 2006-09-21 2008-03-27 Kompetenzzentrum - Das Virtuelle Fahrzeug Forschungsgesellschaft Mbh A device for and a method of performing a coupled simulation of a physical structure described by several separate models

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070136037A1 (en) * 2005-12-13 2007-06-14 Linde Aktiengesellschaft Processes for Determining the Strength of a Plate-Type Exchanger, for Producing a Plate-Type Heat Exchanger, and for Producing a Process Engineering System
CN101576443A (zh) * 2009-06-16 2009-11-11 北京航空航天大学 基于灰色rbf神经网络的加速寿命试验寿命预测方法
US20130024166A1 (en) * 2011-07-19 2013-01-24 Smartsignal Corporation Monitoring System Using Kernel Regression Modeling with Pattern Sequences
WO2013191594A1 (en) * 2012-06-19 2013-12-27 Gkn Aerospace Sweden Ab Reliable prediction of life consumption of a machine component
CN102819651A (zh) * 2012-08-20 2012-12-12 西北工业大学 基于仿真的单晶涡轮叶片精铸工艺参数优化方法
WO2014104696A1 (en) * 2012-12-27 2014-07-03 Kepco Engineering & Construction Company, Inc. Simulation construction method for the measurement of control rod insertion time
CN103400015A (zh) * 2013-08-15 2013-11-20 华北电力大学 基于数值模拟与试验运行数据的燃烧系统复合建模方法
WO2016188635A1 (de) * 2015-05-28 2016-12-01 Linde Aktiengesellschaft Verfahren zum bestimmen eines zustands einer wärmetauschereinrichtung
CN106052753A (zh) * 2016-05-18 2016-10-26 江苏大学 基于模糊支持向量机的秸秆发酵燃料乙醇过程关键状态变量软测量方法
CN106503312A (zh) * 2016-10-10 2017-03-15 西安交通大学 一种基于神经网络算法的叶根应力分析方法
CN106503380A (zh) * 2016-10-28 2017-03-15 中国科学院自动化研究所 炼焦烟气中氮氧化物浓度预测方法及预测系统
CN106777642A (zh) * 2016-12-08 2017-05-31 南京航空航天大学 一种平板气膜冷却结构流量系数的预测方法
CN106844972A (zh) * 2017-01-22 2017-06-13 上海电力学院 基于pso‑svr的变压器绕组温度软测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PRASHANTH PILLAI: "A Hybrid Approach for Fusing Physics and Data for Failure", 《INTERNATIONAL JOURNAL OF PROGNOSTICS AND HEALTH MANAGEMENT》 *
李娜: "超临界锅炉汽水分离器变工况应力与寿命分析", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
童宝宏等: "流场分析与智能建模在机油泵CAD中的联合应用", 《农业工程学报》 *

Also Published As

Publication number Publication date
WO2019015805A1 (en) 2019-01-24
CA3068607A1 (en) 2019-01-24
US20200173882A1 (en) 2020-06-04
EP3655744A1 (en) 2020-05-27
AU2018302199B2 (en) 2023-10-05
AU2018302199A1 (en) 2020-01-30

Similar Documents

Publication Publication Date Title
CN110869728A (zh) 用于确定工艺工程装置的材料中的应力水平的方法
Gut et al. Optimal configuration design for plate heat exchangers
Hosen et al. Prediction interval-based neural network modelling of polystyrene polymerization reactor–A new perspective of data-based modelling
Rubio-Castro et al. Optimization of mechanical draft counter flow wet-cooling towers using a rigorous model
Carlsson et al. Design better heat exchanger network retrofits
RU2734371C2 (ru) Способ определения состояния теплообменного устройства
Habbi et al. Data-driven fuzzy models for nonlinear identification of a complex heat exchanger
Uyan et al. Industry 4.0 foundry data management and supervised machine learning in low-pressure die casting quality improvement
Costa et al. 110th Anniversary: On the departure from heuristics and simplified models toward globally optimal design of process equipment
US20190331336A1 (en) Systems and Methods for Predicting Tube Fouling in a Fired Apparatus, and for Utilizing Tube Fouling Predictions
AU2018274468A1 (en) Method and system for determining a remaining service life of a process device thorugh which fluid flows
Ltaief et al. Optimal systematic determination of models’ base for multimodel representation: real time application
Yeganeh et al. Enhancing the detection ability of control charts in profile monitoring by adding RBF ensemble model
Jradi et al. Analysis and estimation of cross-flow heat exchanger fouling in phosphoric acid concentration plant using response surface methodology (RSM) and artificial neural network (ANN)
Andrijić et al. Fouling detection in industrial heat exchanger using number of transfer units method, neural network, and nonlinear finite impulse response models
Chua et al. A surrogate model to predict production performance in digital twin-based smart manufacturing
Lahiri Profit Maximization Techniques for Operating Chemical Plants
Pitarch et al. Optimal operation of an evaporation process
Mert et al. Prediction of heat transfer coefficients by ANN for aluminum & steel material
Samattapapong et al. A production throughput forecasting system in an automated hard disk drive test operation using GRNN
Gopal et al. RAM analysis of industrial system of a chemical industry
US20210341402A1 (en) Method for calculating the strength and the service life of a process apparatus through which fluid flows
Jaleel et al. Identification of heat-integrated distillation column using hybrid support vector regression and particle swarm optimization
Jaleel et al. System identification and control of heat integrated distillation column using artificial bee colony based support vector regression
JP2002108412A (ja) モデル構築方法およびモデル構築システム

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