CN114880878B - 基于优化算法的挖泥船优化控制方法及系统 - Google Patents
基于优化算法的挖泥船优化控制方法及系统 Download PDFInfo
- Publication number
- CN114880878B CN114880878B CN202210667767.4A CN202210667767A CN114880878B CN 114880878 B CN114880878 B CN 114880878B CN 202210667767 A CN202210667767 A CN 202210667767A CN 114880878 B CN114880878 B CN 114880878B
- Authority
- CN
- China
- Prior art keywords
- pump
- pumps
- rotation speed
- mud
- speed
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 239000002002 slurry Substances 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 17
- 239000013049 sediment Substances 0.000 claims abstract description 14
- 239000002689 soil Substances 0.000 claims abstract description 14
- 238000007599 discharging Methods 0.000 claims abstract 3
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 5
- 239000010802 sludge Substances 0.000 claims 4
- 230000005484 gravity Effects 0.000 claims 2
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000010276 construction Methods 0.000 abstract description 16
- 230000009977 dual effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F5/00—Dredgers or soil-shifting machines for special purposes
- E02F5/28—Dredgers or soil-shifting machines for special purposes for cleaning watercourses or other ways
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Mining & Mineral Resources (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明提供了一种基于优化算法的挖泥船优化控制方法及系统,包括:步骤1:录入工况参数,包括泥泵清水特性、泥泵驱动特性、土质特性、挖深、和排高,采用流量和浓度传感器感知泥沙输送系统的运行参数;步骤2:建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并计算泥管阻力特性;步骤3:建立以上述确定的施工参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;步骤4:通过控制驱动各泵的驱动设备,实现对各泥泵在各特定工况下的优化控制。本发明解决了挖泥船在能力富余的工况条件下低效率高能耗的问题。
Description
技术领域
本发明涉及疏浚控制技术领域,具体地,涉及一种基于优化算法的挖泥船优化控制方法及系统。
背景技术
经过120年发展,我国已经成为世界第一疏浚大国,年疏浚量超过10亿立方米,中国已经成为世界上少数几个掌握了疏浚前沿技术、能够自主开展大规模吹填造陆和航道疏浚工程的国家之一。但是,我国疏浚业在精细管理,优化施工方面还有很大进步空间。为响应国家战略决策,推动高质量发展,实现碳达峰碳中和目标,挖泥船优化控制大有可为。
水利清淤,河道治理,航道疏浚,环保清污、吹填造地及岛屿建设关乎国计民生,疏浚作为改善基础设施的手段之一,已经成为我国经济发展的先决条件。近年来,随着国际贸易的日益繁荣,疏浚对经济发展的促进和保障作用也日益明显。在我国,疏浚工程需求量大,疏浚施工技术与挖泥施工设备在今后必将长足发展。
专利文献CN110847272A(申请号:CN201911146873.2)公开了一种绞吸挖泥船智能疏浚控制方法,通过神经网络算法在线建立模型,预测控制的方式,可以协助操作人员发现更佳的施工方法,保证高效能,高产量。步骤1.利用神经网络算法搭建五个控制因素和产量的模型。步骤2.进入新作业区,先采集记录疏浚施工工艺,通过训练得到产量预测模型,给定产量期望值Y期。步骤3安全控制范围限定。步骤4.以步骤2建立的产量预测模型、施工产量期望值。步骤5控制。步骤6迭代优化及实时最优控制。
挖泥船作为疏浚施工的主要设备,具有广阔的市场。影响挖泥船生产率的因素有很多,土质情况及设备运转情况都对生产率有很大影响。挖泥船在施工时,驾驶员需要根据施工区土质情况及经验控制好横移压力、横移速度、绞刀转速、绞刀压力、水下泵排压、舱内泵排压、真空值、流速等参数在浓度最好时的关系情况,掌握好各种关系的最佳组合。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于优化算法的挖泥船优化控制方法及系统。
根据本发明提供的基于优化算法的挖泥船优化控制方法,包括:
步骤1:录入工况参数,包括泥泵清水特性、泥泵驱动特性、土质特性、挖深、和排高,采用流量和浓度传感器感知泥沙输送系统的运行参数;
步骤2:建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并计算泥管阻力特性;
步骤3:建立以上述确定的施工参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;
步骤4:通过控制驱动各泵的驱动设备,实现对各泥泵在各特定工况下的优化控制。优选的,泥泵特性修正算式为:
Hm=H·Sm·(1-2.705Sm(S-1)0.64(d50/Dp)0.313)
式中:Hm为浆体扬程;H为清水扬程;Sm为浆体与水密度比;S为颗粒与水密度比;d50为中值粒径;Dp为泥泵叶轮直径;
泥管阻力计算公式为:
式中:iHo、iSHo、iHe、iSB、iFB为沿程各部件的损失;L为管路长;ζ为管路上所有部件的局部损失系数之和;v为浆体输送速度;g为重力加速度;α为减阻系数。
优选的,双重优化算法包括:第一重,根据传感器监测到的流量Q和浓度CV,通过计算优化分配负荷给串联运行的各泵,以达到能耗最小;第二重,在挖泥船工作能力范围内,搜索能耗最小的工作点;
优化分配负荷需满足两个边界条件:一是泥泵驱动设备的功率、扭矩、转速特性,即每台泵在驱动设备特性、流量Q和浓度CV条件下的最大转速;二是各泥泵的汽蚀余量,即每台泵的转速必须保证后续泵的实际净正吸入扬程大于等于其需要的净正吸入扬程。
优选的,优化分配负荷包括如下步骤:
1)根据泥泵的清水特性,经过修正,再插值计算流量Q下各泥泵的效率;
2)比较流量Q下各泥泵的效率;
3)计算汽蚀决定的每台泥泵的最小转速nmin;
4)计算驱动特性限制下每台泥泵的最大转速nmax;
5)根据不同转速分配下的泥泵效率和能耗确定每台泥泵的最优转速。
优选的,最优转速为同样流量同样浓度同样产量前提下能耗最小的各泵转速,实现步骤包括:
1)按照流量Q和浓度CV条件下计算所得各泵的效率高低进行排序;
2)计算按照所有泵都最大转速产生的排压和系统排压之差;
3)在不低于后续泵汽蚀限制所需最低转速的前提下,优先降低效率最低泵的转速或者提升效率最高泵的转速,直至泵总排压和系统阻力相等,输送系统达到平衡状态,此时的各泵转速即为最优转速;
如果系统中尺寸最小、型号相同的泵不至一台,即效率最低泵的数量大于1,在降速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中尺寸最大、型号相同的泵不至一台,即效率最高泵的数量大于1,在提速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中的所有n个泵都是相同型号的,则保持各泵转速相同,均衡负荷;如果系统排压小于额定排压(n-1)/n,在判断不影响系统汽蚀性能的前提下,解列其中一台泥泵。
根据本发明提供的基于优化算法的挖泥船优化控制系统,包括:
模块M1:录入工况参数,包括泥泵清水特性、泥泵驱动特性、土质特性、挖深、和排高,采用流量和浓度传感器感知泥沙输送系统的运行参数;
模块M2:建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并计算泥管阻力特性;
模块M3:建立以上述确定的施工参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;
模块M4:通过控制驱动各泵的驱动设备,实现对各泥泵在各特定工况下的优化控制。
优选的,泥泵特性修正算式为:
Hm=H·Sm·(1-2.705Sm(S-1)0.64(d50/Dp)0.313)
式中:Hm为浆体扬程;H为清水扬程;Sm为浆体与水密度比;S为颗粒与水密度比;d50为中值粒径;Dp为泥泵叶轮直径;
泥管阻力计算公式为:
式中:iHo、iSHo、iHe、iSB、iFB为沿程各部件的损失;L为管路长;ζ为管路上所有部件的局部损失系数之和;v为浆体输送速度;g为重力加速度;α为减阻系数。
优选的,双重优化算法包括:第一重,根据传感器监测到的流量Q和浓度CV,通过计算优化分配负荷给串联运行的各泵,以达到能耗最小;第二重,在挖泥船工作能力范围内,搜索能耗最小的工作点;
优化分配负荷需满足两个边界条件:一是泥泵驱动设备的功率、扭矩、转速特性,即每台泵在驱动设备特性、流量Q和浓度CV条件下的最大转速;二是各泥泵的汽蚀余量,即每台泵的转速必须保证后续泵的实际净正吸入扬程大于等于其需要的净正吸入扬程。
优选的,优化分配负荷包括如下模块:
1)根据泥泵的清水特性,经过修正,再插值计算流量Q下各泥泵的效率;
2)比较流量Q下各泥泵的效率;
3)计算汽蚀决定的每台泥泵的最小转速nmin;
4)计算驱动特性限制下每台泥泵的最大转速nmax;
5)根据不同转速分配下的泥泵效率和能耗确定每台泥泵的最优转速。
优选的,最优转速为同样流量同样浓度同样产量前提下能耗最小的各泵转速,包括如下模块:
1)按照流量Q和浓度CV条件下计算所得各泵的效率高低进行排序;
2)计算按照所有泵都最大转速产生的排压和系统排压之差;
3)在不低于后续泵汽蚀限制所需最低转速的前提下,优先降低效率最低泵的转速或者提升效率最高泵的转速,直至泵总排压和系统阻力相等,输送系统达到平衡状态,此时的各泵转速即为最优转速;
如果系统中尺寸最小、型号相同的泵不至一台,即效率最低泵的数量大于1,在降速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中尺寸最大、型号相同的泵不至一台,即效率最高泵的数量大于1,在提速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中的所有n个泵都是相同型号的,则保持各泵转速相同,均衡负荷;如果系统排压小于额定排压(n-1)/n,在判断不影响系统汽蚀性能的前提下,解列其中一台泥泵。
与现有技术相比,本发明具有如下的有益效果:
(1)本发明能够实现挖泥船在任何工况条件下以最小能耗模式运行的优化计算和控制功能,给出了完整的计算方法、过程及相应的计算公式;
(2)本发明解决了根据实际情况在线优化控制的难题,解决了挖泥船在能力富余的工况条件下低效率高能耗的问题,给出了完整的在线优化计算和控制方法,开发了适用于可多泵串联施工挖泥船的在线优化控制器;
(3)控制器计算速度在毫秒级,能够达到挖泥船疏浚控制系统在线优化控制的快速性要求;控制器控制误差小于10-4,能够达到挖泥船疏浚控制系统的精确性要求。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1本发明中控制器系统框架;
图2本发明中控制系统优化计算流程图;
图3为实施例搜索效果示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:
如图1,本发明针对大型挖泥船在多数工况下能力富余的情况,通过流量和浓度传感器感知泥沙输送系统的运行参数,采用相应的算法对预先录入的泥泵清水特性、泥泵驱动特性进行修正,准确计算泥管阻力特性,采用以最小能耗为目标函数的双重优化计算,获取最佳泥泵投入数量和各泥泵转速,进而通过控制驱动各泵的柴油机、电机等驱动设备实现对各泥泵在各特定工况下的优化控制,解决绞吸挖泥船在能力富余条件下“牛刀杀鸡”的低能耗难题,实现精确控制、优化施工、节能减排的目标。
本发明是通过以下技术方案实现的:
如图2,本发明采用一种基于泥沙输送系统特性修正算法和最小能耗优化算法的挖泥船泥泵转速优化控制方法,首先预先录入泥泵清水特性、泥泵驱动特性、土质特性、挖深、排高等工况参数,采用流量和浓度传感器感知泥沙输送系统的运行参数;然后建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并准确计算泥管阻力特性;在此基础上,建立以上述确定的施工参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;进而通过控制驱动各泵的柴油机、电机等驱动设备,实现对各泥泵在各特定工况下的优化控制,解决绞吸挖泥船在能力富余条件下“牛刀杀鸡”低效率的难题,最终实现优化施工、节能减排。
所述的泥泵特性修正方法为:Hm=H·Sm·(1-2.705Sm(S-1)0.64(d50/Dp)0.313)。式中:Hm为浆体扬程(m水柱);H为清水扬程(m水柱);Sm为浆体与水密度比;S为颗粒与水密度比;d50为中值粒径(m);Dp为泥泵叶轮直径(m)。
所述的泥管阻力计算方法为:式中:i为沿程损失(m水柱);L为管路长(m);ζ为管路上所有阀、弯管、耙头等部件的局部损失系数之和;v为浆体输送速度(m/s);g为重力加速度(m/s2);α为减阻系数。
所述的双重优化算法包括:第一重,根据传感器监测到的流量Q和浓度CV,通过计算优化分配负荷给串联运行的各泵,以达到能耗最小;第二重,在挖泥船工作能力范围内,搜索能耗最小的工作点。
所述的优化分配负荷需满足两个边界条件,一是泥泵驱动设备的功率、扭矩、转速特性,即每台泵在驱动设备特性、流量Q和浓度CV条件下的最大转速;二是各泥泵的汽蚀余量,即每台泵的转速必须保证后续泵的实际净正吸入扬程大于等于其需要的净正吸入扬程。
所述的优化分配负荷具体包括:
1)根据泥泵的清水特性,经过修正,再插值计算流量Q下各泥泵的效率;
2)比较流量Q下各泥泵的效率;
3)计算汽蚀决定的每台泥泵的最小转速nmin;
4)计算驱动特性限制下每台泥泵的最大转速nmax;
5)根据不同转速分配下的泥泵效率和能耗确定每台泥泵的最优转速。
所述的最优转速为同样流量同样浓度同样产量前提下,能耗最小的各泵转速,具体确定步骤包括:
1)按照流量Q和浓度CV条件下计算所得各泵的效率高低进行排序;
2)计算按照所有泵都最大转速产生的排压和系统排压之差;
3)在不低于后续泵汽蚀限制所需最低转速的前提下,优先降低效率最低泵的转速或者提升效率最高泵的转速,直至泵总排压和系统阻力相等,输送系统达到平衡状态。此时的各泵转速即为最优转速;
4)关于降低效率最低泵的转速,其边界条件是泵前的压力不能小于所需的净正吸入扬程;
5)关于提升效率最高泵的转速,其边界条件是泥泵驱动系统的能力,包括额定功率、额定转速、额定扭矩等;
6)在上述步骤3)中,如果系统中尺寸最小、型号相同的泵不至一台,即效率最低泵(一般是尺寸最小泵)的数量大于1,在降速控制中,相同型号泵(效率最小、尺寸最小)需要同时同幅度调节,使得它们始终保持相同速度;
7)在上述步骤3)中,如果系统中尺寸最大、型号相同的泵不至一台,即效率最高泵(一般是尺寸最大泵)的数量大于1,在提速控制中,相同型号泵(效率最高、尺寸最大)需要同时同幅度调节,使得它们始终保持相同速度;
8)如果系统中的所有泵(n台)都是相同型号的,则保持各泵转速相同,均衡负荷。如果系统排压小于额定排压(n-1)/n,在判断不影响系统汽蚀性能的前提下,解列其中一台泥泵;
9)关于判断不影响系统汽蚀性能,分以下两种情况:系统中运行泵的数量n大于等于3,解列泵前压力最大的泥泵;系统中运行泵的数量为2,解列顺水流方向后面的一台泵。
如图3,所述的搜索能耗最小工作点是指在关键流速决定的最小流量Qmin和汽蚀决定的最大流量Qmax之间采用优化算法搜索能耗最小值对应的工作点。
本发明涉及一种实现上述方法的系统,包括:与流量、浓度传感器相连并采集泥沙输送管线内泥浆流量和浓度信号的信号采集单元;与挖泥操纵台泥泵控制器相连并发出泥泵转速控制命令的智能控制单元;与泥泵变频器、泥泵柴油机相连,采集泥泵驱动电机转速信号、柴油机轴承转速信号,并传输智能控制单元发出的控制命令给执行机构的局域网系统;与智能控制单元相连,并为其提供优化算法的工业控制计算机。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (2)
1.一种基于优化算法的挖泥船优化控制方法,其特征在于,包括:
步骤1:录入工况参数,包括泥泵清水特性、泥泵驱动特性、土质特性、挖深、和排高,采用流量和浓度传感器感知泥沙输送系统的运行参数;
步骤2:建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并计算泥管阻力特性;
步骤3:建立以工况参数、运行参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;
步骤4:通过控制驱动各泵的驱动设备,实现对各泥泵在各特定工况下的优化控制;
泥泵特性修正算式为:
Hm=H·Sm·(1-2.705Sm(S-1)0.64(d50/Dp)0.313)
式中:Hm为浆体扬程;H为清水扬程;Sm为浆体与水密度比;S为颗粒与水密度比;d50为中值粒径;Dp为泥泵叶轮直径;
泥管阻力计算公式为:
式中:iHo、iSHo、iHe、iSB、iFB为沿程各部件的损失;L为管路长;ζ为管路上所有部件的局部损失系数之和;v为浆体输送速度;g为重力加速度;α为减阻系数;
双重优化算法包括:第一重,根据传感器监测到的流量Q和浓度CV,通过计算优化分配负荷给串联运行的各泵,以达到能耗最小;第二重,在挖泥船工作能力范围内,搜索能耗最小的工作点;
优化分配负荷需满足两个边界条件:一是泥泵驱动设备的功率、扭矩、转速特性,即每台泵在驱动设备特性、流量Q和浓度CV条件下的最大转速;二是各泥泵的汽蚀余量,即每台泵的转速必须保证后续泵的实际净正吸入扬程大于等于其需要的净正吸入扬程;
优化分配负荷包括如下步骤:
1)根据泥泵的清水特性,经过修正,再插值计算流量Q下各泥泵的效率;
2)比较流量Q下各泥泵的效率;
3)计算汽蚀决定的每台泥泵的最小转速nmin;
4)计算驱动特性限制下每台泥泵的最大转速nmax;
5)根据不同转速分配下的泥泵效率和能耗确定每台泥泵的最优转速;
最优转速为同样流量同样浓度同样产量前提下能耗最小的各泵转速,实现步骤包括:
1)按照流量Q和浓度CV条件下计算所得各泵的效率高低进行排序;
2)计算按照所有泵都最大转速产生的排压和系统排压之差;
3)在不低于后续泵汽蚀限制所需最低转速的前提下,优先降低效率最低泵的转速或者提升效率最高泵的转速,直至泵总排压和系统阻力相等,输送系统达到平衡状态,此时的各泵转速即为最优转速;
如果系统中尺寸最小、型号相同的泵不至一台,即效率最低泵的数量大于1,在降速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中尺寸最大、型号相同的泵不至一台,即效率最高泵的数量大于1,在提速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中的所有n个泵都是相同型号的,则保持各泵转速相同,均衡负荷;如果系统排压小于额定排压(n-1)/n,在判断不影响系统汽蚀性能的前提下,解列其中一台泥泵。
2.一种基于优化算法的挖泥船优化控制系统,其特征在于,包括:
模块M1:录入工况参数,包括泥泵清水特性、泥泵驱动特性、土质特性、挖深、和排高,采用流量和浓度传感器感知泥沙输送系统的运行参数;
模块M2:建立泥沙输送系统特性修正算法,根据土质和浆体特性,对泥泵特性进行修正,并计算泥管阻力特性;
模块M3:建立以工况参数、运行参数为输入条件,以输送系统特性为边界条件,以最小能耗为目标函数的双重优化算法,计算获取最佳泥泵投入数量和各泥泵转速;
模块M4:通过控制驱动各泵的驱动设备,实现对各泥泵在各特定工况下的优化控制;
泥泵特性修正算式为:
Hm=H·Sm·(1-2.705Sm(S-1)0.64(d50/Dp)0.313)
式中:Hm为浆体扬程;H为清水扬程;Sm为浆体与水密度比;S为颗粒与水密度比;d50为中值粒径;Dp为泥泵叶轮直径;
泥管阻力计算公式为:
式中:iHo、iSHo、iHe、iSB、iFB为沿程各部件的损失;L为管路长;ζ为管路上所有部件的局部损失系数之和;v为浆体输送速度;g为重力加速度;α为减阻系数;
双重优化算法包括:第一重,根据传感器监测到的流量Q和浓度CV,通过计算优化分配负荷给串联运行的各泵,以达到能耗最小;第二重,在挖泥船工作能力范围内,搜索能耗最小的工作点;
优化分配负荷需满足两个边界条件:一是泥泵驱动设备的功率、扭矩、转速特性,即每台泵在驱动设备特性、流量Q和浓度CV条件下的最大转速;二是各泥泵的汽蚀余量,即每台泵的转速必须保证后续泵的实际净正吸入扬程大于等于其需要的净正吸入扬程;
优化分配负荷包括如下模块:
1)根据泥泵的清水特性,经过修正,再插值计算流量Q下各泥泵的效率;
2)比较流量Q下各泥泵的效率;
3)计算汽蚀决定的每台泥泵的最小转速nmin;
4)计算驱动特性限制下每台泥泵的最大转速nmax;
5)根据不同转速分配下的泥泵效率和能耗确定每台泥泵的最优转速;
最优转速为同样流量同样浓度同样产量前提下能耗最小的各泵转速,包括如下模块:
1)按照流量Q和浓度CV条件下计算所得各泵的效率高低进行排序;
2)计算按照所有泵都最大转速产生的排压和系统排压之差;
3)在不低于后续泵汽蚀限制所需最低转速的前提下,优先降低效率最低泵的转速或者提升效率最高泵的转速,直至泵总排压和系统阻力相等,输送系统达到平衡状态,此时的各泵转速即为最优转速;
如果系统中尺寸最小、型号相同的泵不至一台,即效率最低泵的数量大于1,在降速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中尺寸最大、型号相同的泵不至一台,即效率最高泵的数量大于1,在提速控制中,相同型号泵需要同时同幅度调节,使得它们始终保持相同速度;
如果系统中的所有n个泵都是相同型号的,则保持各泵转速相同,均衡负荷;如果系统排压小于额定排压(n-1)/n,在判断不影响系统汽蚀性能的前提下,解列其中一台泥泵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667767.4A CN114880878B (zh) | 2022-06-14 | 2022-06-14 | 基于优化算法的挖泥船优化控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667767.4A CN114880878B (zh) | 2022-06-14 | 2022-06-14 | 基于优化算法的挖泥船优化控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114880878A CN114880878A (zh) | 2022-08-09 |
CN114880878B true CN114880878B (zh) | 2024-08-23 |
Family
ID=82681654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210667767.4A Active CN114880878B (zh) | 2022-06-14 | 2022-06-14 | 基于优化算法的挖泥船优化控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880878B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114862058A (zh) * | 2022-06-14 | 2022-08-05 | 上海交通大学 | 挖泥船管道输送系统优化控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014006828A1 (de) * | 2014-05-13 | 2015-11-19 | Wilo Se | Verfahren zur energieoptimalen Drehzahlregelung eines Pumpenaggregats |
-
2022
- 2022-06-14 CN CN202210667767.4A patent/CN114880878B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114862058A (zh) * | 2022-06-14 | 2022-08-05 | 上海交通大学 | 挖泥船管道输送系统优化控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114880878A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100495410C (zh) | 绞吸挖泥船计算机自动寻优疏浚方法 | |
CN113062397B (zh) | 一种基于功率匹配规则库的挖掘机功率匹配的方法 | |
CN113006188B (zh) | 一种基于lstm神经网络的挖掘机分阶段功率匹配方法 | |
CN102162443A (zh) | 一种多泵站城市排水管网系统的调速节能控制方法 | |
CN107842371B (zh) | 一种智能变功率控制模式的盾构刀盘液压驱动系统及方法 | |
CN114992107B (zh) | 基于最小能耗的多泵泥沙输送系统优化控制方法及系统 | |
CN109750701B (zh) | 一种绞吸挖泥船最大产量自动挖泥控制方法 | |
CN114862058B (zh) | 挖泥船管道输送系统优化控制方法及系统 | |
CN114880878B (zh) | 基于优化算法的挖泥船优化控制方法及系统 | |
CN107268554A (zh) | 一种水面清洁装置 | |
CN111485592B (zh) | 一种耙吸式挖泥船疏浚智能辅助控制系统 | |
CN102146691B (zh) | 耙吸挖泥船功率控制系统及功率调节方法 | |
CN101769148A (zh) | 海上油田开发生产系统分布式模拟方法 | |
CN114357880A (zh) | 一种分阶段的液压挖掘机发动机工作点的寻优方法 | |
CN108797694A (zh) | 一种带有辅助油缸的挖掘机动臂势能回收系统 | |
CN113338972B (zh) | 基于lstm的泥水盾构开挖面压力动态平衡自主控制方法 | |
CN114063554B (zh) | 三桶导管架基础海上安装中调平控制系统及方法 | |
CN104695957B (zh) | 一种采煤机滚筒自动调高控制系统及其工作方法 | |
CN117536313A (zh) | 一种污水提升预制泵站及其数字孪生智能控制系统 | |
CN103774707B (zh) | 一种平地机工作装置的液压系统 | |
CN106296474A (zh) | 一种装载机作业工况难易程度识别方法 | |
CN114386876B (zh) | 一种大型耙吸挖泥船艏吹智能分析系统 | |
CN110847272B (zh) | 一种绞吸挖泥船智能疏浚控制方法 | |
CN204715450U (zh) | 地下连续墙液压抓斗正流量系统 | |
CN111795018A (zh) | 辅助铲刀回转液压系统及其控制方法 |
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 |