CN114290503B - T梁蒸汽养生发生器功率控制方法及其装置 - Google Patents
T梁蒸汽养生发生器功率控制方法及其装置 Download PDFInfo
- Publication number
- CN114290503B CN114290503B CN202111488567.4A CN202111488567A CN114290503B CN 114290503 B CN114290503 B CN 114290503B CN 202111488567 A CN202111488567 A CN 202111488567A CN 114290503 B CN114290503 B CN 114290503B
- Authority
- CN
- China
- Prior art keywords
- steam generator
- temperature
- power
- optimal
- steam
- 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.)
- Active
Links
Landscapes
- Feedback Control In General (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及桥梁施工质量技术领域,具体是一种T梁蒸汽养生发生器功率控制方法,收集T梁蒸汽养生过程特征数据建立数据集,以特征数据为自变量,蒸汽发生器功率为因变量,建立并训练基于支持向量机的回归模型;将实时的特征数据代入基于所述回归模型的智能控制器,通过智能控制器得到蒸汽发生器此时养护的最佳功率;将最佳功率输入蒸汽发生器,使得蒸汽发生器保持最佳功率值对T粱进行养护,利用温湿度传感器与智能控制器通过回归计算预测出蒸汽发生器的实时最佳功率,能够对外界环境进行实时地做出反应,提高养护后T粱的性能,而且能够有效节约资源,避免浪费,绿色环保。
Description
技术领域
本发明涉及桥梁施工质量技术领域,具体是一种T梁蒸汽养生发生器功率控制方法及其装置。
背景技术
T梁大规模智能生产是保障交通建设进度、质量的关键。由于混凝土在秋冬季节的施工过程中面临气温过低受冻的风险,导致混凝土的各项性能受损,出现相应病害,现有的通常在人工操作的辅助下,控制改变蒸汽发生器的功率保证T粱外部环境的温湿度,使得T粱能够处于最佳环境,但是人工操作对外界环境的判断不够及时与不够准确,往往容易导致蒸汽发生器的功率控制不够及时准确,使得T梁不能保持在最佳环境中,不但会造成T梁性能的降低,还会导致资源能量的浪费。
发明内容
本发明的目的是提供一种T梁蒸汽养生发生器功率控制方法及其装置,解决现有技术中对T梁养护不能实时有效控制蒸汽发生器功率的问题。
本发明为实现上述目的技术方案为:一种T梁蒸汽养生发生器功率控制方法,其特征在于,包括以下步骤:
1)采集养护条件为不同湿度、不同温度与不同蒸汽发生器功率工况下对应的混凝土T梁生产试验块弹性模量,筛选并记录不同温度与不同湿度工况下,满足混凝土T梁生产试验块弹性模量要求的蒸汽发生器功率数据,建立数据集,并将数据集输入智能控制器;
2)对外界温度T、外界湿度Φ和T梁温度t进行检测收集,作为特征数据;
3)以特征数据为自变量,蒸汽发生器功率为因变量,建立并训练基于支持向量机的回归模型;
4)将实时的特征数据代入基于所述回归模型的智能控制器,通过智能控制器得到蒸汽发生器此时养护的最佳功率;
5)将最佳功率输入蒸汽发生器,使得蒸汽发生器保持最佳功率值对T粱进行养护。
进一步限定,所述3)的具体计算包括以下步骤:
3.1)特征数据作为自变量,蒸汽发生器的最佳为因变量,选择径向基函数RBF作为支持向量机SVM的核函数,建立并训练基于支持向量机SVM的回归模型Xi=(Ti,Φi,ti),i∈N+,其中Xi为第i组输入的环境温度Ti、环境湿度Φi和T梁温度ti的向量,即第i组特征数据;
3.2)以径向基函数RBF作为核函数构建支持向量机SVM模型对特征数据进行学习,预测最优蒸汽发生器功率,径向基函数RBF为其中,Xk为第k组特征数据,k∈N+,K为径向基函数点积算子,‖Xk-Xi‖是输入Xk到第i个径向基函数中心的距离,σ2为径向基函数的方差;
相应的最优函数为同时/>0≤ai≤Ci,其中b为设定阈值,sign为分类决策函数,ai为设定模型系数,yi为第i组蒸汽发生器功率参数,Ci为第i个输入的惩罚因子,n表示为n组数据;
3.3)将输入的特征数据经过归一化网络的处理,使得输出后每个数据具有相同的量纲,归一化网络的输入与输出映射函数为:
其中,σ2为径向基函数的方差,N=n,wi与wj分别为第i个和第j个的线性权值,j∈N+。
进一步限定,所述4)具体为:
基于径向基函数RBF的支持向量机SVM模型所包含的主要参数误差惩罚因子C不同会影响模型的准确率,其中,Ni为第i个聚类域中样本个数,Zj为输入特征数据中第j个样本;
将求得的Ci代入3.2)中,得到最优函数f(X),训练基于径向基函数RBF的支持向量机SVM最优参数预测模型,对蒸汽发生器功率P进行预测。
进一步限定,所述T梁蒸汽养生发生器功率控制方法还包括:
6)对基于径向基函数RBF的支持向量机SVM最优参数预测模型进行验证,在T梁养护结束后对其弹性模量进行验证,若满足要求,则通过验证;若不满足要求,则返回步骤3.2)对惩罚因子C的值重新寻优赋值直至通过验证。
基于上述所述的T梁蒸汽养生发生器功率控制方法的控制装置,其特征在于,包括温湿度传感器、智能控制器、蒸汽发生器和T梁温度传感器,所述温湿度传感器用于检测外界温度与外界湿度,所述蒸汽发生器用于对T梁进行蒸汽养护,温湿度传感器、蒸汽发生器与T梁温度传感器分别与智能控制器电连接,所述T梁温度传感器安装在T梁上,所述智能控制器根据温湿度传感器提供的外界温度与外界湿度和根据T梁温度传感器提供的T梁温度通过归一计算处理得到最佳功率值,随后通过验证后输出给蒸汽发生器,使得控制蒸汽发生器对T粱进行最佳的养护。
进一步限定,所述T梁温度传感器分别设置在T梁的周侧与顶面中间位置。
本发明的有益效果:
1、利用温湿度传感器与智能控制器通过回归计算预测出蒸汽发生器的实时最佳功率,能够对外界环境实时地做出反应,可以精准地面对复杂多变的环境来做出反应,改变蒸汽发生器的功率进行最佳养护,提高养护后T粱的各项性能,而且蒸汽发生器处于最佳养护功率能够避免水资源浪费,最大限度地节约资源,避免浪费,绿色环保。
2、通过自动控制蒸汽发生器的实时功率来减少人工操作的不稳定性,减少人力投入,降低了成本,避免了水的浪费,保证了T梁养护的质量,降低了T粱的不合格率,节约了成本,同时节约了资源,并且提高了工作效率。
附图说明
图1为本发明实施例1的控制方法流程图;
图2为本发明实施例1的智能控制器得出最佳功率的流程图;
图3为本发明实施例2的装置示意图;
图中:1-温湿度传感器、2-智能控制器、3-蒸汽发生器、4-T梁温度传感器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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用以解释本发明,并不用于限定本发明。
参考图1与图2,本发明提供一种T梁蒸汽养生发生器功率控制方法,包括以下步骤:
1)采集养护条件为不同湿度、不同温度与不同蒸汽发生器功率工况下对应的混凝土T梁生产试验块弹性模量,筛选并记录不同温度与不同湿度工况下,满足混凝土T梁生产试验块弹性模量要求的蒸汽发生器功率数据,建立数据集,并将数据集输入智能控制器2;
制造与T梁同材质规格的混凝土T梁生产试验块,收集混凝土T梁生产试验块在不同湿度、不同温度和不同蒸汽发生器功率工况下养护完成的弹性模量,例如在湿度相同和温度相同时,不同蒸汽发生器功率下混凝土T梁生产试验块对应的弹性模量,同理,通过保持两个参数不变改变另外一个参数的方式进行数据采集;
采集完成后筛选记录在不同温度与不同湿度的工况下,混凝土T梁生产试验块不同弹性模量对应的蒸汽发生器功率,依次建立数据集,并将数据集输入智能控制器2中。
2)对外界温度T、外界湿度Φ和T梁温度t进行检测收集,作为特征数据;
完成数据集的建立后,开始对实际生产作业中T梁的外界温度T、外界湿度Φ和T梁温度t进行实时检测收集,检测收集的数据作为特征数据。
3)以特征数据为自变量,蒸汽发生器功率为因变量,建立并训练基于支持向量机的回归模型;
具体的包括以下步骤:
3.1)将特征数据作为自变量,将蒸汽发生器3的最佳功率作为因变量,选择径向基函数RBF作为支持向量机SVM的核函数,建立并训练基于支持向量机SVM的回归模型Xi=(Ti,Φi,ti),i∈N+,其中Xi为第i组输入的环境温度Ti、环境湿度Φi和T梁温度ti的向量,即第i组特征数据,
3.2)以径向基函数RBF作为核函数构建支持向量机SVM模型对特征数据进行学习,预测最优蒸汽发生器功率,径向基函数RBF为其中,Xk为第k组特征数据,k∈N+,Xi为第i组特征数据,即第i个径向基函数的中心,K为径向基函数点积算子,‖Xk-Xi‖是输入Xk到第i个径向基函数中心的距离,σ2为径向基函数的方差;
相应的最优函数为同时/>0≤ai≤Ci,其中b为设定阈值,sign为分类决策函数,ai为设定模型系数,yi为第i组蒸汽发生器功率参数,Ci为第i个输入的惩罚因子,b、ai为最优函数f(X)的待求系数,求解过程为经典公式;
3.3)将输入的特征数据经过归一化网络的处理,使得输出后每个数据具有相同的量纲,归一化网络的输入与输出映射函数为:
其中,σ2为径向基函数方差,N=n,wi与wj分别为第i个和第j个的线性权值,j∈N+。
4)将实时的特征数据代入基于所述回归模型的智能控制器2,通过智能控制器2得到蒸汽发生器此时养护的最佳功率;
具体的,基于径向基函数RBF的支持向量机SVM模型所包含的主要参数误差惩罚因子C不同会影响模型的准确率,其中,Ni为第i个聚类域中样本个数,Zj为输入特征数据中第j个样本;
将求得的Ci代入3.2)中,得到最优函数f(X),训练基于径向基函数RBF的支持向量机SVM最优参数预测模型,对蒸汽发生器3功率P进行预测。
5)将最佳功率输入蒸汽发生器3,使得蒸汽发生器3保持最佳功率值对T粱进行养护;
6)对基于径向基函数RBF的支持向量机SVM最优参数预测模型进行验证,在T梁养护结束后对其弹性模量进行验证,若满足要求,则通过验证,表示惩罚因子赋值满足要求,则后续T梁养护采用该惩罚因子;若不满足要求,则返回3.2)对惩罚因子C的值重新进行参数寻优赋值直至通过验证。
通过对使用该方法给出的蒸汽发生器3功率养护完成的T梁进行弹性模量的测试来验证采用赋值的惩罚因子C是否满足要求,验证通过则在后续实际养护过程中惩罚因子C的赋值则基本不变。
参见表1,通过对同一时刻T梁养护现场的外界温度、外界湿度和T梁表面温度进行测量,随后通过本申请计算出的蒸汽发生器3的最佳功率并输入蒸汽发生器3中,最终完成T梁养护后对使用该方法养护的T梁硬度进行检验后与设计参数进行对比得出误差值,其误差率小于10%均属于允许误差,对应的惩罚因子C即为满足要求,同理,若规定要求允许误差不大于5%,则对大于允许误差的实验所对应的惩罚因子C进行赋值直至满足要求。
表1实验测量记录表
实施例2
参考图3,本发明提供一种T梁蒸汽养生发生器功率控制装置,包括温湿度传感器1、智能控制器2、蒸汽发生器3和T梁温度传感器4,其中,温湿度传感器1用来测量T梁放置位置外界环境的温度值与湿度值,确保及时有效地获取外界环境参数,蒸汽发生器3用来为T梁外部提供高温蒸汽,一方面能够为T梁提供足够适宜的温度,另一方面能为T梁提供适宜的湿度,来使T梁在养护时温度与湿度能够满足要求,从而使得T梁养护完成后达到设计要求的弹性模量,保证T梁的质量性能,T梁温度传感器4安装在T梁上,用来测量T梁本体的温度;智能控制器2的输入端分别与温湿度传感器1的输出端和T梁温度传感器4的输出端电连接,智能控制器2的输出端与蒸汽发生器3的输入端连接,蒸汽发生器3放置在T梁的外侧,蒸汽发生器3和T梁温度传感器4数量有多个,并且两者对应设置。
将每次采集到的特征数据输入智能控制器2中,智能控制器2通过对数据归一化处理后得到预测的蒸汽发生器最佳功率,随后智能控制器2向蒸汽发生器3发送对应的信号,使得蒸汽发生器3在最佳功率下对T粱进行氧化,如此循环,直至养护完成,通过实时控制蒸汽发生器3的功率,使得T梁的弹性模量满足设计要求,并且在最佳功率的作用下保证不会对资源造成多于的浪费,节约能源,绿色环保。
Claims (5)
1.一种T梁蒸汽养生发生器功率控制方法,其特征在于,包括以下步骤:
1)采集养护条件为不同湿度、不同温度与不同蒸汽发生器功率工况下对应的混凝土T梁生产试验块弹性模量,筛选并记录不同温度与不同湿度工况下,满足混凝土T梁生产试验块弹性模量要求的蒸汽发生器功率数据,建立数据集,并将数据集输入智能控制器;
2)对外界温度T、外界湿度Φ和T梁温度t进行检测收集,作为特征数据;
3)以特征数据为自变量,蒸汽发生器功率为因变量,建立并训练基于支持向量机的回归模型;
4)将实时的特征数据代入基于所述回归模型的智能控制器,通过智能控制器得到蒸汽发生器此时养护的最佳功率;
5)将最佳功率输入蒸汽发生器,使得蒸汽发生器保持最佳功率值对T梁进行养护;
所述步骤3)具体包括以下步骤:
3.1)特征数据作为自变量,蒸汽发生器的功率为因变量,选择径向基函数RBF作为支持向量机SVM的核函数,建立并训练基于支持向量机SVM的回归模型Xi=(Ti,Φi,ti),i∈N+,其中Xi为第i组输入的环境温度Ti、环境湿度Φi和T梁温度ti的向量,即第i组特征数据;
3.2)以径向基函数RBF作为核函数构建支持向量机SVM模型对特征数据进行学习,预测最优蒸汽发生器功率,径向基函数RBF为其中,Xk为第k组特征数据,k∈N+,K为径向基函数点积算子,‖Xk-Xi‖是输入Xk到第i个径向基函数中心的距离,σ2为径向基函数的方差;
相应的最优函数为同时/>其中b为设定阈值,sign为分类决策函数,ai为设定模型系数,yi为第i组蒸汽发生器功率参数,Ci为第i个输入的惩罚因子,n表示为n组数据;
3.3)将输入的特征数据经过归一化网络的处理,使得输出后每个数据具有相同的量纲,归一化网络的输入与输出映射函数为:
其中,σ2为径向基函数的方差,N=n,wi与wj分别为第i个和第j个的线性权值,j∈N+。
2.根据权利要求1所述的T梁蒸汽养生发生器功率控制方法,其特征在于,所述4)具体为:
基于径向基函数RBF的支持向量机SVM模型所包含的主要参数误差惩罚因子C不同会影响模型的准确率,其中,Ni为第i个聚类域中样本个数,Zj为输入特征数据中第j个样本;
将求得的Ci代入3.2)中,得到最优函数f(X),训练基于径向基函数RBF的支持向量机SVM最优参数预测模型,对蒸汽发生器功率P进行预测。
3.根据权利要求2所述的T梁蒸汽养生发生器功率控制方法,其特征在于,所述T梁蒸汽养生发生器功率控制方法还包括:
6)对基于径向基函数RBF的支持向量机SVM最优参数预测模型进行验证,在T梁养护结束后对其弹性模量进行验证,若满足要求,则通过验证;若不满足要求,则返回步骤3.2)对惩罚因子C的值重新寻优赋值直至通过验证。
4.一种基于权利要求3所述的T梁蒸汽养生发生器功率控制方法的控制装置,其特征在于,包括温湿度传感器(1)、智能控制器(2)、蒸汽发生器(3)和T梁温度传感器(4);
所述温湿度传感器(1)用于检测外界温度与外界湿度,所述蒸汽发生器(3)用于对T梁进行蒸汽养护,所述T梁温度传感器(4)安装在T梁上用于检测T梁的温度,温湿度传感器(1)、蒸汽发生器(3)与T梁温度传感器(4)分别与智能控制器(2)电连接,所述智能控制器(2)根据温湿度传感器(1)提供的外界温度与外界湿度和根据T梁温度传感器(4)提供的T梁温度通过归一计算处理得到最佳功率值,随后通过验证后输出给蒸汽发生器(3),使得控制蒸汽发生器(3)对T粱进行最佳的养护。
5.根据权利要求4所述的T梁蒸汽养生发生器功率控制方法的控制装置,其特征在于,所述T梁温度传感器(4)分别设置在T梁的周侧与顶面中间位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111488567.4A CN114290503B (zh) | 2021-12-07 | 2021-12-07 | T梁蒸汽养生发生器功率控制方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111488567.4A CN114290503B (zh) | 2021-12-07 | 2021-12-07 | T梁蒸汽养生发生器功率控制方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114290503A CN114290503A (zh) | 2022-04-08 |
CN114290503B true CN114290503B (zh) | 2023-08-25 |
Family
ID=80965189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111488567.4A Active CN114290503B (zh) | 2021-12-07 | 2021-12-07 | T梁蒸汽养生发生器功率控制方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114290503B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610169B (zh) * | 2023-07-19 | 2023-10-20 | 四川公路桥梁建设集团有限公司 | 一种目标对象智能化养护系统及方法 |
CN116638626A (zh) * | 2023-07-26 | 2023-08-25 | 中铁二十三局集团第一工程有限公司 | 基于云平台的桥梁预制t梁养生远程监控系统 |
CN116703133A (zh) * | 2023-08-09 | 2023-09-05 | 中铁二十三局集团第一工程有限公司 | 一种基于bim的公路桥梁预制t梁信息管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090078149A (ko) * | 2008-01-14 | 2009-07-17 | 양상규 | 증기양생 자동관리시스템 및 이를 이용한 관리방법 |
CN202162884U (zh) * | 2011-07-26 | 2012-03-14 | 中铁一局集团有限公司 | 滑移式箱梁预制养护棚 |
CN110766115A (zh) * | 2019-10-30 | 2020-02-07 | 中国一冶集团有限公司 | 一种基于bim模型的桥梁混凝智能养生和控温系统及方法 |
CN213617427U (zh) * | 2020-10-30 | 2021-07-06 | 东北林业大学 | 一种基于bim技术的混凝土蒸汽养护装置 |
CN113370367A (zh) * | 2021-06-29 | 2021-09-10 | 保利长大工程有限公司 | 一种组合式uhpc养护方法 |
CN113510829A (zh) * | 2021-05-13 | 2021-10-19 | 湖南联智智能科技有限公司 | 一种温湿度可调的蒸汽养护系统 |
-
2021
- 2021-12-07 CN CN202111488567.4A patent/CN114290503B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090078149A (ko) * | 2008-01-14 | 2009-07-17 | 양상규 | 증기양생 자동관리시스템 및 이를 이용한 관리방법 |
CN202162884U (zh) * | 2011-07-26 | 2012-03-14 | 中铁一局集团有限公司 | 滑移式箱梁预制养护棚 |
CN110766115A (zh) * | 2019-10-30 | 2020-02-07 | 中国一冶集团有限公司 | 一种基于bim模型的桥梁混凝智能养生和控温系统及方法 |
CN213617427U (zh) * | 2020-10-30 | 2021-07-06 | 东北林业大学 | 一种基于bim技术的混凝土蒸汽养护装置 |
CN113510829A (zh) * | 2021-05-13 | 2021-10-19 | 湖南联智智能科技有限公司 | 一种温湿度可调的蒸汽养护系统 |
CN113370367A (zh) * | 2021-06-29 | 2021-09-10 | 保利长大工程有限公司 | 一种组合式uhpc养护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114290503A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114290503B (zh) | T梁蒸汽养生发生器功率控制方法及其装置 | |
CN101630376B (zh) | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 | |
CN101863088B (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
CN106843172B (zh) | 基于jy-kpls的复杂工业过程在线质量预测方法 | |
CN101872182A (zh) | 一种基于递推非线性部分最小二乘的间歇过程监控方法 | |
CN109389238B (zh) | 一种基于岭回归的短期负荷预测方法及装置 | |
CN108445867B (zh) | 一种基于分散式icr模型的非高斯过程监测方法 | |
CN110263488A (zh) | 一种基于集成即时学习的工业混炼胶门尼粘度软测量方法 | |
CN103778466B (zh) | 一种基于矢量误差的转炉炼钢温度建模预测方法及系统 | |
CN110046377A (zh) | 一种基于异构相似度的选择性集成即时学习软测量建模方法 | |
CN107341359A (zh) | 秸秆发酵生产乙醇过程关键参量的软测量方法 | |
CN110222825B (zh) | 一种水泥成品比表面积预测方法及系统 | |
CN103344740B (zh) | 基于多输入维纳模型的谷氨酸产物浓度在线软测量方法 | |
CN111143968A (zh) | 一种质子交换膜燃料电池变遗忘因子递推子空间辨识方法 | |
CN103267826A (zh) | 一种在线检测明胶浓度的软测量方法 | |
CN108204997A (zh) | 常一线油闪点在线软测量方法 | |
CN117763696A (zh) | 基于ga-pso算法优化的桥梁静载试验参数预测方法 | |
CN113705897A (zh) | 一种面向工业铜箔生产的产品质量预测方法及系统 | |
CN105158147A (zh) | 一种用于测试密封圈材料老化的装置及方法 | |
CN112541296A (zh) | 一种基于pso-lssvm的so2预测方法 | |
CN116128165A (zh) | 一种基于miv-bp的建筑构件质量预测方法及系统 | |
CN116859839A (zh) | 基于模型训练的工业控制方法和装置 | |
CN105699043B (zh) | 一种提高风洞传感器测量稳定性和精准度的方法 | |
CN111079832A (zh) | 具有抗特征噪声性能的钢板表面缺陷分类方法 | |
CN105574264A (zh) | 一种水泥分解炉窑尾分解率svr软测量方法 |
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 |