CN114034350A - 一种换热器流量分配的监测方法、系统及存储介质 - Google Patents
一种换热器流量分配的监测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114034350A CN114034350A CN202111231724.3A CN202111231724A CN114034350A CN 114034350 A CN114034350 A CN 114034350A CN 202111231724 A CN202111231724 A CN 202111231724A CN 114034350 A CN114034350 A CN 114034350A
- Authority
- CN
- China
- Prior art keywords
- heat exchanger
- flow
- calculating
- microchannel
- uniformity index
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/68—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using thermal effects
- G01F1/684—Structural arrangements; Mounting of elements, e.g. in relation to fluid flow
- G01F1/688—Structural arrangements; Mounting of elements, e.g. in relation to fluid flow using a particular type of heating, cooling or sensing element
- G01F1/6884—Structural arrangements; Mounting of elements, e.g. in relation to fluid flow using a particular type of heating, cooling or sensing element making use of temperature dependence of optical properties
Landscapes
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种换热器流量分配的监测方法、系统及存储介质，方法包括：获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；从所述热红外图像中提取温度数据；通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。本发明实施例提高了准确性和实时性，可广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域，尤其是一种换热器流量分配的监测方法、系统及存储介质。
背景技术
微通道换热器存在着制冷剂流量分配不均匀的问题。流量分配越均匀的换热器，换热量越高，压降越小，则此换热器效能越高产品性能越优。
微通道换热器：就是通道当量直径在0.01-1mm的换热设备。这种换热器由数十条微通道管组成，在微通道管的两端与圆形截面的集流管相联。集流管将制冷剂(又称工质，冷媒)分配到各个流道，在流道中制冷剂将与空气进行非接触换热。微通道换热技术已被应用于汽车空调行业和家用空调行业等多种领域。图1为微通道换热器的结构示意图。图1中的标号1代表入口集流管；标号2代表微通道管；标号3代表肋片；标号4代表出口集流管。
流量分配不均：是指在微通道换热器中，制冷剂通过集流管进入多根并联的微通道管时，无法保证每根微通道管中制冷剂的流量相等。如图2所示，图2中，制冷剂从左下角的入口集流管进入换热器、从右上角的出口集流管流出，靠近换热器入口处的微通道管内的液态制冷剂流量小，靠近出口处的流量大，显然流量分配并不均匀。
尤其是蒸发器(对于家用空调来说，家中的挂机一般就是蒸发器)分配不均的问题尤其严重。一般来说，分配越均匀，换热器的换热量越大，压力损失越小，换热器指标越好。
热红外图像：是由热红外扫描器接收和记录目标物发射的热辐射能而形成的图像。热红外图像能通过颜色直观地展示出图像各点的温度大小。如图3所示，利用热红外成像技术观察工作状态下的微通道换热器，能直观地看到各个微通道管的壁温状态。
目前没有针对分配问题进行指标化量化的解决方案。仅有优化分配、减小分配不均匀性的一些结构设计方案。
在目前的设计流程中，研发人员会使用热红外图像进行分配均匀性的识别(进行一个大致判断)，但是并没有量化的指标帮助研发人员作为判断依据。目前仅仅基于经验以及试错的方法调整换热器设计优化换热器结构。
发明内容
有鉴于此，本发明实施例提供一种量化分配均匀度的换热器流量分配的监测方法、系统及存储介质，以提高准确度和实时性。
本发明的一方面提供了一种换热器流量分配的监测方法，包括：
获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
从所述热红外图像中提取温度数据；
通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
可选地，所述获取目标微通道换热器的热红外图像，包括：
通过热红外成像仪对换热工作状态下的微通道换热器表面温度进行拍摄，获得热红外图像。
可选地，所述通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标，包括：
建立换热器仿真模型；
根据所述换热器仿真模型，计算不同流量分配下的换热器表面温度分布图像，得到伪红外图像；
将所述伪红外图像输入到卷积-反卷积神经网络中进行训练，输出流量分布数组；
根据训练好的卷积-反卷积神经网络对所述温度数据进行计算，确定流量均匀度指标。
可选地，所述换热器仿真模型通过提供工质与空气产生交叉流换热的界面以改变两种流体的热力学状态，所述换热器仿真模型通过空气与工质的入口状态作为输入，所述换热器仿真模型输出两种流体的出口状态，所述换热器仿真模型的出口状态和入口状态之间的差用于求解得到换热器的换热量及压降：
具体地，所述换热器仿真模型的工作过程包括：
将每根微通道管划分成若干个单元；
计算每个所述单元的工质换热量与压降；
根据所述每个单元的工质换热量与压降，计算总换热量与压降。
可选地，所述通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息，包括：
对所述流量均匀度指标进行分析处理，确定流量分布情况；
根据所述流量分布情况计算基于变异系数的不均匀度指标；
根据所述流量分布情况，确定流量较低的微通道管；
根据所述流量较低的微通道管的流量提升情况对所述不均匀度指标的影响，通过换热器仿真模型计算换热器换热量的提升信息；
根据所述提升信息确定所述流量均匀度指标的优化信息。
可选地，所述方法还包括量化换热器流量分配均匀度的迭代步骤，该步骤包括：
向迭代模型输入制冷剂侧和空气侧的入口条件，所述入口条件包括制冷剂入口压力、制冷剂入口焓值、空气流速、空气温度和空气相对湿度；
若液体质量流量和蒸汽质量流量分布均匀，计算各个微通道管的壁面温度和出口压力；
判断所述各个微通道管的出口压力是否相同，若是，则执行下一步骤；反之，则更新蒸汽质量流量并返回执行计算各个微通道管的壁温和出口压力的步骤；
判断所述壁面温度与热红外图像是否相符合，若是，则输出各个微通道管的传热率和压降；反之，则更新液体质量流量并返回计算各个微通道管的壁面温度和出口压力的步骤，直至输出各个微通道管的传热率和压降。
可选地，所述传热率的计算公式为：
其中，UA代表传热率；HTCair代表空气侧的传热系数；Aair代表空气侧的换热面积；HTCref代表制冷剂侧的传热系数；Aref代表制冷剂侧的换热面积。
本发明实施例的另一方面还提供了一种换热器流量分配的监测系统，包括：
热红外成像模块，用于获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
提取模块，用于从所述热红外图像中提取温度数据；
神经网络处理模块，用于通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
专家系统处理模块，用于通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例首先获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；接着从所述热红外图像中提取温度数据；然后通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；最后通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。本发明实施例提高了准确性和实时性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的微通道换热器结构示意图；
图2为本发明实施例提供的微通道换热器内制冷剂流量分配不均示意图；
图3为本发明实施例提供的一种微通道换热器的热红外图像；
图4为本发明实施例提供的换热器流量分配的监测方法的整体步骤流程图；
图5为本发明实施例提供的系统架构原理图；
图6为本发明实施例提供的换热器仿真模型的计算原理示意图；
图7为本发明实施例提供的量化换热器流量分配均匀度的迭代步骤流程图；
图8为本发明实施例提供的微通道换热器中40根微通道管的流量分布图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明旨在提出一种量化分配均匀度的指标性方法，用来优化结构设计的工作流程，而非对微通道换热器的本身结构进行优化，因此与该领域现有的技术有本质的区别，本发明实施例提供了一种换热器流量分配的监测方法，如图4所示，方法包括：
获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
从所述热红外图像中提取温度数据；
通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
可选地，所述获取目标微通道换热器的热红外图像，包括：
通过热红外成像仪对换热工作状态下的微通道换热器表面温度进行拍摄，获得热红外图像。
可选地，所述通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标，包括：
建立换热器仿真模型；
根据所述换热器仿真模型，计算不同流量分配下的换热器表面温度分布图像，得到伪红外图像；
将所述伪红外图像输入到卷积-反卷积神经网络中进行训练，输出流量分布数组；
根据训练好的卷积-反卷积神经网络对所述温度数据进行计算，确定流量均匀度指标。
可选地，所述换热器仿真模型通过提供工质与空气产生交叉流换热的界面以改变两种流体的热力学状态，所述换热器仿真模型通过空气与工质的入口状态作为输入，所述换热器仿真模型输出两种流体的出口状态，所述换热器仿真模型的出口状态和入口状态之间的差用于求解得到换热器的换热量及压降：
具体地，所述换热器仿真模型的工作过程包括：
将每根微通道管划分成若干个单元；
计算每个所述单元的工质换热量与压降；
根据所述每个单元的工质换热量与压降，计算总换热量与压降。
可选地，所述通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息，包括：
对所述流量均匀度指标进行分析处理，确定流量分布情况；
根据所述流量分布情况计算基于变异系数的不均匀度指标；
根据所述流量分布情况，确定流量较低的微通道管；
根据所述流量较低的微通道管的流量提升情况对所述不均匀度指标的影响，通过换热器仿真模型计算换热器换热量的提升信息；
根据所述提升信息确定所述流量均匀度指标的优化信息。
可选地，所述方法还包括量化换热器流量分配均匀度的迭代步骤，该步骤包括：
向迭代模型输入制冷剂侧和空气侧的入口条件，所述入口条件包括制冷剂入口压力、制冷剂入口焓值、空气流速、空气温度和空气相对湿度；
若液体质量流量和蒸汽质量流量分布均匀，计算各个微通道管的壁面温度和出口压力；
判断所述各个微通道管的出口压力是否相同，若是，则执行下一步骤；反之，则更新蒸汽质量流量并返回执行计算各个微通道管的壁温和出口压力的步骤；
判断所述壁面温度与热红外图像是否相符合，若是，则输出各个微通道管的传热率和压降；反之，则更新液体质量流量并返回计算各个微通道管的壁面温度和出口压力的步骤，直至输出各个微通道管的传热率和压降。
可选地，所述传热率的计算公式为：
其中，UA代表传热率；HTCair代表空气侧的传热系数；Aair代表空气侧的换热面积；HTCref代表制冷剂侧的传热系数；Aref代表制冷剂侧的换热面积。
本发明实施例的另一方面还提供了一种换热器流量分配的监测系统，包括：
热红外成像模块，用于获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
提取模块，用于从所述热红外图像中提取温度数据；
神经网络处理模块，用于通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
专家系统处理模块，用于通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令。
下面结合说明书附图，对本发明实施例的监测方法的具体实现原理进行详细说明：
如图5所示，本发明实施例的整体步骤包括：
1、通过热红外成像仪针对换热测试的微通道换热器表面温度进行拍摄，获得热红外图像并输出给软件部分。
2、将热红外图像转变为温度矩阵，输出到神经网络算法中。基于神经网络算法计算换热器各微通道管的流量。
3、将计算出的流量经过换算称为流量均匀度指标。并将计算结果输出到专家系统中。专家系统记录数据用于算法优化，以及根据当前算法输出结果。
4、在专家系统中模拟计算优化均匀度指标后，换热器的性能将提升多少。
5、同时，根据仿真模型以及大数据给出优化建议。
首先介绍本发明实施例的神经网络算法获得方法，包括以下步骤：
1、首先建立换热器仿真模型，计算不同流量分配下换热器的表面温度分布图像，即伪红外图像。
2、经过不断仿真后，获得大量的伪红外图像，带入深度神经网络中进行计算，本方案拟采用卷积-反卷积神经网络。
其中，神经网络将红外图谱(假设为400x400的二维数组，数组为红外相机拍摄的换热器表面温度，换热器有a根微通道管)卷积成一个2x2的卷积核，再反卷积为一个4x管道数的二维数组(4xa)，其中4行信息分别为每根管道的进口质量流量、进口气体流量、进口液体流量以及进口干度。
3、训练输入是伪红外图像，输出为流量分布数组(每根微通道管的流量)。
4、训练后得到算法。带入热红外成像仪拍摄的真实红外图像，即可输出流量分布数组。
下面介绍专家系统的建立过程，包括以下步骤：
1、首先根据流量分布情况，计算基于变异系数的不均匀度指标，以此来衡量均匀程度。
2、根据流量分布情况，找到流量较低的微通道管。
3、假设流量较低的微通道管的流量提升，不均匀度指标下降x％，通过换热器仿真模型计算换热器换热量提升百分比。
4、根据上一步计算结果，输出优化管路部位以及优化目标给研发人员。
其中，研发人员输入每次换热器的结构尺寸。专家系统中采用换热器的结构尺寸以及测试工况作为输入，均匀度指标和实验结果作为输出，训练神经网络。每次测试都将得到新的一组输入以及输出，每增加数组工况将进行迁徙学习。强化专家系统。
5、专家系统通过测试更改换热器关键结构设计，对分配均匀度的影响以及换热器性能的影响，并输出结果。
下面进一步描述本发明实施例的换热器仿真模型的建立过程：
本发明实施例的微通道换热器通过提供工质与空气产生交叉流换热的界面以改变两种流体的热力学状态。换热器模型通过空气与工质的入口状态作为输入，输出两种流体的出口状态，而出入口状态差则可以求解出换热器的换热量及压降。在模型中，每根微通道管被分成数个微小单元(经实验验证，每个单元最大不能超过10mm以确保结果与单元数量无关)，通过类似有限体积的方法计算每个单元内的工质换热量与压降，再计算总换热量与压降。
如图6所示，在换热器仿真模型的建立过程中，本实施例将微通道管分为有限个微小单元，在每个单元内，通过有限体积法计算换热量与压降，计算方法如下列公式(1)-(13)所示：
总体传热速率UA的计算方法如公式(1)所示：
其中，UA代表传热率；HTCair代表空气侧的传热系数；Aair代表空气侧的换热面积；HTCref代表制冷剂侧的传热系数；Aref代表制冷剂侧的换热面积。
总效率ηtot由公式(2)～(4)定义：
式中，Afin代表翅片面积；Atot代表总面积；ηfin代表翅片效率；l代表翅片高度；h代表翅片外对流换热系数；k代表翅片材料的导热系数；m代表翅片常数。
公式(5)、(6)定义了流体容量C，公式(7)计算了流体容量的最大值Cmax和最小值Cmin，公式(8)计算了流体容量的比值Cr：
Cmin＝min(Cair,Cref)，Cmax＝max(Cair,Cref) (7)
式中，
代表空气侧质量流量；
代表制冷剂侧质量流量；CPair代表空气侧定压比热容；CPref代表制冷剂侧定压比热容。
公式(9)定义了传热单元数NTU，公式(10)定义了有效系数ε：
公式(11)定义了空气侧的换热量Q：
Q＝εCmin(Tai-Tri) (11)
式中，Tai代表空气侧入口温度；Tri代表制冷剂侧入口温度根据能量守恒定律。
公式(12)计算了制冷剂侧出口比焓hro：
公式(13)计算了制冷剂侧出口压力Pro：
上述方程是微通道换热器仿真模型的基础。用关联式计算了制冷剂侧和空气侧的传热系数以及压力梯度。所用的相关参数的关联式如表1所示，表1用于描述换热器模型中参数信息。
表1
最后，进一步描述本发明实施例的量化流量分配均匀度的迭代方法：
本实施例量化微通道换热器流量分配均匀度的迭代方法可以建立在以下假设的基础之上：
①各微通道管的进出口压力相同；
②忽略润滑油对传热速率和压降的影响；
③不存在过冷沸腾；
④干涸点只出现在过热蒸汽区(x≥1)；
⑤空气流入是均匀过程(即入口处空气流速和温度均匀)。
假设说明：
1)、假设①表明集流管内压力分布的不均匀并不是造成微通道管流量分配不均匀的主要原因；
2)现实中换热器内的油会影响制冷剂的传热速率和压降。但本专利在研究过程中，油的循环速率较低，因此假设②忽略了油的影响。
3)假设③④⑤是为了简化计算。
具体的迭代过程如图7所示。迭代模型的输入为制冷剂侧和空气侧的入口条件。首先，假定液体和蒸汽质量流量分布均匀，即每个微通道管中的液体质量流量和蒸汽质量流量都相同，计算出各微通道管的壁温和出口压力。要求计算出的各个微通道管的出口压力相同，如果某一个微通道管的出口压力低于平均压力，则降低该管的蒸汽质量流量，反之亦然，直至各微通道管的出口压力相同。然后，将计算出的微通道管的壁温与红外图像的测量结果进行比较，如果红外图像显示，微通道管的实际过热区域大于模型计算出的过热区域，则模型将减小液体的质量流量，反之亦然，直至模型的壁面温度与红外图像相符。最终输出各管的传热率和压降。
图8是某微通道换热器的流量分布图，该微通道换热器有40根微通道管，结果计算来自图3和本发明所描述的监测方法。图8的横坐标为40根微通道管的标号，纵坐标为各个微通道管内的汽体、液体流量和总流量。可以看到，并联的微通道管内，不仅汽液流量和气液比不同，连总流量分布也不均匀。而流量的分布不均匀说明换热器的换热效率还有巨大的提升空间。因此本发明专利对微通道换热器行业拥有重大的实际意义。
综上所述，相较于现有技术，本发明针对改善微通道换热器内制冷剂流量分配不均匀问题，具有以下优点：
(1)现如今的解决方案均为设计换热器结构，基于经验和试错来判断流量分配问题是否得到改善。与之相比，本发明提供了一种量化微通道换热器内部流量分配均匀程度的指标算法，首次针对换热器设计开发流程效率进行优化，能够帮助研发人员更好地掌握换热器样件的性能，指导微通道换热器的结构优化设计。
(2)通过迭代计算的方法，基于实验标定的模型结果更加准确。通过大量仿真模拟计算后，通过神经网络算法进行学习。最终通过这套算法装机实现实时的流量分配监测。
(3)相比于基于模型的算法，本发明所采用的基于神经网络的算法计算速度更快，更能做到实时监测，可以将本发明中的系统集成到换热器焓差实验室中，进行实时监测与设计优化建议提供。
由于微通道换热器流量分配不均匀问题是一个普遍存在的问题。影响流量分配不均匀的因素有很多，不限于制冷剂的质量流量、入口蒸汽质量等，但在换热器的实际工况下，这些影响因素都会受到限制(如某些场合规定了制冷剂的质量流量、入口条件等)，因此，优化换热器本身的结构才是改善流量分配不均匀问题的有效途径。目前，缺乏一个评价流量分配均匀度的指标，这导致在换热器的结构设计过程中，调整了换热器的某些参数后(如宽高比、管排数、集流管水力直径等)，无法判断是否改善了流量分配均匀性问题，只能制造出具有该结构的换热器样件，并测试它的实际工况，通过实验来总结经验和规律。研发过程繁琐，效率低下。
为此，本发明提供了一个量化微通道换热器流量分配均匀程度的指标算法，用参数直观地评价流量分配的均匀程度。当开发人员再次调整微通道换热器的结构参数时，不再需要基于经验和试错来判断优化效果，通过本指标算法，就可以很好地掌握换热器样件的性能。因此，本发明从根本上优化了换热器设计开发流程，减少了相关行业的研发成本，提高了研发效率，对换热器及相关制造业的发展拥有重大的实际意义。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种换热器流量分配的监测方法，其特征在于，包括：
获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
从所述热红外图像中提取温度数据；
通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
2.根据权利要求1所述的一种换热器流量分配的监测方法，其特征在于，所述获取目标微通道换热器的热红外图像，包括：
通过热红外成像仪对换热工作状态下的微通道换热器表面温度进行拍摄，获得热红外图像。
3.根据权利要求1所述的一种换热器流量分配的监测方法，其特征在于，所述通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标，包括：
建立换热器仿真模型；
根据所述换热器仿真模型，计算不同流量分配下的换热器表面温度分布图像，得到伪红外图像；
将所述伪红外图像输入到卷积-反卷积神经网络中进行训练，输出流量分布数组；
根据训练好的卷积-反卷积神经网络对所述温度数据进行计算，确定流量均匀度指标。
4.根据权利要求3所述的一种换热器流量分配的监测方法，其特征在于，所述换热器仿真模型通过提供工质与空气产生交叉流换热的界面以改变两种流体的热力学状态，所述换热器仿真模型通过空气与工质的入口状态作为输入，所述换热器仿真模型输出两种流体的出口状态，所述换热器仿真模型的出口状态和入口状态之间的差用于求解得到换热器的换热量及压降：
具体地，所述换热器仿真模型的工作过程包括：
将每根微通道管划分成若干个单元；
计算每个所述单元的工质换热量与压降；
根据所述每个单元的工质换热量与压降，计算总换热量与压降。
5.根据权利要求1所述的一种换热器流量分配的监测方法，其特征在于，所述通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息，包括：
对所述流量均匀度指标进行分析处理，确定流量分布情况；
根据所述流量分布情况计算基于变异系数的不均匀度指标；
根据所述流量分布情况，确定流量较低的微通道管；
根据所述流量较低的微通道管的流量提升情况对所述不均匀度指标的影响，通过换热器仿真模型计算换热器换热量的提升信息；
根据所述提升信息确定所述流量均匀度指标的优化信息。
6.根据权利要求1所述的一种换热器流量分配的监测方法，其特征在于，所述方法还包括量化换热器流量分配均匀度的迭代步骤，该步骤包括：
向迭代模型输入制冷剂侧和空气侧的入口条件，所述入口条件包括制冷剂入口压力、制冷剂入口焓值、空气流速、空气温度和空气相对湿度；
若液体质量流量和蒸汽质量流量分布均匀，计算各个微通道管的壁面温度和出口压力；
判断所述各个微通道管的出口压力是否相同，若是，则执行下一步骤；反之，则更新蒸汽质量流量并返回执行计算各个微通道管的壁温和出口压力的步骤；
判断所述壁面温度与热红外图像是否相符合，若是，则输出各个微通道管的传热率和压降；反之，则更新液体质量流量并返回计算各个微通道管的壁面温度和出口压力的步骤，直至输出各个微通道管的传热率和压降。
7.根据权利要求6所述的一种换热器流量分配的监测方法，其特征在于，
所述传热率的计算公式为：
其中，UA代表传热率；HTCair代表空气侧的传热系数；Aair代表空气侧的换热面积；HTCref代表制冷剂侧的传热系数；Aref代表制冷剂侧的换热面积。
8.一种换热器流量分配的监测系统，其特征在于，包括：
热红外成像模块，用于获取目标微通道换热器的热红外图像；其中，所述目标微通道换热器处于换热工作状态；
提取模块，用于从所述热红外图像中提取温度数据；
神经网络处理模块，用于通过神经网络算法对所述温度数据进行计算，确定流量均匀度指标；
专家系统处理模块，用于通过专家系统对所述流量均匀度指标进行分析处理，确定所述流量均匀度指标的优化信息。
9.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111231724.3A CN114034350B (zh) | 2021-10-22 | 2021-10-22 | 一种换热器流量分配的监测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111231724.3A CN114034350B (zh) | 2021-10-22 | 2021-10-22 | 一种换热器流量分配的监测方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114034350A true CN114034350A (zh) | 2022-02-11 |
| CN114034350B CN114034350B (zh) | 2022-12-02 |
Family
ID=80135188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111231724.3A Active CN114034350B (zh) | 2021-10-22 | 2021-10-22 | 一种换热器流量分配的监测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114034350B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115048861A (zh) * | 2022-06-06 | 2022-09-13 | 中国人民解放军海军工程大学 | 3d芯片嵌入式液冷通道流量的智能化分配方法及系统 |
| CN115575156A (zh) * | 2022-12-09 | 2023-01-06 | 中国核动力研究设计院 | 一种研究微通道换热器流量分配特性的实验装置 |
| CN117113831A (zh) * | 2023-08-22 | 2023-11-24 | 鞍钢股份有限公司 | 一种叉流式换热器结构推演方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520014A (zh) * | 2011-12-14 | 2012-06-27 | 华北电力大学 | 基于火焰自由基和温度测量的污染物排放量在线预测方法 |
| CN107679294A (zh) * | 2017-09-18 | 2018-02-09 | 西安交通大学 | 一种多通道板式换热器进出口设计方法 |
| CN111597660A (zh) * | 2020-05-27 | 2020-08-28 | 西安交通大学 | 一种多通道换热器流量分布预测方法 |
| CN112380653A (zh) * | 2020-11-17 | 2021-02-19 | 潍柴动力股份有限公司 | 换热器性能数据确定方法、装置、设备及存储介质 |
-
2021
- 2021-10-22 CN CN202111231724.3A patent/CN114034350B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520014A (zh) * | 2011-12-14 | 2012-06-27 | 华北电力大学 | 基于火焰自由基和温度测量的污染物排放量在线预测方法 |
| CN107679294A (zh) * | 2017-09-18 | 2018-02-09 | 西安交通大学 | 一种多通道板式换热器进出口设计方法 |
| CN111597660A (zh) * | 2020-05-27 | 2020-08-28 | 西安交通大学 | 一种多通道换热器流量分布预测方法 |
| CN112380653A (zh) * | 2020-11-17 | 2021-02-19 | 潍柴动力股份有限公司 | 换热器性能数据确定方法、装置、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| HUIZE LI等: "Quantification of liquid refrigerant distribution in parallel flow microchannel heat exchanger using infrared thermography", 《APPLIED THERMAL ENGINEERING》 * |
| SEBASTIAN DUDZIK: "Investigations of a heat exchanger using infrared thermography and artificial neural networks", 《SENSORS AND ACTUATORS A》 * |
| 巫江虹等: "神经网络系统理论在换热器分配特性研究中的应用", 《制冷学报》 * |
| 杨葛东等: "微通道换热器中制冷剂分流均匀性的研究进展", 《制冷》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115048861A (zh) * | 2022-06-06 | 2022-09-13 | 中国人民解放军海军工程大学 | 3d芯片嵌入式液冷通道流量的智能化分配方法及系统 |
| CN115575156A (zh) * | 2022-12-09 | 2023-01-06 | 中国核动力研究设计院 | 一种研究微通道换热器流量分配特性的实验装置 |
| CN115575156B (zh) * | 2022-12-09 | 2023-03-10 | 中国核动力研究设计院 | 一种研究微通道换热器流量分配特性的实验装置 |
| CN117113831A (zh) * | 2023-08-22 | 2023-11-24 | 鞍钢股份有限公司 | 一种叉流式换热器结构推演方法 |
| CN117113831B (zh) * | 2023-08-22 | 2024-08-16 | 鞍钢股份有限公司 | 一种叉流式换热器结构推演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114034350B (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114034350B (zh) | 一种换热器流量分配的监测方法、系统及存储介质 | |
| Zhang et al. | Review of experimentation and modeling of heat and mass transfer performance of fin-and-tube heat exchangers with dehumidification | |
| Xie et al. | Performance predictions of laminar and turbulent heat transfer and fluid flow of heat exchangers having large tube-diameter and large tube-row by artificial neural networks | |
| Liang et al. | Experimental and simulation study on the air side thermal hydraulic performance of automotive heat exchangers | |
| CN109766589B (zh) | 一种管翅式换热器非均匀迎面风速下性能评价方法 | |
| Pacio et al. | A study of the effect of flow maldistribution on heat transfer performance in evaporators | |
| Popovic et al. | A semi-empirical method for modeling a reciprocating compressor in refrigeration systems | |
| CN110059388B (zh) | 核电厂冷凝器沿工质流动方向的参数分布建模仿真方法 | |
| Yin et al. | Investigations on optimal discharge pressure in CO2 heat pumps using the GMDH and PSO-BP type neural network—Part A: Theoretical modeling | |
| Shojaeefard et al. | Modeling and combined application of the modified NSGA-II and TOPSIS to optimize a refrigerant-to-air multi-pass louvered fin-and-flat tube condenser | |
| Boeng et al. | A capillary tube-refrigerant charge design methodology for household refrigerators-Part II: Equivalent diameter and test procedure | |
| CN110715405A (zh) | 一种基于bp神经网络拟合模型的空调器制冷量检测方法 | |
| Shojaeefard et al. | Evaluating different types of artificial neural network structures for performance prediction of compact heat exchanger | |
| CN110869728A (zh) | 用于确定工艺工程装置的材料中的应力水平的方法 | |
| Sarfraz et al. | A literature review of numerical modeling techniques for vapor compression systems with focus on heat exchanger modeling | |
| Wang et al. | Modeling for multi-pass parallel flow condenser with the effect of refrigerant mal-distribution | |
| Shojaeefard et al. | Developing a hybrid procedure of one dimensional finite element method and CFD simulation for modeling refrigerant flow mal-distribution in parallel flow condenser | |
| Du et al. | A regression-based approach for the explicit modeling of simultaneous heat and mass transfer of air-to-refrigerant microchannel heat exchangers | |
| Węglarz et al. | New non-iterative method for computation of tubular cross-flow heat exchangers | |
| CN109858073B (zh) | 针对板翅式换热器效率模型的基于瞬态试验数据的实时快速构建方法 | |
| CN105160116B (zh) | 换热器分液均匀的优化设计方法 | |
| CN117272832A (zh) | 基于神经网络的post-dryout传热区仿真方法 | |
| Eldredge et al. | Improving the accuracy and scope of control-oriented vapor compression cycle system models | |
| CN114329894B (zh) | 城镇燃气管道沿线任意点的燃气温度的估算方法及装置 | |
| CN111859667B (zh) | 一种预测汽车空调冷凝器性能的建模方法 |
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 |