CN114738229A - 一种基于人工智能的多泵并联系统的调节系统 - Google Patents

Abstract

本申请公开了一种基于人工智能的多泵并联系统的调节系统，包括调节模块、监测模块和控制模块；调节模块用于根据泵调节数据调整泵工作参数；监测模块用于采集泵工作状态；控制模块用于根据泵工作参数、泵工作状态和并联系统的系统流量，生成泵调节数据，并发送至所述调节模块。本申请技术方案能够在满足泵系统需求的情况下，合理调配泵单元的工作参数，提高泵单元的工作效率，使工作中的泵单元处于高效工作状态，不必工作的泵单元暂停工作；同时，当泵系统总体需求发生改变时，能够及时调整泵单元的工作状态，适应泵系统的需求变化。

Description

一种基于人工智能的多泵并联系统的调节系统

技术领域

本申请属于泵系统控制技术领域，具体涉及一种基于人工智能的多泵并联系统的调节系统。

背景技术

泵是重要的通用机械，广泛应用于各行各业。然而，在实际应用中，大量泵长期工作于实际效率远低于设计效率的情况，造成严重的能源浪费，其主要原因是泵系统的选型与管路系统不匹配。因此，合理的泵系统调节方法对于提高泵系统的效率与稳定性具有重要意义。

泵系统的链接形式主要可分为并联与串联两种，并行泵系统由于具有更宽的流量范围、更高的稳定性以及冗余能力，而被广泛应用于流量需求变化范围宽的场所。另外，随着变频技术的加入，并联泵系统的调节能力得到了进一步提升。该系统可以在不损失效率的前提下对流量和出口压力进行调整，是串联系统和单泵运行所不具备的。但是，如何调整多台泵之间的工作状态，使多泵系统在满足系统总需求的情况下，使各个泵单元始终工作在高效稳定的状态，充分发挥各个泵单元的工作效率，一直没有很好的调配方法。

发明内容

本申请提出了种基于人工智能的多泵并联系统的调节系统，通过各个泵单元对系统总量的影响，反推多泵系统中各个泵单元的工作状态和工作参数，实现在满足泵系统总量要求的情况下，合理调配泵单元的工作状态，使工作中的泵单元处理高效率工作状态。

为实现上述目的，本申请提供了如下方案：

一种基于人工智能的多泵并联系统的调节系统，包括调节模块、监测模块和控制模块；

所述调节模块用于根据泵调节数据调整泵工作参数；

所述监测模块用于采集泵工作状态；

所述控制模块用于根据所述泵工作参数、所述泵工作状态和多泵并联系统的系统流量，生成泵调节数据，并发送至所述所述调节模块。

可选的，所述调节模块包括调速装置、节流阀装置和旁流阀装置。

可选的，所述泵工作参数包括泵转速、节流阀开度和旁流阀开度。

可选的，所述监测模块包括泵系统进口压力探测装置、泵系统出口压力探测装置、泵流量探测装置和泵功率探测装置。

可选的，所述控制模块包括单泵调控关系单元、多泵系统调控关系单元和系统参数调控单元；

所述单泵调控关系单元用于根据所述泵工作参数和所述泵工作状态，建立工作参数-工作状态关系模型；

所述多泵系统调控关系单元用于根据所述工作参数-工作状态关系模型和系统流量值，建立多泵系统调控模型；

基于所述多泵系统调控模型，所述系统参数调控单元用于根据系统流量需求值生成所述泵调节数据。

可选的，所述单泵调控关系单元还包括单泵模型验证单元；

所述单泵模型验证单元用于对所述工作参数-工作状态关系模型进行精度验证。

可选的，所述单泵模型验证单元采用线性回归分析法对所述工作参数-工作状态关系模型进行精度验证。

可选的，所述系统流量值采用均匀取样法获取。

可选的，所述多泵系统调控关系单元还包括多泵模型验证单元；

所述多泵模型验证单元用于对所述多泵系统调控模型进行精度验证。

可选的，所述多泵模型验证单元采用线性回归分析法对所述多泵系统调控模型进行精度验证。

本申请的有益效果为：

本申请公开了一种基于人工智能的多泵并联系统的调节系统，通过泵单元工作参数和工作状态对泵系统的影响，得到泵系统流量与泵单元工作状态关系，进而得到本单元的工作参数，实现在满足泵系统需求的情况下，合理调配泵单元的工作参数，调整精度高，提高泵单元的工作效率，使工作中的泵单元处于高效工作状态，不必工作的泵单元暂停工作；同时，当泵系统总体需求发生改变时，能够及时调整泵单元的工作状态，适应泵系统的需求变化。本申请可以显著提高泵单元的工作效率，降低泵单元能源损耗，可实现多泵并联系统的托管运行，对提高泵系统的效率与稳定性具有重要意义。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中的多泵并联系统结构示意图；

图2为本申请实施例一种基于人工智能的多泵并联系统的调节系统结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

如图1所示，为本申请实施例采用人工智能进行调控的多泵并联系统的结构示意图，在本实施例中，以四台泵为例组成多泵并联系统。为了可以监测每台泵的工作状态，对每台泵可单独调控，为每台泵配置了调节模块和监测模块。在本实施例中，设置调节模块用于根据泵调节数据调整泵工作参数，包括调速装置，用于调节泵转速；节流阀，用于调节节流阀开度；旁流阀，用于调节旁流阀开度；设置监测模块用于采集泵工作状态，包括：采用进口压力传感器作为泵系统进口压力探测装置，监测多泵并联系统进口压力；采用出口压力传感器作为泵系统出口压力探测装置，监测多泵并联系统出口压力；采用功率传感器作为泵功率探测装置，监测泵单元的工作功率；采用流量传感器作为泵流量探测装置，监测泵单元的流量。为了进一步区分四台泵的工作参数和工作状态，将四台泵分别编号1、2、3、4，对于每台泵上配置的调节模块和监测模块也对应编号1、2、3、4。为了进一步保证泵和管路的稳定，为每台泵增加管路特性调节阀门和止回阀。为了体现本实施例的效果，特别是在面对系统总量发生改变时，泵系统能够响应的调整工作状态，本实施例的多泵并联系统的出口连接可变负载。

设置控制模块用于根据所述泵工作参数、所述泵工作状态和多泵并联系统的系统流量，生成泵调节数据，并发送至所述所述调节模块。在本实施例中，采用MATLAB DAQ工具箱编程配合NI采集卡作为调节模块、监测模块与控制模块的数据传输连接，完成采集监测数据、向调节模块发送泵调节数据的工作。

在本实施例中，控制模块包括单泵调控关系单元、多泵系统调控关系单元和系统参数调控单元。

其中，单泵调控关系单元用于根据泵工作参数和泵工作状态，建立工作参数-工作状态关系模型。

单泵调控关系单元在启动多泵并联系统后，首先采用自高至低的顺序依次调整各个泵单元的调速装置、节流阀开度和旁流阀开度，通过MATLAB程序采集三个调节装置的控制信号，具体的，间隔500rpm在转速区间内选取样本转速(即s∈{1000，1500，2000，…，6000,6400}),间隔10％生成节流阀开度t与旁流阀开度b的开度样本(即t(or b)∈{0，0.1，…，0.9，1})。

在本实施例中，多泵系统参数设计如表1所示；

表1

将采集到的各个调节装置的工作参数组成归一化数组，记为S_A

式中，S_i＝[s_i，1 s_i，2 s_i，3 s_i，4]，

为调速设备输入信号电压的归一化数据，表达当前转速，其中，V为泵电机输入信号电压，下标min，max分别代表输入电压最小值和最大值，本实时例中取1V、5V，V_s，in表示控制模块给泵电机的信号电压，用于控制泵电机转速，本实施例中1V对应1000rpm，5V对应6000rpm，下同。t_i＝[t_i，1 t_i，2 t_i，3t_i，4]，

为节流阀输入电压的归一化数据，表达节流阀开度，V_t，in表示控制模块给节流阀的信号电压，用于控制节流阀的开度，b_i＝[b_i，1 b_i，2 b_i，3 b_i，4]，

为旁流阀输入电压的归一化数据，表达旁流阀开度，V_s，in表示控制模块给旁流阀的信号电压，用于控制旁流阀的开度；下标n为样本总数，i表示第i次调节参数，j为泵单元编号。

随后再采集监测模块的数据，包括进口压力传感器、出口压力传感器、功率传感器和流量传感器的状态数据，组成归一化数组，记为S_B

式中，Q_i＝[Q_i，1 Q_i，2 Q_i，3 Q_i，4]为泵单元流量，

为多泵系统的出口流量，

为多泵系统的进口压力，P_i＝[P_i，1 P_i，2 P_i，3 P_i，4]为泵单元功率。

最后，利用人工神经网络模型，学习样本数据的特性，从而生成调节模块状态至系统状态的工作参数-工作状态关系模型S_B＝f(S_A)。具体的，在本实施例中，采用的人工神经网络模型具体指多层前馈性BP网络，采用监督学习的方式训练模型。

为了保证工作参数-工作状态关系模型的精度，在本实施例中，单泵调控关系单元还包括单泵模型验证单元，采用线性回归分析法对工作参数-工作状态关系模型进行精度优化，当回归系数R²＞0.98，则认为本模型表现良好，可以使用；否则继续采集调节模块各个装置的工作参数和工作状态数据，增加样本数量n，重复上述过程，直到模型精度满足要求。

多泵系统调控关系单元用于根据工作参数-工作状态关系模型和系统流量值，建立多泵系统调控模型。

多泵系统调控关系单元首先采用均匀取样法在系统流量最大值与系统流量最小值之间

中均匀取样，获得m组不同的系统流量值，然后针对公式3中的目标函数和限制条件，利用智能算法，可选的，如粒子群算法，对工作参数-工作状态关系模型求解，目标函数为系统能耗最小，限制条件为最优工况偏差小于15％(

其中，Q_BEP指最佳工况流量)，获得不同系统流量值

所对应的最优调节参数

式中，P^sys为并联泵系统总功耗，P_j为第j号泵单元功耗，ΔQ为系统流量总偏差，Q_j为第j号泵单元流量，Q_j ^d为第j号泵单元设计流量，

为系统总流量，H_j为第j号泵单元扬程，H_m ^sys为系统扬程，下标m指样本数据编号，j为泵单元编号，上标sys指系统参数，d表示设计工况。

然后利用人工神经网络模型，学习最优调节参数与系统量值之间的函数关系，生成多泵系统调控模型S^opt＝g(Q^sys)，其中，S^opt表示最优输入信号组合，同式(1)，Q^sys表示系统需求流量，g表示使用人工神经网络生成的两者之间的映射关系。具体的，在本实施例中，采用的人工神经网络模型具体指多层前馈性BP网络，采用监督学习的方式训练模型。

为了保证多泵系统调控模型的精度，在本实施例中，多泵系统调控关系单元还包括多泵模型验证单元，采用线性回归分析法对最优调节参数与系统流量值关系模型进行精度优化，当回归系数R²＞0.98，则认为本模型表现良好，可以使用；否则增加样本数量m，重复上述过程，直到模型精度满足要求。

经过优化、精度达标的多泵系统调控模型可应用于实际调节过程。当系统流量需求发生改变时(通常表现为出口压力变化)，系统参数调控单元基于多泵系统调控模型，生成相应的泵调节数据，发送至调节模块，自动调整多泵系统及各个泵单元的工作状态，提高系统效率及工作稳定性。

采用本申请实施例的技术方案，可以实现四泵并联系统工作状态的自动调整，在降低多泵系统整体能耗的同时，有效提高系统效率及工作稳定性。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，应落入本申请权利要求书确定的保护范围内。

Claims (10)

1.一种基于人工智能的多泵并联系统的调节系统，其特征在于，包括调节模块、监测模块和控制模块；

所述调节模块用于根据泵调节数据调整泵工作参数；

所述监测模块用于采集泵工作状态；

所述控制模块用于根据所述泵工作参数、所述泵工作状态和多泵并联系统的系统流量，生成泵调节数据，并发送至所述所述调节模块。

2.根据权利要求1所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述调节模块包括调速装置、节流阀装置和旁流阀装置。

3.根据权利要求2所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述泵工作参数包括泵转速、节流阀开度和旁流阀开度。

4.根据权利要求1所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述监测模块包括泵系统进口压力探测装置、泵系统出口压力探测装置、泵流量探测装置和泵功率探测装置。

5.根据权利要求1所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述控制模块包括单泵调控关系单元、多泵系统调控关系单元和系统参数调控单元；

所述单泵调控关系单元用于根据所述泵工作参数和所述泵工作状态，建立工作参数-工作状态关系模型；

所述多泵系统调控关系单元用于根据所述工作参数-工作状态关系模型和系统流量值，建立多泵系统调控模型；

基于所述多泵系统调控模型，所述系统参数调控单元用于根据系统流量需求值生成所述泵调节数据。

6.根据权利要求5所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述单泵调控关系单元还包括单泵模型验证单元；

所述单泵模型验证单元用于对所述工作参数-工作状态关系模型进行精度验证。

7.根据权利要求6所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述单泵模型验证单元采用线性回归分析法对所述工作参数-工作状态关系模型进行精度验证。

8.根据权利要求5所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述系统流量值采用均匀取样法获取。

9.根据权利要求8所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述多泵系统调控关系单元还包括多泵模型验证单元；

所述多泵模型验证单元用于对所述多泵系统调控模型进行精度验证。

10.根据权利要求9所述的基于人工智能的多泵并联系统的调节系统，其特征在于，所述多泵模型验证单元采用线性回归分析法对所述多泵系统调控模型进行精度验证。

Images