（机械工程专业论文）无热再生式空气干燥器优化建模与智能控制研究.pdf

硕士学位论文 摘要 长期以来，无热再生式空气干燥器的控制技术导致在进气工况温度较 低和压力降低变化时，出现再生气不必要的能耗浪费和干燥度降低等问 题，而根据用户的实际露点要求和工况变化及时调整干燥器的吸附、再生 和均压时间，并采用传感器技术与自控技术相结合对进气温度和压力参数 进行智能控制是保证无热再生式空气干燥器可靠性高以及节能效果显著 的重要技术条件。为此，本文采用泛函分析方法和自适应变尺度粒子群算 法进行再生气量的最优化控制，采用神经元一模糊推理融合的组合控制器 进行再生气量以及温度和压力的智能控制，论文主要工作与创新之处如 下： ( 1 ) 建立了再生过程再生气流量消耗的真实目标泛函，利用自适应 变尺度粒子群优化算法对单位时间内再生气体量消耗目标函数的全局优 化问题进行优化，设计了再生过程再生气量泛函优化器，为再生过程在 线优化控制以及节能降耗提供了理论基础。 ( 2 ) 设计了可克服普通变结构控制选择切换点时控制参数突变的困 难，实现切换区域内的相对平滑切换的神经元模糊推理融合的组合控制 器，仿真结果表明，该组合控制器跟踪性能好，抗干扰能力强，响应快， 具有较强的鲁棒性。 ( 3 ) 开发了无热再生式空气干燥器p l c 控制系统，并采用神经元 模糊推理融合的组合控制器对再生气流以及流程进行智能控制。 应用结果表明，在试运行再生气耗量泛函优化器后，空气压缩机电 费由5 3 万元下降到4 6 万元以下，每年至少可降低电费成本l5 左右。 关键词：无热再生式空气干燥器；泛函分析；粒子群优化算法； 神经网络；模糊推理；p l c 控制系统 i i 无热再生式空气干燥器优化建模与智能摔制研究 a bs t r a c t f o ral o n gt i m e ，t r a d i t i o n a lc o n t r o lm e t h o d so fh e a t l e s sr e g e n e r a t i o na i rd r y e r sc a u s e da l o to fp r o b l e m ss u c ha se n e r g yw a s t eo fr e g e n e r a t i o ng a sa n dd e c r e a s eo fa r i d i t yw h e nt h e i n t a k ea i rt e m p e r a t u r e si sl o wa n dt h ep r e s s u r ed r o p s t h eh ig hr e l i a b i l i t ya n dr e m a r k a b l e e n e r g y - s a v i n ge f f e c tc a nb eo b t a i n e db yt i m e l ya d j u s t i n gt h et i m eo fa d s o r p t i o n ，r e g e n e r a t i o n a n dp r e s s u r ee q u a l i z a t i o nb a s e do nt h eu s e r sa c t u a lr e q u i r e m e n t so fd e w p o i n ta n dt h ec h a n g e o f o p e r a t i o nc o n d i t i o n s ，a n du s i n go fs e n s o rt e c h n o l o g ya n dc o n t r o lt e c h n o l o g yf o ri n t e l l i g e n t c o n t r o lo fi n t a k ea i rt e m p e r a t u r e sa n dp r e s s u r ep a r a m e t e r s i nt h i sp a p e r ，w ed e a l 、) r i t ht h e o p t i m a lc o n t r o lo ft h er e g e n e r a t i o ng a sq u a n t i t yb yt h em e t h o d so ff u n c t i o n a la n a l y s i sa n d a d a p t i v e v a r i a b l em e t r i c p a r t i c l e s w a r mo p t i m i z a t i o n ，a n di n t e l l i g e n tc o n t r o lo ft h e r e g e n e r a t i o ng a sq u a n t i t y ，a i rt e m p e r a t u r e sa n dp r e s s u r eb yac o m b i n a t i o nc o n t r o l l e rb a s e do n t h en e u r o nf u z z yi n f e r e n c es y s t e m t h em a i nw o r k so ft h ep a p e ri sa sf o l l o w s ： ( 1 ) t h ep r a c t i c a lc o s tf u n c t i o n a lo fr e g e n e r a t i o ng a sc o n s u m p t i o nd u r i n gr e g e n e r a t i o ni s e s t a b l i s h e d t h ec o n s u m p t i o no b j e c t i v ef u n c t i o no ft h er e g e n e r a t i o ng a sq u a n t i t yi nu n i tt i m e i so p t i m i z e db a s e do na d a p t i v ev a r i a b l em e t r i cp a r t i c l es w a r mo p t i m i z a t i o n t h ef u n c t i o n a l o p t i m i z e ro ft h er e g e n e r a t i o ng a sq u a n t i t yi sd e s i g n e d ，w h i c hp r o v i d e sat h e o r e t i c a lb a s i sf o r t h eo n l i n eo p t i m i z i n gc o n t r o la n de n e r g ys a v i n gd u r i n gr e g e n e r a t i o n ( 2 ) ac o m b i n a t i o nc o n t r o l l e rb a s e do nt h en e u r o nf u z z yi n f e r e n c es y s t e mi sd e s i g n e d t h es i m u l a t i o nr e s u l t ss h o wt h a tt h ec o m b i n a t i o nc o n t r o l l e rh a sg o o dt r a c k i n gp e r f o r m a n c e ， s t r o n ga n t i - i n t e r f e r e n c ea b i l i t y ，f a s tr e s p o n s ea n dg o o dr o b u s t n e s s ( 3 ) ap l cc o n t r o ls y s t e mo fh e a t l e s sr e g e n e r a t i o na i rd r y e r si sd e v e l o p e d t h e n ，t h e c o m b i n a t i o nc o n t r o l l e ro ft h en e u r o nf u z z yi n f e r e n c es y s t e mi su s e dt oi n t e l l i g e n tc o n t r o lt h e r e g e n e r a t i o nf l o wa n dp r o c e s s t h ea p p l i c a t i o nr e s u l t ss h o wt h a tt h ee l e c t r i c i t yc h a r g eo fa i rc o m p r e s s o rd r o p p e dt o 4 6 ，0 0 0r m bf r o m5 3 ，0 0 0r m b ，a n dt h ec a s to f e l e c t r i c i t yc h a r g ew i l lb er e d u c e da tl e a s t15 e v e r yy e a rw h e nt h ef u n c t i o n a lo p t i m i z e ro ft h er e g e n e r a t i o ng a sc o n s u m p t i o nh a sb e e nt e s t r u n k e yw o r d s ：h e a t l e s sr e g e n e r a t i o na i rd r y e r s ，f u n c t i o n a la n a l y s i s ，p a r t i c l es w a r m o p t i m i z a t i o n ，n e u r a ln e t w o r k , f u z z yi n f e r e n c e ，p l cc o n t r o ls y s t e m i l l 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含 任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本 声明的法律后果由本人承担。 作者签名： 弓磊够 日期：伊矿年，1 月，伊日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保 存和汇编本学位论文。 本学位论文属于 1 、保密口，在一一年解密后适用本授权书。 2 、不保密囤。 ( 请在以上相应方框内打“4 ”) 作者签名：现客套。 导师签名：鄂力2 多丕 七彳弛 ur门d 日期：历殄舻年i f 月，孑日 日期：少姑年1 1 月倍日 第1 章绪论 压缩空气是仅次于电力的第二大动力能源，又是具有多种用途的工 业气源，它被广泛应用于各种风动工具，气动设备，控制仪表及自动化 装置，也被应用于科学实验中【l 巧】。随着科学技术和经济建设的发展，各 行各业对压缩空气的需求不仅仅局限于量的满足，而对其品质要求也越 来越高。但湿空气经压缩机压缩后成为饱和湿空气，会产生很多凝结水， 大量的水分不仅使管路锈蚀、压降增加，而且会导致设备发生故障、控 制系统失灵，影响正常生产。因此，对压缩空气进行干燥处理就显得至 关重要【7 1 。 1 1 空气干燥技术国内外的研究状况 大气中的空气都是含有若干水蒸汽的湿空气。当空气压缩机将这些 湿空气吸入并压缩时，空气的容积缩小，原空气容积中的水蒸气也被压 缩到较小的空间，使得压缩后的压缩空气绝对湿度增加。然而，大多数 工业压缩过程几乎都是绝热过程，致使压缩后的空气温度升高，而使更 多的水蒸气能暂时地保留在较高压力和较高温度的空气中。这种空气流 向系统的下游被冷却时，就会析出很多液态水分。这些水分，有些被级 间冷却器、后冷却器、分离器和过滤器所清除。经过这些处理后，压缩 空气的温度会降低，若空气不进一步干燥就直接使用，则进入分配系统 的空气相对湿度为1 0 0 ，且温度往往高于分配系统的大部分位置，以及 气动工具和其它用气设备的环境温度。结果会使系统中大量出现冷凝液， 造成管道、阀件腐蚀，气动工具和气动设备维修费用增加，喷漆和精加 工过程污染，以及伴随着压缩空气的使用冷凝水分产生的其他恶劣影响。 为了避免冷凝水造成的危害，在很多使用场合都要使干燥器将压缩空气 作进一步的干燥处理【8 - l o 】。目前在工业上经常使用的空气干燥方法有3 种：冷冻法、吸附法和混合法【l 。 ( 1 ) 冷冻法 这是一种利用制冷剂一一氟里昂、氮或冷冻水对压缩空气进行冷却、 冷凝，析出压缩空气中的部分水份，实现除水、干燥的方法。冷冻式干 燥装置一般是把压缩空气冷却、冷凝到+ 5 左右。此时，压缩空气中的 含水最约为0 9 7 9 m 3 ，按压缩空气压力为0 7 m p a 换算到大气压下的露点约 为一2 0 左右。所以冷冻法一般应用于要求供应一2 0 ( 常压露点) 以内的 无热再生式空气干燥器优化建模j 智能控制研究 压缩空气用户或作为混合式干燥装置的第一级除水装置。 ( 2 ) 混合法 这是一种联合冷冻法、吸附法对压缩空气进行干燥的方法。通常是 第一级采用冷冻法，获得干燥度约为一2 0 ( 常压露点) 的压缩空气，第二 级采用吸附法，对压缩空气进行吸附干燥，可获得所要求的干燥度，既 露点一4 0 一8 0 ( 常压露点) 。混合法的流程长、设备较多、体积大， 一般用于进行温度较高、湿度较大或处理量大或干燥度要求高的干燥。 ( 3 ) 吸附法 这是一种使用对水份具有吸附性能的吸附剂一硅胶、活性氧化铝、 分子筛等对压缩空气中的水份进行吸附干燥的方法。吸附过程是物理过 程，当吸附剂吸附水份饱和后，应解吸再生，恢复吸附剂的吸附能力。 在实际运行中，吸附干燥的效果的优劣常常取决于吸附剂再生是否 完全。因此，根据再生方法的不同，吸附干燥法通常可分为加热再生式 和无热再生式两种。相对而言，无热再生空气干燥器以其体积小、结构 简单、安装使用方便、气体干燥度高的优点 1 2 - 1 4 】，满足不同地区、不同 行业工艺和露点的要求( 一4 0 一50 ) ，深受广大用户欢迎，是目l j i 用 量较大的一种压缩空气干燥净化设备。 1 2 无热再生式空气干燥技术概述 1 2 1 无热再生式空气干燥技术研究现状 无热再生式空气干燥法作为吸附干燥技术中的一种主要方法l l 加1 4j ， 其分离过程不同于以往的单向吸附，是一种循环过程。它以压力为热力 学参量，在压力下气休组份被吸附，减压下被吸附组份解吸，放出该气 体组份，吸附剂得到再生。因为再生时温度变小，使用减压解吸的办法， 故也被称之为变压吸附。其最初概念是由s k a r s t r o m 在一篇专利中和由 g u e r i nd em o n t g a r e u i l 和d o m i n e 在另一不同的版本中独立揭示的，这两篇 专利分别编录在19 58 年和l9 57 年【l0 1 。两者的差别是s k a r s t r o m 循环在床层 吸附饱和后，用部分低压的轻产品组份冲洗解吸，而g u e r i n d o m i n e 循环 却采用抽真空的方法解吸。在s k a r s t r o m 循环发明之初就发现其在干燥空 气方面效率非常高。用不着大的修改，s k a r s t r o m 变压吸附循环就立即被 接受用于工业规模的空气干燥和其他的气体纯化过程中。对于空气和工 业气体的干燥，变压吸附过程至少和t s a ( 变温吸附，即加热再生式) 过程 效率相同，在高压下则比t s a 过程效率更高。到目前为止，应用于在空气 2 工程硕上学位论文 干燥的吸附干燥器基本结构并无大的改变，现在各相关研发机构的工作 重点主要在于吸附剂的选择、程控阀的设计和有关参数的确定上。 我国从事吸附气休分离技术的研究大约始于19 7 2 年【9 】。2 0 世纪7 0 年 代末有了自己的吸附式空气干燥器1 8 】，当时以仿制为主。工作周期一般 为lo m i n ，切换装置为四通阀或电磁阀。执行机构多由凸轮控制，吸附剂 主要为活性氧化铝、硅胶或分子筛。所能达到最低压力露点约为一2 0 ( 常 压露点为一4 0 ) 。工作压力一般为中、低压范围，当时存在的主要问题 是切换装置易泄漏或不灵。经2 0 多年来不停地探索，从提高产品可靠性、 降低露点和节能上下功夫。目前，国内空气干燥器水平有了很大提高。 例如，我国最早的干燥器生产单位一肇庆化工机械厂，可用露点来控制 工作和再生时间，大大节省了耗气量，达到节能效果；虽然大多数切换 装置仍为电磁阀和气动阀，但也出现了部分采用薄膜切断阀或梭阀批量 生产的装置，提高了装置的可靠性。 1 2 2 无热再生式空气干燥技术的发展趋势 无热再生式空气干燥技术虽然已经在工业领域获得了广泛应用，但无 热再生干燥装置再生时需损耗15 成品气，运行费用较大。如何在保证 气体品质的同时减小再生气损耗、降低运行成本，提高系统可靠性成为 了当前急需解决的问题。故当前的发展趋势主要是采用传感器与自控技 术相结合的智能型控制器实现干燥器的吸附、再生和均压时间的多功能 控制，以达到节能效果和保证干燥的目的5 1 。此外，综合无热再生式和 加热再生式之优势，避其劣势的微热再生型干燥器以及零排放( 不消耗产 品气) 和利用压缩机余热再生等新型吸附方法也得到广泛关注。为高压、 特殊工艺气体( 如氢气、二氧化碳、天然气等) ，专门设计的吸附式干燥器 也得到广泛应用。 1 3 优化建模技术概述 1 3 1 优化建模技术国内外研究现状 模型是对现实世界的事物、现象、过程或系统的简化描述，或者是 对它们的部分属性的模仿，是对实际问题的抽象概括和严格的逻辑表达 16 】。模型表达了问题中可控的决策变量、不可控的变量、工艺技术条件 及目标有效度量之间的相互关系1 7 - 2 4 1 。它是将实际问题、经验和科学方 法三者有机结合的创造性的工作。建模工作需要运用科学理论作指导， 无热雨生式窄气干燥器优化建模i 一智能控制研究 并且需要深入实际仔细揣摸客观对象。因而是一项理论与实践紧密结合 的工作。 优化设计是设计概念与方法的一场革命，它用系统的、目的定向的 和有良好标准的过程与方法来替代传统的试验纠错( t r i a l a n d e r r o r ) 的手 工方法。优化设计是寻求最好或最合理的设计方案，而优化方法便是达 到这一目的的手段。虽然对大多数现实问题而言，由于耗费资源( 时间、 费用) 过于巨大，“最好”的不一定能实现，但它提供了一种指导思想与 标准，形成了概念框架( 问题识别、定义、模型化，求解与评价) 和运作手 段。优化方法还能被应用于处理其他问题上，只要该问题存在多种解决 方案，故它是求解问题和帮助决策的手段与工具。 结构优化设计从马克斯威尔理论( m a x w e l l ，19 8 0 ) 和米歇尔 ( m i c h e l l ，19 0 5 ) 析架出现起己有百年，从史密特( s c h m i t ) 用数学规划来解决 结构优化设计算起亦有4 0 年历史，特别是过去30 年内，在理论、算法 和应用方面都取得了长足的发展。现代结构优化设计随着计算机技术的 快速发展，数学规划的广泛应用，结构分析技术的日臻成熟，到2 0 世纪 7 0 年代开始发展起来。到2 0 世纪8 0 年代基于敏度的优化算法己经得到 了很好的发展。经过研究工作者的不断努力，在结构优化领域取得了许 多可喜的成果，新的思想和方法不断涌现。神经网络，模拟退火法，小 波变换，遗传算法等许多新方法 2 5 - 3 0 】的应用推进着这个领域的不断进步。 建立优化数学模型是开展优化工作的关键一步，对实际应用的工程 技术人员而言，如何从复杂的现实问题中抓住主要矛盾和本质内容，抽 象出合理和性态良好的模型，是优化成功应用的关键【24 1 。建模通常包括： 建立评价方案优劣的准则函数或目标函数；抓住影响问题的主要因素， 提取相应的设计变量；以及根据对问题的各种规定限制与要求，确定有 关的约束条件。 为了考虑对复杂、大型问题的优化，和便于用户使用，目前发展有 如下建模方式： 建立优化模型库。根据己有的实践经验，建立若干优化模型，供 需要时选择，调用并组合； 柔性建模方法。传统建模方式是先确定设计变量、目标函数和约 束函数的类型、数量与相关性质，按这一固定模型进行编程，在随后整 个优化过程中模型是不变的，对模型中变量、约束和目标这三个系统的 任何修改，都将导致对模型程序的修改，既费时且易出错。柔性建模的 关键是在模型与程序中用准设计变量代替传统的设计变量，用设计函数 代替传统的约束函数和目标函数，优化过程中准设计变量可通过人机交 4 工程硕十学位论文 互方式或预先设定闽值，区分为设计变量、相关变量和设计参数，同样 设计函数亦可区分为目标函数、约束函数或者予以忽略。同时约束的类 型与限值、目标函数的类型与理想值等亦可在优化过程中予以调整修改。 这样构成优化模型的三大要素，就不再如传统建模方式那样完全被编程 固定，而可通过交互手段建立具有不同含义的模型，实现优化模型的柔 性化。 由于学科的多样性，同样的结构优化问题在不同领域，例如工程设 计或机械设计或航空航天中有较大差别，在塑造优化模型，选择优化算 法时必须考虑不同的领域知识，为此有人建议采用三列概念 ( t h r e e c o l u m n c o n c e p t ) ，建立设计模型、结构模型和优化模型，即首先 从结构参数中选出分析变量，它们将随优化过程而变；其次通过构造设 计模型实现设计变量与分析变量的数学联系，设计模型中包括了变量间 的连接、变量冻结、形状函数等；为了提高优化效率，改善收敛性，根 据优化算法的专门需要，再将设计变量转换成变换变量( 或优化变量) ，而 目标函数和约束应通过对结构响应或状态的评估程序来确定。 1 3 2 优化建模的方法与策略 优化设计主要分为单目标优化设计和多目标优化设计。求解多目标 优化问题的一项关键技术就是要把多目标优化问题转化为单目标设计问 题，然后进行求解。目前常用的优化建模技术有： 乘除法优化设计模型。在工程实际中，除了求目标函数的最小化 值之外，常常会碰到求解最大最小化混合最优化设计问题。在优化设计 数学建模中，最大化问题可以转化为最小化问题进行处理。乘除法就是 这样一种化最大化问题为最小化问题的优化方法。 面向对象建模技术。2 0 世纪7 0 年代以来，计算机硬件技术取得了 很大的发展，对软件技术提出了新的挑战和更高的要求。由于软件开发 的多样性及其复杂性和高额费用，使得用户难以承受。为此，人们开始 探索新的软件开发方式，面向对象技术以其可扩充性、可重用性、继承 性、相容性以及封装机制和多态性，大大降低了软件产品的开发周期和 开发费用。面向对象技术已广泛应用于各种计算机领域，如面向对象程 序设计、面向对象的数据库。面向对象的c a d c a m 等领域。今天，面 向对象技术不仅仅局限于软件开发工作，而是作为一种新的思维方式受 到热烈探讨。已有许多学者将其应用于结构优化设计与建模。 分层优化设计建模技术。层次规划法1 27 j 在2 0 世纪8 0 年代开始应 用于机械优化领域。近年来，层次规划法在机械设计领域有了长足发展， 无热再生式空气干燥器优化建模与智能控制研究 如产品分解，建立产品功能树。在机械优化设计领域出现了层次优化策 略。层次规划法应用于工程优化主要有两种模式：串行模式和串并行模 式。 多学科协同设计优化建模技术。多学科协同设计优化是一个新的 研究方向，它是指对由具有耦合关系的多学科相互作用构成的系统的优 化设计【31 1 。多学科协同优化的目的是允许学科小组之间既有明确分工， 又通力协作。由于分工，实现了学科小组之间的并行，具有一定的自主 性。同时又需要各学科小组之间相互合作，以达到解耦的目的，实现系 统的全局优化。这一模式体现了多学科协同和多学科并行的建模思想。 1 3 3 优化建模技术在热工过程上的应用 热工过程特性往往表现为非线性、慢时变、大迟延和不确定性，如 此复杂的热工系统很难建立精确的数学模型【3 引。目前，对汽包锅炉建模 及动态特性研究较多，论文发表也较多，但是用于热工过程仿真的汽包 锅炉的所有子系统，特别是汽水系统的数学模型均为传统的基于集总参 数法建立的机理模型【33 1 。这种模型可以满足定性仿真的精度要求，但是 集总参数模型的动态精度差，不能很好地反映热工对象的分布参数特性， 所以不能满足仿真技术向工程分析仿真、全程控制系统的定量分析与仿 真研究的深入所提出的更高要求。为提高集总参数模型的精度，增加建 模区段数是一种有效的办法，但是随着分段数的增多，分段集总参数模 型的计算量将成倍增加，而且模型更复杂，方程组的病态现象会更严重， 反而降低了计算精度【3 4 】。基于惯性补偿修正的集总参数动态修正模型1 3 5 j 通过增加惯性补偿方程和调整动态修正因子与惯性补偿时间常数，对原 集总参数模型的结构和所反映的惯性进行修正与补偿，具有计算方便和 实用性强的特点，有广泛的应用前景。分布参数模型( 3 4j 的积分步长小、 计算量大，但在一定简化条件下，对分布参数模型进行线性化处理；就得 到了线性化分布参数模型，即传递函数模型，传递函数模型在某一工况 点以及小扰动的情况下能够较好的反映热工对象的分布参数特性，这是 控制系统仿真研究的基础，所得结果与现场调试情况较为吻合，广泛应 用于热工控制系统的调试和研究中，但是这种模型静态误差比较大，不 适合于大扰动全工况仿真，也不适合于电站全程控制系统的仿真研究。 近似解析模型【3 6 】适用于大扰动全工况仿真，但是近似解的表达式相当复 杂，且含有指数项，计算量大，模型初始化的过程也相当复杂。 对热工对象采用实验方法建模是一种行之有效的方法，也是工程中 常用的方法。用实验方法测定对象的动态特性，根据实验时加入信号的 6 工程硕七学位论文 不同分为时域法、频域法和相关统计法【3 7 1 。它们对输入信号的要求比较 高，时域法要求加入阶跃信号激励被控对象，频域法要求加入正弦信号， 而相关统计法则要求加入白噪声或伪随机序列。这三种方法抗干扰能力 差，测量精度不高，不能用于非线性系统的辨识。文献 38 采用实验方法 中的阶跃响应建模法和相关分析建模法求取对象动态特性，但是由于生 产设备运行条件的限制，往往不允许被调量作较大幅度的扰动，以免影 响机组的安全，而且由于现场中存在着较大的随机扰动的影响，降低了 实验方法的精度；此外实验建模需要花费大量的人力、物力以及较长的试 验时间，实现起来有一定的困难。 新兴的人工神经网络技术为复杂系统的建模提供了新颖而有效的解 决手段。神经网络用于系统辨识和建模，不仅可以建立线性系统的模型， 也可以很精确地建立非线性系统的模型。因为神经网络用于系统辨识， 就是选择一个合适的神经网络模型来逼近实际系统，并且使用神经网络 进行系统辨识不需要预先建立实际系统的辨识格式，使非线性系统的辨 识成为可能。神经网络对系统进行辨识是通过直接学习系统的输入输出 数据而训练神经网络，从而归纳出隐含在系统输入输出数据中的关系。 经过训练的神经网络可成为描述系统的模型。吕剑虹等【】提出了一类实用 的基于模糊规则的热工过程非线性建模方法。该方法首先通过聚类和竞 争学习算法，对热工过程的输入数据空间进行分区，然后在每个局部的 数据子空间上，利用递推的最小二乘辨识算法( r l s ) 建立一个基于模糊规 则的局部线性动态模型，这样，一个典型的非线性热工过程可以通过一 组基于模糊规则的线性模型来表示。计算结果表明：基于模糊规则的非 线性模糊模型，不仅能精确地描述过程的非线性，而且算法简单、实用。 钱殿伟【3 2 】采用最小资源分配网络( m r a n ) 分别建立了电厂热工过程中过 热汽温和单元机组负荷的神经网络模型，并将过热汽温神经网络模型转 化为传递函数模型，仿真结果表明该模型具有动态调节隐含层单元数、 学习速度快和精度高等特点。于希宁等【39 】针对热工过程建模难的现状， 为达到建立精确非线性模型的目的，提出了1 种基于t s 模型的白适应 神经模糊系统( a n f i s ) 模糊建模方法。该方法通过对模糊系统的结构辨识 和参数辨识，使神经模糊网络能够自主、迅速有效地收敛到要求的输入 和输出关系，从而达到精确建模的目的。仿真结果验证了所提出的算法 的有效性，将其应用到热工过程建模中可获得高精度的非线性模型。 1 4 空气干燥智能控制研究与应用现状 随着科学技术和经济建设的发展，各行各业对压缩空气的需求不仅 7 无热雨生式宅气干燥器优化建模与智能控制研究 仅局限于量的满足，而对其品质要求也越来越高。如何在保证气体品质 的同时减小再生气损耗、降低运行成本，提高系统可靠性成为了当前急 需解决的问题。采用传感器与自控技术相结合的智能型控制器实现干燥 器的吸附、再生和均压时间的多功能控制，可以达到节能效果和保证干 燥的目的。在空气干燥控制研究领域，目前关于智能控制的实际应用的 报导虽然较少，但在各种国际会议和杂志中发表文献的日益增多表明了 空气干燥控制系统研究的发展趋势。目前在控制领域常用的智能控制方 法有：专家控制、模翻控制、神经控制、遗传算法等。 在空气干燥智能控制应用方面，控制方法主要还是利用p l c 或单片 机，基于传统的p i d 控制法实现对干燥过程的自动控制1 4 0 - 4 3 】。 1 5 选题背景和意义 压缩空气作为一种重要的动力源，在我们的日常生活和国民经济的 各行业中有着广泛的用途，它被广泛应用于各种风动工具，气动设备， 控制仪表及自动化装置，也被应用于科学实验中。随着科学技术和经济 建设的发展，各行各业对压缩空气的需求不仅仅局限于量的满足，而对 其品质要求也越来越高。但湿空气经空压机压缩后成为饱和湿空气，会 产生很多凝结水，大量的水分不仅使管路锈蚀、压降增加，而且会导致 设备发生故障、控制系统失灵，影响正常生产。因此，压缩空气的干燥 处理就显得至关重要了。 无热再生干燥器以其体积小、结构简单、安装使用方便、气体干燥 度高的优点，满足不同地区、不同行业工艺和露点的要求( 一4 0 一 50 ) ，深受广大用户欢迎，是目前用量较大的一种压缩空气干燥净化设 备。但无热再生干燥装置再生时需损耗15 成品气，运行费用较大。如何 减小再生气损耗，降低运行费用成为了当前急需解决的问题。 本课题正是在这个基础上，以无热再生式空气干燥器为研究对象， 通过对无热再生式干燥器的工作原理、产品设计、使用工况条件及存在 问题的分析后，开展无热再生式空气干燥器优化建模与智能控制理论与 方法的研究，以实现对现有无热再生式空气干燥器的运行过程优化和智 能控制，达到节能效果和保证干燥的目的。本课题的研究不仅能够提高 无热再生式空气干燥器系统的可靠性和满足用户对压缩空气品质的高要 求，而且对降低干燥器的运行成本以提高企业的市场竞争力具有十分重 大的现实意义和广阔的工程推广价值。 8 工程硕上学位论文 1 6 论文的主要研究工作 本课题以无热再生式空气干燥器为研究对象，开展“无热再生式空气 干燥器优化建模与智能控制研究”，以实现对现有无热再生式空气干燥器 的运行过程优化和智能控制，达到节能效果和保证干燥的目的。全文安 排如下： 第1 章绪论。主要包括空气干燥技术国内外的研究状况、无热再生 式空气干燥技术概述、优化建模技术概述、空气干燥智能控制研究与应 用现状、选题背景和意义等主要内容。 第2 章无热再生式空气干燥过程特性参数分析。主要包括无热再生 式空气干燥工艺过程、无热再生式空气干燥过程参数、活性氧化铝吸附 器压强转换再生特性、活性氧化铝吸附器工作过程特性、影响干燥罐吸 附量和干燥效果因素等内容。 第3 章无热再生式空气干燥过程优化器设计。主要包括泛函分析原 理与方法、无热再生式空气干燥过程再生气量泛函优化器、自适应变尺 度粒子群优化算法、无热再生式空气干燥过程优化器应用等内容。 第4 章神经元模糊推理融合的组合控制器设计。主要包括神经元 模糊推理融合模型、神经元模糊推理融合的组合控制器、再生气量组合 控制等内容。 第5 章无热再生式空气干燥器p l c 控制系统。主要包括可编程控制 器概述、无热再生式空气干燥器p l c 控制系统设计以及无热再生式空气 干燥器p l c 控制系统应用等内容。 结论。 9 无热再生式窄气干燥器优化建模与智能控制研究 第2 章无热再生式空气干燥过程特性参数分析 无热再生干燥装置以其体积小、结构简单、安装使用方便、气体干 燥度高的优点，满足不同地区、不同行业工艺和露点的要求，深受广大 用户欢迎，是目前用量较大的一种压缩空气干燥净化设备。对无热再生 式空气干燥过程特性参数分析，有利于剖析无热再生式空气干燥的工艺 过程特性，为无热再生式空气干燥过程参数优化及其控制提供理论依据。 2 1 无热再生式空气干燥工艺过程 无热再生干燥装置的空气干燥方法主要是根据变压吸附原理，利用 吸附剂表面气体的分压力具有与该种物质中周围气体的分压力取得平衡 的特性，使吸附剂在压力下吸附，而在常压和负压下再生。随着空气的 被压缩，作为空气几分之一的水蒸气的分压力得到了相应的提高，在与 表面水蒸气分压力很低时的吸附剂接触时，压缩空中的水蒸气便向吸附 剂表面转移，逐步提高吸附剂表面的水蒸气分压力直至平衡，这就是吸 附过程。当同样的压缩空气压力降低时，水蒸气的分压力也相应降低， 在遇到水蒸气分压力较高的吸附剂表面时，水分便由于吸附剂转向空气， 吸附剂表面水蒸气的分压力逐渐降低直至达到新的平衡，这就是脱附( 再 生) 过程。 无热再生干燥器采用双罐式，干燥剂在压力下吸附水份，在减压下 解吸水份，干燥罐a 工作吸附时，干燥罐b 进行再生，干燥罐a 、b 交 替工作和再生，其无热再生干燥工作原理如图2 1 中( 1 ) 、( 2 ) 、( 3 ) 、( 4 ) 所示。 l o t 程硕十学位论文 0 取气 送气 ( 1 ) 第一次转换 捧气 取气 0 排气 ( 2 ) 第二次转换 送气 l l 无热再生式窄气干燥器优化建模与智能控制研究 砰气 图2 1 无热再生干燥工作原理图 工作程序为时间控制，5 m i n 切换，10m i n 为一个工作周期。工作程 序共分为工作、再生、充压、均压、待再生5 个过程。干燥罐工作时， 压力升高，空气中的水蒸气分压亦相应提高，当通过干燥剂( 活性氧化铝) 床层时，被干燥剂吸附，使干燥剂表面水蒸气分压逐渐提高，达到平衡， 这就是吸附工作过程，使压缩空气得到干燥。干燥罐再生时，当罐内空 气压力突然降低，水蒸气的分压也同样降低，吸附在干燥剂的水蒸气亦 转移到空气中，再生过程就是通过限流孔板，控制小部分的干燥气流( 占 处理量的大约15 ) 膨胀到大气压，从上而下对干燥剂进行反吹，水蒸气 随反吹气流从消音器排到机外，使干燥剂脱附。再生4m i n 后，排空阀关 闭，再生塔通过限流孔板进行充压，使罐内压力上升，与工作罐平衡，再 生结束，转换到工作吸附。时间控制工作周期如表2 1 所示。 表2 1 时间控制工作周期 2 2 无热再生式空气干燥过程参数 采用活性固体干燥剂吸附法进行气体干燥处理时，过去对干燥器的 再生大多采用加热的办法，使它吸附的水分子释放出来，从而获得再生。 在本文中，选用的干燥剂是活性氧化铝而且再生的方法是在常温下用减 压的办法来进行脱水。 1 2 t 程硕十学位论文 2 2 1 空气压缩过程特性参数 设空气压缩机的入口温度f l = 2 0 ，大气压力p 1 = o 10 33 m p a ，空气压 缩机的出口压力p 2 = o 8 m p a ，大气的相对湿度西= 7 0 。根据表2 2 ，查得 空气温度在t l = 2 0 时，空气中水蒸气的饱和压力p 。l = o 0 0 2 4 37m p a 。则 水蒸气的分压力p v l 为： p v l = 西。p s l ( 2 1 ) 空气压缩机内的空气压缩过程可分为如下几个过程： 空气经过压缩机压缩的过程，由于在空气压缩机压缩过程中，时 间很短，可视为绝热压缩过程，但同时考虑到实际情况，将压缩过程视 为多变过程，经查得多边指数一般刀= 1 3 0 。视湿空气为理想气体，则满 足如下理想气体状态方程： p v ”= c ( c 为常数) ( 2 2 ) p v = r t ( 2 3 ) 由式( 2 2 ) 和式( 2 3 ) 可得： p ”一1 = = r ”c 一1t ” ( 2 4 ) 设p l ，丁l ，p 2 和丁2 分别为压缩开始以及压缩终点的压强和温度，将 p l ，r l ，p 2 和丁2 代入式( 2 4 ) 可得： jj f l ”一i 3 = _ 2 ”c 一1 互” ( 2 5 ) 【p 2 舻1 = r ”c 。1 互” 式中，p l = 0 10 33 m p a ，r l = 2 9 3k ；p 2 = 0 8 m p a ；t 2 = t 2 + 2 7 3k 。 由式( 2 5 ) 相比得： 互= 乞+ 2 7 3 = ( 丝) 1 。”互，( 2 6 ) 乃 则可得t 2 = l 9 6 9 ，查表2 2 得此温度下水蒸气的饱和压力 p 。2 = 1 4 88 9 8 m p a ，把水蒸气看作理想气体，则其过程也可视为绝热压缩过 程，令此刻的水蒸气的压力为p v 2 ，由于pv = r t ，则： p = ( 等) 川加n p 巧 ( 2 7 ) 1 i 则可得p v 2 0 0 13 2 2 m p a ，可见p v 2 印。2 ，故此时压缩空气仍为未饱 和湿空气。 空气压缩机出来的压缩空气经过干燥滤清器后，压缩空气发生放 热变化，其温度降为t 3 = 9 0 ，且压力损失了10 。查表2 2 得此时的水 蒸气的饱和压力p s 3 = o 0 8 5m p a 。 无热再生式卒气干燥器优化建模j 智能控制研究 比较p v 3 印。3 ，可见压缩空气仍为未饱和湿空气。 压缩空气进入储气罐的过程，其相当于对储气罐的充气过程。 设储气罐的原来的温度为t s = 2 0 ( 即t 。= 2 9 3k ) ，充气后的气体温度 为乃，则其满足经验公式： 瓦= 尼五 1 + p l ( 尼五r , 一1 ) p 2 】 ( 2 8 ) 式中：k 为绝热指数，一般取七= 1 4 0 ；p l7 为储气罐充气前的压力， p l7 = 0 7 m p a ；p 27 为储气罐充气后的压力，p 27 = 0 8 m p a ；t 3 为压缩空气进 入储气罐前的温度，丁3 = f 3 + 2 7 3 。 经过以上过程，当压缩空气充满储气罐后，空气压缩机卸荷，不再 提供压缩空气给气路系统。而压缩空气通过储气罐壁向环境散热，储气 罐内气体温度一直下降到环境温度f 。，此过程可近似为气体的等容变化， 满足： p ( t 。+ 2 7 3 ) = p 3 t 4 ( 2 9 ) 式中，p 为充气后储气罐的气体温度降到f 。时的气体压力，m p a ；p 3 为压 缩空气经空气干燥滤清器后的压力，p 3 = p 2 9 0 = 8 1m p a 。 在环境温度下，水蒸气的饱和压力p 。l = 0 0 0 2 4 8 9 6m p a p v 2 ，说明压 缩空气中的水蒸气已经达到饱和，这为无热再生式空气干燥设计以及优 化提供了理论依据。 表2 2 饱和水和干饱和蒸气表 1 4 t 程硕士学位论文 2 2 2 吸附器设计参数 ( 1 ) 活性氧化铝吸附剂所需容积 进入干燥罐的空气流量h 为30 m 3 m i n ；进入干燥罐的空气压力为 0 8 m p a ；进入干燥罐的空气温度为4 0 ；活性氧化铝吸水率为0 2 4 ； 工作周期为10 m i n 。 进入干燥罐的空气所含水分量g w g w = v p d ( 2 10 ) 式中，y 为加工空气量，m 3 s ：p 为在大气压下温度为4 0 时空气密度， p = 1 13k g m 3 ；d 为空气中所含的饱和水蒸汽量= o 0 3 k g 水k g 干空气( 工 作温度为4 0 ，工作压强为0 8 m p a 时饱和水蒸汽量) 。 吸附水分所需的活性氧化铝的量 m w = g w a ( 2 11 ) 式中，a 为活性氧化铝对水分的吸收率。 工作一个周期所需活性氧化铝的量尥 必= m w t 够。c ( 2 12 ) 式中，t 为工作周期；9 为备用系数( 本文取1 4 ) ；c 为转效系数( 本文 取4 ) 。 活性氧化铝所需容积 = m z 7 。 ( 2 13 ) 式中，y 。为活性氧化铝的堆比重，本文t a = 7 50k g m 3 。 ( 2 ) 回洗流量的计算 r ：一! ( 2 14 ) 最e 式中，y 为流入干燥罐的空气流量，m 3 s 。 ( 3 ) 吸附器中气孔直径 气孔的有效截面积： s ：上 ( 2 15 ) o 1 8 5 式中，s 为m m 2 ；p i 吸附周期的绝对压强。 气孔的直径d 为： d ：2 ，犀 ( 2 16 ) f 万 经计算，吸附器中气孔直径d 为6 6 m m 。 无热再生式窄气干燥器优化建模与智能控制研究 2 2 3 转换时间参数 无热再生式干燥空气供给设备吸附干燥的转换时间长短，可以在较大 的范围内变动。就活性氧化铝吸附剂的负荷而言，周期较短更为经济。 但也是应当避免由于阀门等控制元件的频繁动作而带来维护费用的增 加。转换时间的考虑从干燥罐本身的工作条件来说，应该是在保证一个 干燥罐能充分的吸收水分，另一个干燥罐能完全地再生和必要的冷却得 条件下，使转换时间尽可能地短。当然，调节回洗气流的数量和工作温 度，也可以改变所需要的再