CN116718633A - 一种绝热材料绝热性能软测量智能检测系统及方法 - Google Patents

Abstract

本发明挖掘瞬态响应过程中前面几分钟的绝热特性数据，以“特征温度变化率‑绝热性能参数”基本映射关系模型，在检测系统中增加环境温度、热端温度两个辅助变量，建立以测量端温度、环境温度和热端温度为输入变量，以绝热性能参数为输出变量的软测量智能检测系统，实现绝热性能参数的快速准确检测，提高绝热材料绝热性能检测的效率和精度同时又极大排除了环境因素的干扰。通过增加环境温度、热端温度两个辅助变量，建立基于数据驱动的多变量智能检测模型，充分消除环境温度及温差变化等误差来源，达到快速准确检测绝热材料绝热性能的目的。

Description

一种绝热材料绝热性能软测量智能检测系统及方法

技术领域

本发明涉及一种绝热材料绝热性能检测领域，尤其涉及一种以环境温度、热端温度、测量端温度作为可选择辅助变量，以绝热性能参数为主导变量建立基于数据驱动的多变量回归模型的绝热材料绝热性能软测量智能检测系统及方法。

背景技术

保温材料和隔热材料统称为绝热材料。隔热保温材料是指用于阻抗热流传递的材料或材料的复合体，包括保温材料也包括保冷材料。这种功能材料可用于热工设备、管道、房屋的顶面和墙面，也可用于冷库、冷藏设备等工程。目前广泛使用的绝热性能测试方法是热传导性能稳态法。中国实用新型专利CN208968740U公开了一种真空玻璃真空度检测装置，包括使用测温组件进行玻璃初始温度的测量，若在规定时间内初始温度未达到稳定状态，则进行报警，将测量块取下，重新放置；若在规定时间内初始温度达到稳定状态，则提示可以进行加热，并记录玻璃初始温度。之后若加热组件已达到要求的温度和精度范围，则对真空玻璃开始加热，达到加热时间后，再次测量真空玻璃的温度，记为终止温度，计算终止温度与初始温度的差值，以温度差作为衡量真空玻璃隔热性能的指标。上述采用稳态法检测真空隔热性能需要较长时间的检测过程，这影响了生产效率与产品质量追溯，无法满足生产企业及科研单位对产品性能进行快速精确的检测需求。

近些年来，人们一直致力于绝热材料产品性能快速检测与评估的改进，其中非稳态测量方法发展迅速。采用非稳态法测量绝热材料绝热性能，是一种可行的方法。中国发明专利申请CN101706463B说明书公布公开了一种多相多孔材料热传导性能的非稳态测量装置及方法，包括将被测材料剪成与片状热源相同的平面尺寸，放置在温度为20±2℃，相对湿度为65±5％的条件下预调湿24小时的步骤；准备符合厚度的有机玻璃作为第一及第二背景材料，测量被测材料厚度，预热电路工作，利用计算机处理系统观察时间温度数据，当其中温度值围绕某固定值上下波动范围为0.1℃时，切换到加热电路工作的步骤；记录工作电压，由计算机处理系统在线记录被测位置各时间的温度值的步骤；关闭加热电路，在计算机处理系统后处理程序中，选取合理的数据拟合时间窗口长度和相邻时间窗口之间的时间步长，利用预设的计算机程序，根据时间—温度进行热传导参数拟合，得到每个时间窗口中导热系数、热扩散系数和体积热容的数值；绘出各个热物性拟合数据图，找到数值稳定(即曲线较小的)的区域(68s～145s)，定义为置信数据时间区域，在此时间区域内取导热系数、热扩散系数及体积热容的平均值，得到最终结果。该说明书中还公开了一种实现上述检测方法的系统，该系统主要包括数据采集模块、数据处理模块和试样加热装置，其中试样加热装置由加热电路和预热电路、试样及背景材料组成。上述非稳态法的检测方法及设备，与稳态法的检测相比较，提供一种多相多孔材料热传导性能快速检测方法，相对于稳态法用传热系数来表征，综合利用检测数据，用特征温度变化率来表征，实现了热传导性能综合分析与快速检测与评估。但是，较为恒定的检测环境条件过于苛刻，在实际实施过程中是难以实现的，这就会影响到微弱信号实际检测结果的准确性。本发明检测系统和方法以热端温度、测量端温度和环境温度共同作为可选择变量予以考量，可实现绝热材料绝热性能微弱信号的准确评估，并能排除检测环境干扰因素对检测结果的影响，扩大适用场景，对绝热材料绝热性能这类微弱信号检测领域显得尤为重要。

发明内容

为克服上述技术所存在的缺陷，同时为了实现绝热材料绝热性能微弱信号多使用场景的准确评估，本发明要解决的技术问题是提供一种能够充分规避检测环境干扰因素对测量数据的影响，增加适用场景，减小系统测量误差的软测量系统和方法。以环境温度、热端温度、测量端温度共同作为可选择辅助变量，以绝热材料绝热性能参数为主导变量，建立基于数据驱动的多变量软测量智能检测系统和方法，一方面实现绝热材料绝热性能的准确检测，另一方面在提升生产效率的同时改进和促进产品质量。

就一种绝热材料绝热性能软测量智能检测系统而言，本发明为解决所述技术问题的系统包括操作台架、加热器、热端温度传感器和热端温度控制器、测量端温度传感器，环境温度传感器和可处理及运行多变量智能模型的电子平台。各温度传感器以有线或者无线方式连接至电子平台，电子平台载有智能算法软件程序，该软件程序为基于数据驱动的多变量回归模型算法。

上述电子平台在通过各温度传感器采集足够基准样本数据后，将基准样本数据集分为训练集、验证集和测试集。继而基于不同数量的基准样本数据，电子平台选择一种回归算法，递归地构建决策树，让这些决策树组成森林(n个决策树)，建立以基准样本环境温度、热端温度和测量端温度为输入变量，以绝热性能参数为输出变量的多变量软测量智能检测模型并存储于电子平台。在操作台架放入待测样本，通过各温度传感器采集到的待测样本数据集，运行储存在电子平台、以基准样本数据集建立好的智能模型，最终以求均值的方式确定回归结果，通过所建软测量智能检测模型，运行输出绝热性能参数。

基于非稳态传热原理，可采用恒功率平面热源法检测绝热材料绝热特性。即在一恒定温差条件下，使绝热材料一侧 (热端)温度迅速地阶跃上升，同时精确测量另一侧(测量端)的瞬态响应温升过程。比较不同绝热材料在同一时刻的温升，因为绝热材料的导热率决定了此温升的速率，所以可取最大温升速率或特征区间温度变化率来表征绝热材料的绝热性能，并进行排序。绝热性能优异的绝热材料实际检测过程中，此温升速率是一个较小的较慢的微弱动态数据，为提高检测微弱信号的准确性，本发明选择精度高响应快的传感器，其中，环境温度和热端温度传感器测量分辨率不低于 0.01K、测量端温度传感器由输出模拟信号的温度传感器及 A/D转换器组成，如采用高分辨率K型热电偶传感器及24位 A/D转换器，也可由直接输出数字信号的温度传感器组成。电子平台可使用计算机，主要实现热端、测量端及环境温度数据的采集计算、软测量智能检测模型构建及检测存储功能。

本发明解决前述技术问题的检测方法主要包括如下步骤：步骤1、开启软测量系统，预热30min；在基准样本热端施以恒定温差；待热端温度控制稳定后，取绝热性能参数范围覆盖常用待测样品的绝热性能数值的基准样本置于热端和测量端之间，并保证接触良好。记录环境温度、热端温度和测量端温度瞬态响应数据，将环境温度、热端温度和测量端温度作为辅助变量，基准样本绝热性能参数作为主导变量。步骤2、基于步骤1的辅助变量和主导变量回归模型，建立绝热材料绝热性能多变量软测量智能检测模型。步骤3、在待测样品热端施以恒定温差；取待测样品置于热端和测量端之间，并保证接触良好；采集待测样品检测时环境温度、热端温度、测量端温度。步骤4、将采集到的待测样品数据输入至电子平台，通过步骤2所建软测量智能检测模型，运行输出待测样品绝热性能参数。步骤5、将绝热性能参数输入绝热性能评价阈值表，输出绝热性能评价等级；将绝热性能参数输入围护结构能耗模型，输出节能数据，进一步输出碳汇。

本发明基于特征温度变化率和绝热性能参数分别是采用非稳态法和稳态法来表征绝热材料的绝热性能，二者之间存在映射关系，在环境温度稳定、热端温度固定情况下可通过建立分度表用线性插值法计算绝热性能参数。为克服环境温度和热端温度对特征温度变化率检测结果的影响，使得检测方法及系统适用于不同的环境温度及温差条件，本发明基于不同环境温度、热端温度(温差)及测量端温度(可计算特征时刻温度变化率)建立与相应绝热性能参数的同源多变量信息融合的动态对应关系。

考虑特征温度变化率是绝热材料的非稳态表征，检测过程会受到环境温度和热端温度的影响，而绝热性能参数是绝热材料绝热性能的稳态表征，两者之间的关联关系可通过将环境温度、热端温度作为辅助变量加入构建多变量软测量回归模型来预测，从而综合环境因素，克服了不同的环境温度及温差的影响。

根据不同绝热材料的绝热性能参数表征不同，本发明检测方法中的主导变量绝热性能参数可为传热系数、导热系数、热阻、热扩散系数、热容等，进而本发明检测系统及方法可适用于不同绝热材料的绝热性能快速检测、准确评估，适用于真空玻璃、中空玻璃、真空绝热板乃至其他绝热材料。

作为评价绝热材料绝热性能测量系统及方法，本发明具有一定通用性，进一步可作开发围护结构绝热性能动态监测系统。

附图说明

图1是本发明软测量智能检测系统示意图。

图2是反映绝热材料绝热特性非热源侧传热过程响应曲线示意图。

图3是半无限大物体示意图。

图4是预测模型示意图。

图5是本发明软测量方法示意图。

图1中标记为：1、操作台架；2、加热器；3、热端温度传感器；4、测量端温度传感器；5、环境温度传感器；6、热端温度控制器；7、电子平台。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将以常用保温材料真空玻璃为例，结合本发明实施例的附图，对本发明的具体实施方式进行描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

结合附图1展示了本发明测量系统，包括操作台架1，加热器2，热端温度传感器3，测量端温度传感器4，环境温度传感器5，热端温度控制器6，电子平台7。热端由铝材料制成,与试样接触的表面平整度为不大于0.005mm，形状为圆形，直径不小于100±5mm，内部装有加热器及传感器，所述温度控制器控制精度±0.02K；测量端温度传感器由K型热电偶制成，与试样接触面积为不大于5mm²，测量位置放在试样支撑点矩阵模块的正中间，且对应热端中心偏差不大于 5mm，试样为真空玻璃，长宽尺寸不小于为300mm×300mm。试样的支撑物排列规则，无缺失、无明显移位。

环境温度传感器温度测量分辨率高于0.01K。检测区域真空玻璃四周边线向中心偏移130mm的线段围成的封闭区域。各输出模拟信号的温度传感器连接的24位A/D转换器温度测量分辨率高于0.001K，其与温度传感器及计算机平台的连接方式为有线或无线，通过将各温度传感器采集的热端、测量端及环境温度的模拟信号数据转为数字信号数据输入计算机平台。计算机平台中软测量算法采用随机森林算法。

上述计算机平台在通过各温度传感器采集足够基准样本数据后，将基准样本数据集分为训练集、验证集和测试集。继而基于不同数量的基准样本数据，计算机平台选择随机森林算法，建立以基准样本环境温度、热端温度和测量端温度为输入变量，以传热系数为输出变量的多变量软测量智能检测模型并存储于计算机平台。在操作台架放入待测样本，通过各温度传感器采集到的待测样本数据集，运行储存在计算机平台、以基准样本数据集建立好的智能模型，最终以求均值的方式确定回归结果，通过所建软测量智能检测模型，运行输出传热系数。

本发明中的方法基于非稳态传热原理，将真空玻璃在宏观上用均质平板玻璃来代替不连续的支柱排列，应用连续介质假设，将真空玻璃用某一均匀连续介质作为其等价介质，其温度、密度等物理参数都是空间的连续函数，表征其等效的物理性质。当物体的温度随着时间的变化而随之变化时，这个导热过程称之为非稳态导热。导热微分方程及初始条件与边界条件一起，才能完整地描述一个特定的非稳态导热问题，见附图2。结合傅立叶导热定律与半无穷假设，将在传热过程中的真空玻璃看作是半无限大的，即在时间T＝0时，位置x＝0处的表面受到扰动，温度t沿仅且仅沿横向x轴方向一维传递，见附图3。

非稳态传热过程能量控制方程如下：

式中：t代表温度，单位为K；T代表时间，单位为s；λ代表导热系数，单位为W/(m·K)；ρ代表密度，单位为 kg/m³；c代表比热容，单位为J/(kg·K)。

初始条件：T＝0,t(x,T)＝t₀。

第一类边界条件：给定边界上的温度分布及变化规律，常见的是定温边界条件，即t(0,T)＝t_w。

第二类边界条件：给定边界上的热流密度分布及变化规律，常见的是定热流量(q₀)边界条件，即

第三类边界条件：给出了进行对流换热流体的温度(t_∞) 及表面传热系数(h)，即

三类边界条件中，第二类边界条件最容易构造，容易实现。对控制方程及定解条件分别取拉普拉斯变换，将偏微分方程和定解条件化为常微分方程的定解问题，解出常微分方程并对解取拉普拉斯逆，过程如下：

L[t(x,τ)]＝T(x,s)

由特征值法易求得真空玻璃中某点的通解为：

在热流量固定的情况下，真空玻璃温度测试点x＝H处温度变化是T，λ，ρc的函数。

因此，只要测得不同时刻的温度，联立方程就可以从解析解中获取真空玻璃的表征导热系数λ_表征，同时也可以获得表征热扩散系数α_表征＝λ_表征/ρc。

因而可计算热阻：

R＝δ/λ

式中：R代表真空玻璃试样的热阻，单位为m²·K/W；δ代表真空玻璃试样的厚度，单位为m；λ代表导热系数，单位为W/(m·K)。

真空玻璃的U值按照式计算：

式中：U代表真空玻璃试样的传热系数，单位为W/(m²·K)；R代表真空玻璃试样的热阻，单位为m²·K/W；h_e代表室外表面的换热系数，单位为W/(m²·K)；h_i代表室内表面的换热系数，单位为W/(m²·K)。

由此可知温度变化率与导热系数正相关，导热系数与传热系数正相关，因此温度变化率与传热系数正相关。进而为本发明通过采集真空玻璃基准样本的瞬态响应的特征温度变化率与传热系数组成数据库建立软测量智能检测模型提供了基础理论支持，即只要满足检测精度，便可以回归出相应的智能检测模型。本实施例所采用的特征温度变化率可推广至其他多变量智能检测模型，即主参数与检测参数有映射关系，而主参数又受其他参数影响，则可以主参数及其他参数为辅助变量、以检测参数为主导变量的基于回归分析的软测量方法。

本实施例以真空玻璃特征区间温度变化率及相应的环境温度和热端温度为输入变量，传热系数为输出变量。

步骤1：取十块传热系数范围覆盖常用待测样品的基准真空玻璃样本，将基准样本于数据采集前置于检测环境下不少于8小时，使环境温度、热端温度及测量端温度达到平衡。开启检测系统，预热30min。待热端温度稳定后，取基准样品将试样置于热端和测量端之间，并保证接触良好。记录测量端温度、相应的环境温度和热端温度。在真空玻璃热端施以恒定温差，使热端温度控制至高于环境温度40℃～60℃。实时检测非热源侧的温度瞬态响应数据，并计算温度变化率，获得至少连续5min数据。

鉴于测量端温度(℃)信号是一个微弱的缓慢变化的实时数据，为了实现快速准确测量，此数据应在小数点后保留三位数字；环境温度和热端温度数据应在小数点后保留两位数字。基于瞬时误差传递与差分消除，可采用单位时间的温差，即温度变化率数据来显著提高估计精度，此传热速率 (℃/min)实时数据应在小数点后保留三位数字。基于回归算法智能检测传热系数(W/(m²·K))的结果应在小数点后保留两位数字。

对十块基准样品，分别记录传热系数(U值)，并检测其特征区间温度变化率。10块真空玻璃样品覆盖常用传热系数 (W/(m²·K))，与特征温度变化率(t'_e，℃/min)对应关系如表所示：

由上表得出特征温度变化率与传热系数正相关的结论，即传热系数越大，特征温度变化率越大，保温性能越差；传热系数越小，特征温度变化率越小，保温性能越好。

进行第5min时测试特征温度变化率，同时记录环境温度和热端温度，数据如下：

步骤2：建立以环境温度、热端温度和测量端特征温度变化率为输入变量，以传热系数为输出变量的软测量智能检测模型。

本实施例所采用的算法为随机森林算法，也可采用级联森林、极端森林或神经网络等回归算法。具体实施方法如下

1)回归树的生成

决策树的生成就是递归地构建二叉决策树的过程。对回归树用平方误差最小化准则进行特征选择，生成二叉树。设 X与Y分别为输入和输出变量，并且Y是连续变量，D是给定训练数据集：

D＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}

一个回归树对应着输入空间(即特征空间)的一个划分以及在划分的单元上的输出值。假设己将输入空间划分为M 个单元R₁,R₂,...,R_M，并且在每个单元R_m上有一个固定的输出值 c_m，于是回归树模型可表示为：

当输入空间的划分确定时，可以用平方误差来表示回归树对于训练数据的预测误差，用平方误差最小的准则求解每个单元上的最优输出值。单元R_m上的c_m的最优值/>是R_m上的所有输入实例x_i对应的输出y_i的均值，得：

可采用启发式的方法对输入空间进行划分。选择第j个变量x^(j)和它取的值s作为切分变量和切分点，并定义两个区域：

R₁(j,s)＝{x|x^(j)≤s}和R₂(j,s)＝{x|x^(j)>s}

然后，寻找最优切分变量j和最优切分点s，求解得：

对固定输入变量j可以找到最优切分点s，可得：

和/>

遍历所有输入变量，找到最优的切分变量j,构成一个对(j,s)。依次将输入空间划分两个区域。接着，对每个区域重复上述划分过程，直到满足停止条件为止，从而生成一棵回归树。

2)采用随机的办法生成一棵棵决策树，让这些决策树组成森林，可以认为是针对决策树容易过拟合的现象而提出来的解决方案，是组合算法的一种。基本步骤如下：

输入：P个训练数据，Q个特征。

输出：随机森林。

a)从训练样本中有放回地抽出P个训练样本，作为决策树的输入。

b)从Q个特征中随机选取k个属性，可按向上取整。

c)重复a)和b)n次，得到n个决策树，组成森林。

d)让新的数据集通过随机森林(n个决策树)求均值的方式确定回归结果。

预测模型构建，传热系数的预测模型如附图4所示。

以测量端温度、环境温度、热端温度为输入变量，传热系数为输出变量，构成样本数据集。

其中，测量端温度需取至少连续5min数据，按公式计算第5min温度变化率，为中间变量。

t'_e＝t₂-t₁

式中：

t'_e——第5min温度变化率，单位为摄氏度每分钟 (℃/min)；

t₁——第240s时测量端温度，单位为摄氏度(℃)；

t₂——第300s时测量端温度，单位为摄氏度(℃)。

将数据集采用6：3：1的比例划分成训练集、验证集和测试集，建立基准样本多变量软测量回归模型。

步骤3、在待测样品热端施以恒定温差，采集待测样品第五分钟温度变化率，记录环境温度、热端温度两个辅助变量，以测量端温度、环境温度和热端温度为输入变量

步骤4、待测样品数据输入至计算机平台，通过所建回归模型，运行输出传热系数。

步骤5、真空玻璃保温性能按传热系数分级阈值，将步骤4中输出的传热系数与下表对照，输出保温性能评价等级。

/>

Claims (12)

1.一种绝热材料绝热性能软测量智能检测系统，包括操作台架、加热器、热端温度传感器和热端温度控制器、测量端温度传感器，其特征在于所述软测量系统还包括可处理及运行多变量智能模型的电子平台和环境温度传感器。

2.根据权利要求1所述的绝热材料绝热性能软测量智能检测系统，其特征在于所述热端温度传感器、测量端温度传感器、环境温度传感器由输出模拟信号的温度传感器及A/D转换器组成。

3.根据权利要求1所述的绝热材料绝热性能软测量智能检测系统，其特征在于所述热端温度传感器、测量端温度传感器、环境温度传感器由直接输出数字信号的温度传感器组成。

4.根据权利要求1所述的绝热材料绝热性能软测量智能检测系统，其特征在于所述热端温度传感器、测量端温度传感器、环境温度传感器以无线方式连接至电子平台。

5.根据权利要求1所述的绝热材料绝热性能软测量智能检测系统，其特征在于所述电子平台载有智能算法软件程序。

6.根据权利要求5所述的绝热材料绝性能软测量智能检测系统，其特征在于所述智能算法软件程序为基于数据驱动的多变量回归模型算法。

7.一种绝热材料绝热性能软测量智能检测方法，其特征在于包括以下步骤：

步骤1、开启软测量系统，预热30min；在基准样本热端施以恒定温差；待热端温度控制稳定后，取基准样本置于热端和测量端之间，并保证接触良好,记录环境温度、热端温度和测量端温度瞬态响应数据，将环境温度、热端温度和测量端温度作为辅助变量，基准样本绝热性能参数作为主导变量;步骤2、基于步骤1的辅助变量和主导变量回归模型，建立绝热材料绝热性能多变量软测量智能检测模型;步骤3、在待测样品热端施以恒定温差；取待测样品置于热端和测量端之间，并保证接触良好；采集待测样品检测时环境温度、热端温度、测量端温度;步骤4、将采集到的待测样品数据输入至电子平台，通过步骤2所建软测量智能检测模型，运行输出待测样品绝热性能参数;步骤5、将绝热性能参数输入绝热性能评价阈值表，输出绝热性能评价等级；将绝热性能参数输入围护结构能耗模型，输出节能数据，进一步输出碳汇。

8.根据权利要求7所述的绝热材料绝热性能软测量智能检测方法，其特征在于：所述绝热性能参数可为传热系数、导热系数、热阻、热扩散系数、热容其中一个或多个。

9.根据权利要求7所述的绝热材料绝热性能软测量智能检测方法，其特征在于：所述的基准样本的绝热性能参数范围覆盖常用待测样品的绝热性能数值。

10.根据权利要求7所述的绝热材料绝热性能软测量智能检测方法，其特征在于所述多变量软测量回归模型建模方法为：以测量端温度、环境温度、热端温度为辅助变量，绝热性能参数为主导变量，构成样本数据集；再将所述数据集按比例分成训练集、验证集和测试集，通过回归算法建立软测量智能检测模型。

11.根据权利要求10所述的绝热材料绝热性能软测量智能检测方法，其特征在于所述回归模型算法为：随机森林算法、级联森林算法、极端森林算法或神经网络算法。

12.根据权利要求7所述的绝热材料绝热性能软测量智能检测方法，其特征在于所述恒定温差为40℃～60℃。