基於轉矩流量智能軟測量的渦旋壓縮機控制系統的製作方法

2023-06-18 06:41:21 1

專利名稱：基於轉矩流量智能軟測量的渦旋壓縮機控制系統的製作方法
技術領域：
本實用新型涉及一種渦旋壓縮機控制技術，尤其是一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統。
背景技術：
傳統定速渦旋壓縮機是按照額定工況來設計，僅在設計工況下具有較高的運行效率。而實際系統中負載是在不斷變化的，為了保證匹配只得採用頻繁啟停的方式進行調節。這樣不但使系統輸出變化波動較大，而且增加能耗，降低效率。而在變頻渦旋壓縮機控制系統中，通過測量進、排氣體流量和壓力以及壓縮機轉矩轉速等參數，隨著外界工況的變化不斷調整渦旋壓縮機運行狀態，保持壓縮機時刻運行在高能效的狀態下。同時渦旋壓縮機特殊排氣機理使排氣流量具有隨排氣壓力升高而降低的趨勢，氣體流量較小時易發生湍振現象，破壞壓縮機內部結構，為此須對排氣流量實時監控以確保壓縮機高效安全運行。實時工況數據一般採用傳感器進行測量。但用於排氣流量測量的傳感器存在諸多的問題難以解決造價高，價格一般在3000元到5000元甚至更高；易受外界幹擾；對管道安裝有特殊要求，需要保證前後一定長度的直管；檢測元件十分脆弱，對被測氣體潔淨度要求高，易損壞等問題。且流量傳感器及其相應過濾裝置的安裝和使用將導致額外氣體壓力損耗，影響壓縮空氣儲能效率的提高。由於渦旋壓縮機在停機瞬間會產生較大反向力矩，對轉矩傳感器結構產生衝擊，很容易損壞轉矩傳感器的敏感元件，嚴重影響傳感器的壽命。此夕卜，轉矩傳感器對安裝精度要求很高，同軸度誤差不能超過0. 05mm。如在震動較大的環境下使用，須採用柔性連接，並在傳感器兩端加裝軸承支架。

實用新型內容本實用新型的目的是為克服上述現有技術的不足，提供一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統，本實用新型在不使用轉矩及流量傳感器的情況下，通過測量渦旋壓縮機的轉速和排氣壓力，採用小波神經網絡算法，並利用粒子群優化算法和BP神經網絡算法對其中的關鍵參數進行優化，對轉矩以及排氣流量進行預測和估計，可有效提高工況數據的獲取精度、降低設備成本。為實現上述目的，本實用新型採用下述技術方案一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統，包括設置於電動機與渦旋式壓縮機連接軸上的轉速傳感器，以及設置於儲氣罐上的氣體壓力傳感器，所述轉速傳感器和氣體壓力傳感器均與上位機相連，上位機與變頻器相連，變頻器與電動機相連。本實用新型通過在電動機與渦旋式壓縮機的連接軸上安裝轉速傳感器。由於僅測量渦旋式壓縮機的轉速，因此傳感器所佔空間極小，可以套在壓縮機的傳動軸上而不需另外做其他改動。在儲氣罐處安裝氣體壓力傳感器，用於測量儲氣罐內的氣體壓強。 而在上位機中，利用粒子群優化算法和BP神經網絡算法對小波神經網絡算法中的關鍵參數進行優化，根據採集到的渦旋壓縮機轉速和排氣壓力數據，對其轉矩和流量進行預測估計。根據轉速以及壓力傳感器的數據，以及預測出的渦旋式壓縮機轉矩以及排氣流量的大小，實時計算出渦旋式壓縮機的工作效率。並通過變頻器隨時更改其工作狀態，以使壓縮機能一直工作在高效區間內。本實用新型中的渦旋式壓縮機、轉速傳感器、氣體壓力傳感器、上位機、變頻器均為現有設備，在此不再贅述。粒子群優化算法和BP神經網絡算法也是公知技術，在此不再贅述。與現有技術相比，本實用新型的有益效果是，可以在不使用轉矩傳感器以及流量傳感器的情況下，僅通過測量渦旋式壓縮機的轉速和排氣流量，採用粒子群和BP算法優化過的小波神經網絡，對渦旋壓縮機的轉矩以及排氣流量進行有效準確的估計和預測，因此節省了購買傳感器的費用，降低了系統成本。並且可以通過實時測量以及預測的數據，了解渦旋式壓縮機的工作狀態，並隨著工況的變動隨時進行調整，保證系統的高效運行。

圖I是本實用新型系統結構示意圖；圖2是本實用新型預測控制方法流程圖；圖3是渦旋壓縮機排氣實際流量與預測流量圖；圖4是渦旋壓縮機實際轉矩與預測轉矩圖；其中I.轉速傳感器；2.氣體壓力傳感器。
具體實施方式
以下結合附圖和實施例對本實用新型進一步說明。如圖I所示，一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統，包括設置於電動機與渦旋式壓縮機連接軸上的轉速傳感器1，以及設置於儲氣罐上的氣體壓力傳感器2，所述轉速傳感器I和氣體壓力傳感器2均與上位機相連，上位機與變頻器相連，變頻器與電動機相連。如圖2所示，基於轉矩流量智能軟測量的渦旋壓縮機控制系統，步驟如下I)將轉速傳感器安裝於電動機與渦旋式壓縮機的連接軸上；2)在儲氣罐上安裝氣體壓力傳感器；3)將轉速傳感器和氣體壓力傳感器分別與上位機相連；4)將轉速傳感器採集到的渦旋壓縮機轉速和氣體壓力傳感器採集到排氣壓力數據傳輸至上位機中，進行數據處理分析，對其轉矩和流量進行預測估計；數據處理分析包括以下步驟a.初始化粒子群，包括群體規模，每個粒子的位置與速度；b.計算每個粒子的適應度值，並更新個體與全局極值；c.判斷是否滿足收斂條件若不滿足則進入步驟d ;若滿足則將全局極值解碼後作為小波神經網絡的關鍵參數並退出；d.判斷是否已達到最大迭代次數若未達到則更新每個粒子的位置與速度以及慣性權重，並回到步驟b ;若已達到最大迭代次數，則選擇目前最優的粒子進入BP優化過程;[0028]e.判斷是否達到BP優化最大迭代次數若未達到則計算方差並調整權值和閾值並進入下一次循環；如已達到最大迭代次數，則將方差與粒子群算法得到的全局極值相比較，取二者中的較小值作為小波神經網絡的關鍵參數並退出；5)根據轉速以及氣體壓力傳感器的數據，以及預測出的渦旋式壓縮機轉矩以及排氣流量的大小(如圖3、4所示)，實時計算出渦旋式壓縮機的工作效率，並通過變頻器隨時更改其工作狀態，以使渦旋式壓縮機能一直工作在高效區間內。本實用新型中未明確限定的的渦旋式壓縮機、轉速傳感器、氣體壓力傳感器、上位機、變頻器均為現有設備，在此不再贅述。小波神經網絡算法、粒子群優化算法和BP神經網絡算法也是公知技術，在此不再贅述。
權利要求1.一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統，其特徵在於，包括設置於電動機與渦旋式壓縮機連接軸上的轉速傳感器，以及設置於儲氣罐上的氣體壓力傳感器，所述轉速傳感器和氣體壓力傳感器均與上位機相連，上位機與變頻器相連，變頻器與電動機相連。
專利摘要本實用新型涉及一種基於轉矩流量智能軟測量的渦旋壓縮機控制系統，包括設置於電動機與渦旋式壓縮機連接軸上的轉速傳感器，以及設置於儲氣罐上的氣體壓力傳感器，轉速傳感器和氣體壓力傳感器均與上位機相連，上位機與變頻器相連，變頻器與電動機相連。本實用新型可以在不使用轉矩傳感器以及流量傳感器的情況下，僅通過測量渦旋式壓縮機的轉速和排氣流量，採用粒子群和BP算法優化過的小波神經網絡，對渦旋壓縮機的轉矩以及排氣流量進行有效準確的估計和預測，因此節省了購買傳感器的費用，降低了系統成本。並且可以通過實時測量以及預測的數據，了解渦旋式壓縮機的工作狀態，並隨著工況的變動隨時進行調整，保證系統的高效運行。
文檔編號F04C28/28GK202381337SQ201120514019
公開日2012年8月15日 申請日期2011年12月12日 優先權日2011年12月12日
發明者張承慧, 李珂, 荊業飛, 褚曉廣 申請人:山東大學