CN114386280B - 一种基于温度不均匀度预示的试验加热回路优化方法 - Google Patents
一种基于温度不均匀度预示的试验加热回路优化方法 Download PDFInfo
- Publication number
- CN114386280B CN114386280B CN202210039828.2A CN202210039828A CN114386280B CN 114386280 B CN114386280 B CN 114386280B CN 202210039828 A CN202210039828 A CN 202210039828A CN 114386280 B CN114386280 B CN 114386280B
- Authority
- CN
- China
- Prior art keywords
- heated
- temperature
- uniformity
- thin film
- temperature unevenness
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Resistance Heating (AREA)
- Lining Or Joining Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种基于温度不均匀度预示的试验加热回路优化方法,步骤包括加热面阵列分割、温度不均匀度模型建立、温度不均匀度距离聚类运算、选择加热面分割方式,其中加热面阵列分割步骤用于对所有待加热的表面进行至多n×m次平均分割,本发明中,方法主要用于航天器的地面试验中,不依赖人员的经验,可基于仿真的温度不均匀度对上百个待加热表面进行快速的热设计,给出合并的加热片规格,可大大降低人员在薄膜电加热器设计中的工作量,给出的薄膜电加热器规格合并方案具有最优化、速度快、准确率高等特点,尤其适用于波导管控温、结构热控件热设计等用途。
Description
技术领域
本发明涉及航天器地面试验技术领域,尤其涉及一种基于温度不均匀度预示的试验加热回路优化方法。
背景技术
在航天器的热试验中,为了达到热流模拟、试验件及辅助设备控温等目的,往往需要使用不同规格的加热器对设备进行加热。薄膜电加热器是一种由聚酰亚胺包覆康铜加热丝的表面加热元件,具有易于实施、低成本、可靠性等优点,被广泛使用于国内外的航天器热试验。广泛用于结构热控件内热耗模拟、试验波导管控温、非规则表面外热流模拟等目的。
在试验设计中,由于待加热表面的大小各不相同,如果针对每个表面分别定制薄膜电加热器往往需要较长的工期和更高的成本;而如果使用较小的薄膜电加热器同时满足所有表面的加热需求,则大表面则往往存在温度不均匀的现象,导致结构热控件无法准确反映真实组件的热特性、关键组件性能偏移等问题,在极端情况下,较大温度梯度甚至会导致薄膜电加热器翘边、变形、烧毁。
因此,如何基于温度均匀特性的方法实现对大量待加热表面的规格进行快速的合并,是目前试验设计自动化、智能化中遇到的主要问题之一,目前对于大量薄膜电加热器的热设计、验证过程,往往由热设计人员手工进行,主要依据设计人员个人经验,存在效率低下、灵活性差等缺点。
因此,亟待设计和发明一种基于温度不均匀度预示的方式对薄膜电加热器进行快速分组、合并的方法具有积极的现实意义。
发明内容
本发明的目的是为了解决的上述问题,而提出的一种基于温度不均匀度预示的试验加热回路优化方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于温度不均匀度预示的试验加热回路优化方法,步骤包括加热面阵列分割、温度不均匀度模型建立、温度不均匀度距离聚类运算、选择加热面分割方式,其中加热面阵列分割步骤用于对所有待加热的表面进行至多n×m次平均分割,以对不同的薄膜电加热器组合方式进行计算,温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模型,温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,以此优化各个表面的温度不均匀度,选择加热面分割方式用于在温度不均匀度聚类运算的基础上,进一步对表面的分割方式进行选取。
作为上述技术方案的进一步描述:
所述待加热面分割步骤用于对每个加热面进行n×m次的细分,以考虑其用不同排列薄膜电加热器的状态,一般长、宽的方向至少包括3次。
作为上述技术方案的进一步描述:
所述温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模型。
作为上述技术方案的进一步描述:
所述典型状态的待加热面长、宽需能覆盖细分后的待加热表面的长宽,其中薄膜电加热器的加热边界按照第二类边界(热流边界)处理,温度不均匀度定义为:a=(Tmax-Tmin)/(Tmax+Tmin),
其中Tmax为待加热表面的最高温度,Tmin为待加热表面的最低温度;作为上述技术方案的进一步描述:
所述温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,依次在保证各个待加热表面温度均匀度的基础上,实现对薄膜电加热器规格的快速合并。
作为上述技术方案的进一步描述:
所述长、宽为X1、Y1的待加热面1与长、宽为X2、Y2的待加热面2的温度不均匀度距离的定义为“能同时满足待加热面1和待加热面2尺寸需求的薄膜电加热粘贴后所导致的待加热面1、待加热面2中的最大的温度不均匀度”,即选取薄膜电加热器的长宽分别为min(X1,X2)-z和min(Y1,Y2)-z时的待加热面1、待加热面2中的最大的温度不均匀度,其中z为最小操作间隙,一般为10mm。
作为上述技术方案的进一步描述:
所述聚类计算完成后,每个类的Xi的最低值min(Xi)和Yi的最低值min(Yi)即为本类中的薄膜电加热器粘贴空间,四周还需要预留最小操作间隙z,一般为10mm。
作为上述技术方案的进一步描述:
所述选择加热面分割方式用于在温度不均匀度聚类运算完成后,对每个表面采用不同分割方式时的温度不均匀度进行预示,以此选取表面温度更优的细分方式。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本方法不依赖人员的经验,可基于仿真的温度不均匀度对上百个待加热表面进行快速的热设计,给出合并的加热片规格,可大大降低人员在薄膜电加热器设计中的工作量,给出的薄膜电加热器规格合并方案具有最优化、速度快、准确率高等特点,尤其适用于波导管控温、结构热控件热设计等用途。
附图说明
图1为本发明中一种基于温度不均匀度预示的加热回路优化方法的具体适用对象之一;
图2为本发明中一种典型流程;
图3为本发明中待加热阵列分割方式示意图;
图4为本发明中温度不均匀度模型建立的典型流程;
图5为本发明中温度不均匀度距离计算的流程;
图6为本发明中温度不均匀度距离计算的示意图;
图7为本发明中温度不均匀度模型插值的范例图;
图8为本发明中温度不均匀度距离聚类运算的结果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一:
请参阅图1-5,一种基于温度不均匀度预示的试验加热回路优化方法,包括加热面阵列分割、温度不均匀度模型建立、温度不均匀度距离聚类运算、选择加热面分割方式。其中加热面阵列分割步骤用于对所有待加热的表面进行至多n×m次平均分割,以对不同的薄膜电加热器组合方式进行计算,温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模型,温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,以此优化各个表面的温度不均匀度,选择加热面分割方式用于在温度不均匀度聚类运算的基础上,进一步对表面的分割方式进行选取,优选其中温度均匀度更优的分割方式。
待加热面分割步骤用于对每个加热面进行n×m次的细分,以考虑其用不同排列薄膜电加热器的状态,一般长、宽的方向至少包括3次,即至少考虑1×1、1×2、2×1、3×1、3×2、3×3、1×3、2×3几种细分方式。
温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模。
典型状态的待加热面长、宽需能覆盖细分后的待加热表面的长宽,其中薄膜电加热器的加热边界按照第二类边界(热流边界)处理,温度不均匀度定义为:a=(Tmax-Tmin)/(Tmax+Tmin),
其中Tmax为待加热表面的最高温度,Tmin为待加热表面的最低温度。
温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,依次在保证各个待加热表面温度均匀度的基础上,实现对薄膜电加热器规格的快速合并。
长、宽为X1、Y1的待加热面1与长、宽为X2、Y2的待加热面2的温度不均匀度距离的定义为“能同时满足待加热面1和待加热面2尺寸需求的薄膜电加热粘贴后所导致的待加热面1、待加热面2中的最大的温度不均匀度”,即选取薄膜电加热器的长宽分别为min(X1,X2)-z和min(Y1,Y2)-z时的待加热面1、待加热面2中的最大的温度不均匀度,其中z为最小操作间隙,一般为10mm。
聚类计算完成后,每个类的Xi的最低值min(Xi)和Yi的最低值min(Yi)即为本类中的薄膜电加热器粘贴空间,四周还需要预留最小操作间隙z,一般为10mm。
选择加热面分割方式用于在温度不均匀度聚类运算完成后,对每个表面采用不同分割方式时的温度不均匀度进行预示,以此选取表面温度更优的细分方式。
图1给出了本发明一种基于温度不均匀度预示的加热回路优化方法的具体适用对象之一:航天器热试验中使用的波导管,在航天器系统级热试验中,往往使用数十路波导管进行微波信号传输,其中每路又可分为数十个单元组成,在试验中,需要对大量波导管进行加热控温。其中100为单根波导管单元,101为连接法兰,102为波导管表面粘贴的薄膜电加热器,在试验设计中,应确保薄膜电加热器尽可能覆盖波导管侧面的面积,以实现尽可能高的温度均匀性,然而,由于试验需求的不同,往往存在大量不同长度、不同宽度的波导管需要进行热设计。此外,试验工装、模拟件等均存在类似的需求。因此,如何基于温度均匀度预示的方法对组件快速进行热设计和薄膜电加热器规格的合并是热设计自动化、智能化的问题之一。
图2给出了本发明一种基于温度不均匀度预示的加热回路优化方法的一种典型流程,其中典型步骤包括:
A01,开始自动设计流程:即开始运行程序;
A02,读入初始设定值:读入程序的所有的默认运行设定,包括聚类簇数,表面阵列分割数等等;
A03,读入所有待加热表面长宽X、Y:读取所有待加热表面的长和宽,储存入二维数组Data0[Count,2]中,其中Count即为待加热表面的总数,数组的第二个维度用于区分X、Y坐标,其中Data0[i,0]列为X坐标,Data0[i,1]列为Y坐标;
A04,对所有加热面进行阵列分割,根据设定,分别在X方向均分为m段,在Y方向均分为n段,其中详细步骤可分为:
A04-1,1×1分割的长、宽数组即为在A03步骤中生成的Data0[Count,2];
A04-2,1×2分割的长、宽数组存储于二维数组Data12[Count,2],其中Data12[i,0]与Data[i,0]相同,Data12[i,1]为Data[i,1]中对应值的1/2;
A04-3,2×1分割的长、宽数组存储于二维数组Data21[Count,2],其中Data21[i,0]为Data[i,0]中对应值的1/2,Data21[i,1]与Data[i,1]相同;
A04-4,2×2分割的长、宽数组存储于二维数组Data22[Count,2],其中Data22[i,0]为Data[i,0]中对应值的1/2,Data22[i,1]为Data[i,1]中对应值的1/2;
A04-5,以此类推可得3×1、3×2、3×3、2×3、1×3及更高分割次数的数值定义;
A05,将所有细分面长宽插入同一数组:即将所有二维数组合并为Data[a,2],其中a为阵列分割后的总表面数,同时为了考虑待加热表面和薄膜电加热器的方向,对二维数组Data[a,2]进行遍历,保留其中X≥Y的项目,并将Y≥X的项目中X、Y进行交换,即使Data[a,2]中所有元素均满足X≥Y;
A06,获取细分面的长宽X、Y范围:遍历二维数组Data[a,2]的两列,分别查找阵列分割后的表面中的X、Y的最大、最小值
A07,参数化建模获取典型状态下的温度不均匀度:即对典型状态下的温度不均匀度进行参数化建模、计算,详见图4
A08,建立温度不均匀度预示模型,即在计算结果的基础上,建立插值程序,可在给定待加热面X、Y,薄膜电加热器X、Y的大小后,快速对覆盖范围内的温度不均匀度进行计算,可选择多元函数插值,或神经网络的方式;
A09,基于温度不均匀度的聚类运算:相对与传统的欧式距离聚类运算,主要区别在于:
1.使用距离为温度不均匀度距离,长、宽为X1、Y1的待加热面1与长、宽为X2、Y2的待加热面2的温度不均匀度距离的定义为“能同时满足待加热面1和待加热面2尺寸需求的薄膜电加热粘贴后所导致的待加热面1、待加热面2中的最大的温度不均匀度”,即选取薄膜电加热器的长宽分别为min(X1,X2)-z和min(Y1,Y2)-z时的待加热面1、待加热面2中的最大的温度不均匀度,其中z为最小操作间隙,一般为10mm;
2.迭代中类中心按照本簇中的min(x),min(y),而非所有点的几何平均值。
通过温度不均匀度距离聚类运算,可在优化中充分兼顾所有待加热表面的温度均匀度。
A10,选取每个类的min(x),min(y)作为加热片粘贴区域:聚类完成后,以min(x),min(y)作为本簇中的所有待加热表面的加热片粘贴区域,由此选择加热片尺寸为min(X1,X2)-z、min(Y1,Y2)-z,其中z为最小操作间隙,一般为10mm;
A11,基于温度不均匀度预示选择细分方案:由于对每个表面进行了多种阵列分割方式,还需要对具体的分割方式进行选择,使用温度不均匀度预示模型,对其所有粘贴方式的温度不均匀度进行比对,优先选择其中温度不均匀度较高的方式,当温度不均匀度较为接近时,优先选择使用较少薄膜电加热器(分割较少)的方式;
A12,判断是否满足要求,由人工对输出结果进行判断,如果不满足要求,则返回A04步骤,重新设置参数进行分割;
A13,输出电装方案:即根据加热回路设计,批量输出各个回路的电装方案,电装方案包括每个待加热表面的薄膜电加热器规格、布置方式、串并联方式、最大容许电流等数据,用于在试验具体实施中指导工艺人员对待加热表面进行电装实施;
A14,结束流程:结束程序运行
图3给出了本发明一种基于温度不均匀度预示的加热回路优化方法的待加热阵列分割方式示意图,其中201为1×1分割,211为2×1分割,212为1×2分割,213为2×2分割,221为3×1分割,222为1×3分割,223为3×2分割,224为2×3分割,225为3×3分割。在具体运行中,一般选取最大3×3分割的方式,在均匀度难以满足要求时,也可以放大至5×5分割的方式。
图4给出了本发明一种基于温度不均匀度预示的加热回路优化方法的温度不均匀度模型建立的典型流程,其中:
B01,开始:开始子流程运行;
B02,读入X、Y范围:从主程序读取所有分割后的表面的X、Y的最小值、最大值;
B03,将X、Y范围等间距分割,选取n个典型工况,如对于X∈[40,100],Y∈[40,80]的情况,可以将X分别选取40、70、100,Y分别选取40、60、80,共计9个典型工况:
B04,对典型工况内部的薄膜电加热器选取m个典型工况,在每个典型工况下,可对内部不同薄膜电加热器选取若干工况,如X=100,Y=100时,可分别选取(80,80)、(80,60)、(80,40)、(80,20)、(60,60)、(60,40)、(60,20)、(40,40)、(40,20)、(20,20)等等几种薄膜电加热器尺寸;
B05,参数化建模:基于参数化建模方式,可快速对不同的几何模型进行生成;
B06,自动化网格划分:即基于几何模型快速生成计算域的网格;
B07,有限元温度求解:快速对典型工况下的温度分布进行求解;
B08,获取典型工况温度不均匀度模型:在求解完成后,根据温度不均匀度的定义,按照a=(Tmax-Tmin)/(Tmax+Tmin)对每个工况的温度不均匀度进行计算;
B09,判断是否完成:判断是否计算完成,如未完成,返回至B05步骤继续进行参数化建模、计算;
B10:结果整理:对计算结果进行整理、输出;
B11:结束,结束子流程。
图5给出了本发明一种基于温度不均匀度预示的加热回路优化方法的温度不均匀度距离计算的流程,其中
C01,开始:
C02,读入待加热表面1的X1、Y1,读入待加热表面2的X2、Y2:
C03,确定能满足二者尺寸要求的薄膜电加热器尺寸,即选择加热片尺寸为min(X1,X2)-z、min(Y1,Y2)-z,其中z为最小操作间隙,一般为10mm;
C04,对待加热表面1的温度不均匀度进行插值:
C05,对待加热表面2的温度不均匀度进行插值:
C06,选取最大温度不均匀度作为二者的温度不均匀度距离,即选取待加热表面1、待加热表面2之间最差的温度不均匀度作为温度不均匀度距离,通过距离三定律,可证该定义可以满足距离的要求:
C07,结束,输出该距离的数值。
图6给出了本发明一种基于温度不均匀度预示的加热回路优化方法的温度不均匀度距离计算的示意图,其中301为待加热表面1;302为待加热表面2,待加热表面1和待加热表面2具有不同的长、宽;303为薄膜电加热器,303为能同时满足待加热表面1、待加热表面2的最大的薄膜电加热器面积(考虑边缘操作空间后)。
图7给出了本发明一种基于温度不均匀度预示的加热回路优化方法的温度不均匀度模型神经网络插值的范例图。其中温度不均匀度模型插值可以使用多元函数插值、神经网络插值等方式,图7中给出了使用神经网络插入的方式,其中模型的输入包括待加热表面的长X1、宽Y1,和薄膜电加热器的长X2、宽Y2,输出函数为温度不均匀度的预示值。经过训练后的神经网络可快速对温度不均匀度进行预示。
图8给出了本发明一种基于温度不均匀度预示的加热回路优化方法的温度不均匀度距离聚类运算的结果示意图,其中401为Y=X线,由于选取了所有X≥Y的点,即所有点均位于直线Y=X下方;402为聚类结果中某簇,即聚类结果中的其中某一类;403为该类中的最低X值,即该类中X值最低点的X值;404为该类中最低Y值,即该类中Y值最低点的Y值;405为该类中的薄膜电加热器可粘贴空间,即min(Xi),min(Yi),减去适当的工艺操作空间后,min(Xi)-z,min(Yi)-z即为薄膜电加热器的合并规格,可粘贴于该类中所有待加热表面上。
工作原理:本方法不依赖人员的经验,可基于仿真的温度不均匀度对上百个待加热表面进行快速的热设计,给出合并的加热片规格,可大大降低人员在薄膜电加热器设计中的工作量,给出的薄膜电加热器规格合并方案具有最优化、速度快、准确率高等特点,尤其适用于波导管控温、结构热控件热设计等用途。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于温度不均匀度预示的试验加热回路优化方法,步骤包括加热面阵列分割、温度不均匀度模型建立、温度不均匀度距离聚类运算、选择加热面分割方式,其中加热面阵列分割步骤用于对所有待加热的表面进行至多n×m次平均分割,其中n与m的取值小于等于5,以对不同的薄膜电加热器组合方式进行计算,温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模型,温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,以此优化各个表面的温度不均匀度,选择加热面分割方式用于在温度不均匀度聚类运算的基础上,进一步对表面的分割方式进行选取;
温度不均匀度定义为:a=(Tmax-Tmin)/(Tmax+Tmin),其中Tmax为待加热表面的最高温度,Tmin为待加热表面的最低温度;
长、宽为X1、Y1的待加热面1与长、宽为X2、Y2的待加热面2的温度不均匀度距离的定义为“能同时满足待加热面1和待加热面2尺寸需求的薄膜电加热粘贴后所导致的待加热面1、待加热面2中的最大的温度不均匀度”,即选取薄膜电加热器的长宽分别为min(X1,X2)-z和min(Y1,Y2)-z时的待加热面1、待加热面2中的最大的温度不均匀度,其中z为最小操作间隙,一般为10mm。
2.根据权利要求1所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述待加热面分割步骤用于对每个加热面进行n×m次的细分,以考虑其用不同排列薄膜电加热器的状态,一般长、宽的方向包括3次。
3.根据权利要求1所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述温度不均匀度模型建立步骤基于参数化建模方式,建立典型状态不同大小待加热表面和薄膜电加热器组合的仿真模型并进行求解,以此通过插值方式获得大范围的温度不均匀度预示模型。
4.根据权利要求3所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述典型状态的待加热面长、宽需能覆盖细分后的待加热表面的长宽,其中薄膜电加热器的加热边界按照第二类边界(热流边界)处理。
5.根据权利要求4所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述温度不均匀度距离聚类运算即基于定义的温度不均匀度距离,对大量表面的热设计进行聚类,依次在保证各个待加热表面温度均匀度的基础上,实现对薄膜电加热器规格的快速合并。
6.根据权利要求5所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述聚类计算完成后,每个类的Xi的最低值min(Xi)和Yi的最低值min(Yi)即为本类中的薄膜电加热器粘贴空间,四周还需要预留最小操作间隙z,一般为10mm。
7.根据权利要求1所述的一种基于温度不均匀度预示的试验加热回路优化方法,其特征在于,所述选择加热面分割方式用于在温度不均匀度聚类运算完成后,对每个表面采用不同分割方式时的温度不均匀度进行预示,以此选取表面温度更优的细分方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039828.2A CN114386280B (zh) | 2022-01-13 | 2022-01-13 | 一种基于温度不均匀度预示的试验加热回路优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039828.2A CN114386280B (zh) | 2022-01-13 | 2022-01-13 | 一种基于温度不均匀度预示的试验加热回路优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114386280A CN114386280A (zh) | 2022-04-22 |
CN114386280B true CN114386280B (zh) | 2022-08-23 |
Family
ID=81202242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210039828.2A Active CN114386280B (zh) | 2022-01-13 | 2022-01-13 | 一种基于温度不均匀度预示的试验加热回路优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386280B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659644A (zh) * | 2022-10-26 | 2023-01-31 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种石墨烯pi加热片排布获取方法及加热保温装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113611946A (zh) * | 2021-07-30 | 2021-11-05 | 蜂巢能源科技有限公司 | 储能电池簇的热管理方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080288312A1 (en) * | 2007-05-15 | 2008-11-20 | Intellireal, Llc. | Generating sufficiently sized, relatively homogeneous segments of real property transactions by clustering base geographical units |
CN107545089B (zh) * | 2016-07-18 | 2020-04-21 | 北京卫星环境工程研究所 | 确定航天器电子设备的热循环试验条件剪裁合理性的方法 |
CN107798181A (zh) * | 2017-10-19 | 2018-03-13 | 北京卫星环境工程研究所 | 基于热网络法的航天器虚拟热试验系统及热试验方法 |
CN109732398B (zh) * | 2019-03-11 | 2020-02-21 | 广东工业大学 | 一种超精密切削优化控制方法及系统 |
CN113095538B (zh) * | 2020-06-08 | 2024-03-19 | 华北电力大学 | 面向灵活性运行的热电联产机组宽负荷运行动态特性建模方法 |
CN112329269B (zh) * | 2020-11-27 | 2022-05-17 | 中国地质大学(武汉) | 一种基于工况识别的烧结点火温度建模预测方法 |
-
2022
- 2022-01-13 CN CN202210039828.2A patent/CN114386280B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113611946A (zh) * | 2021-07-30 | 2021-11-05 | 蜂巢能源科技有限公司 | 储能电池簇的热管理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114386280A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230289562A1 (en) | System and method for adaptive optimization | |
Bogdan et al. | Dynamic power management for multidomain system-on-chip platforms: An optimal control approach | |
CN114386280B (zh) | 一种基于温度不均匀度预示的试验加热回路优化方法 | |
WO2023036144A1 (zh) | 一种集成电路板仿真多级分布式并行计算方法 | |
Ran et al. | Optimizing energy efficiency for data center via parameterized deep reinforcement learning | |
CN114036787A (zh) | 基于物理先验自监督学习的卫星组件热布局温度场预测 | |
CN115454650A (zh) | 微电网边缘计算终端的资源配置方法、装置、终端及介质 | |
CN111476837B (zh) | 自适应立体匹配优化方法及其装置、设备和存储介质 | |
Hwang et al. | Design of a Lagrangian relaxation-based hierarchical production scheduling environment for semiconductor wafer fabrication | |
Qian et al. | Elasticai-creator: Optimizing neural networks for time-series-analysis for on-device machine learning in iot systems | |
Khan Khalil et al. | Energy Cost Minimization Using String Matching Algorithm in Geo-Distributed Data Centers. | |
WO2024060521A1 (zh) | 主动型负荷可调度潜力的计算方法、终端及存储介质 | |
US11276125B2 (en) | Systems and methods for assessing economic feasibility of an energy plant | |
US20220309199A1 (en) | Integrating calibrated models with computational physics simulations | |
KR102507185B1 (ko) | 전력 계통 클러스터링 방법 및 장치 | |
Divshali et al. | Application of bifurcation theory in dynamic security constrained optimal dispatch in deregulated power system | |
CN111191967B (zh) | 供能数据处理方法、系统、供能控制装置、及存储介质 | |
Khan et al. | Electricity Price Forecasting in a Smart Grid | |
CN114611805A (zh) | 一种净负荷预测方法、装置、电子设备及存储介质 | |
US20160093002A1 (en) | Optimal Battery Pricing and Energy Management for Localized Energy Resources | |
Lu et al. | Simulating price responsive distributed resources | |
Rotstein et al. | Set membership approach for reducing value sets in the frequency domain | |
CN114386281B (zh) | 一种基于聚类的试验加热回路自动设计方法 | |
CN110956370A (zh) | 储能策略数据处理系统、方法、装置及介质 | |
Zheng et al. | Multi-leader multi-follower game-based ADMM for big data processing |
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 |