【壓縮機網】在工業(yè)互聯(lián)網、大數(shù)據(jù)、智能制造的時代背景下，我國制造業(yè)正進一步在夯實基礎中不斷推進變革。離心壓縮機作為工業(yè)生產中一種極為常見和廣泛使用的設備，其制造和優(yōu)化控制運行水平對工業(yè)制造的升級與變革起著非常重要的作用。離心壓縮機機理復雜，運行環(huán)境多變，其建模、性能預測和優(yōu)化控制等問題極具挑戰(zhàn)性，相關理論研究有著非常重要的實際應用價值。

　　工業(yè)大數(shù)據(jù)泛指工業(yè)領域的大數(shù)據(jù)，既包括企業(yè)內部制造系統(tǒng)所產生的大量數(shù)據(jù)，也包括企業(yè)外部的大量數(shù)據(jù)。傳統(tǒng)意義上的大數(shù)據(jù)主要指商業(yè)和互聯(lián)網等行業(yè)的大數(shù)據(jù)，多為離散的相對獨立的數(shù)據(jù)，因而采集這些數(shù)據(jù)的難度和工作量都很大。對所收集的數(shù)據(jù)進行簡單的關聯(lián)分析就可以獲取一些價值，進行數(shù)據(jù)分析的主要思路是從海量的數(shù)據(jù)中找到各變量之間的聯(lián)系，根據(jù)得到的結果發(fā)現(xiàn)人們沒有認識到的問題。工業(yè)中的數(shù)據(jù)采集相對比較容易，但由于其各個參數(shù)之間還存在著內在的機理等關聯(lián)關系，因此分析難度較大，而且工業(yè)生產過程對分析的精度，結論的正確性和穩(wěn)定性也要求較高。因此，工業(yè)大數(shù)據(jù)分析其實是計算機科學、統(tǒng)計學和工程學等多學科交叉的科學，需要全面而系統(tǒng)的進行研究。

　　建立離心壓縮機精確的數(shù)學模型能夠進一步加深人們對離心壓縮機工作原理以及特性的理解。設計、制造人員可以利用精確的數(shù)學模型進行仿真實驗，根據(jù)仿真結果調整離心壓縮機的結構參數(shù)，大大縮短了設備的設計、制造周期，降低了生產成本。對于控制工程技術人員來說，精確的數(shù)學模型是應用各種先進控制算法的前提，有了精確的數(shù)學模型，可以進行各種離線仿真實驗，設計出最優(yōu)的控制算法，從而保證離心壓縮機穩(wěn)定、高效運行。因此，建立精確的離心壓縮機模型對于減少生產周期，實現(xiàn)高級控制算法具有十分重要的意義。目前，離心壓縮機發(fā)展主要從實驗和數(shù)值模擬兩個方面進行，大部分都是針對級中的主要部件葉輪、擴壓器和渦殼等展開，其模型計算都是基于流動過程的描述：一元模型只能描述軸對稱的流動，而二元模型能夠預測軸方向和其它方向的流動變化。這些模型源于應用物料平衡，能量守恒和空氣動力學方程的一般模型，能夠應用于一般的壓縮機系統(tǒng)，也能描述軸流壓縮機和離心壓縮機喘振時的動態(tài)特性，這些都是基于壓縮機內部結構內部能量轉換和損失的多種機理模型。利用從生產過程中收集的豐富數(shù)據(jù)建立數(shù)學模型，這種數(shù)據(jù)驅動建模技術由于建模速度快、模型精度高，且對過程機理知識要求不高。通過計算機技術和集散控制系統(tǒng)應用的快速發(fā)展使得大量的場測量數(shù)據(jù)被存儲，這就為實現(xiàn)數(shù)據(jù)驅動建模提供了可能?，F(xiàn)在，一些基于數(shù)據(jù)驅動建模的方法有：偏最小二乘支持向量機，基于偏最小二乘的非線性方法，非線性時間序列的分析方法，神經網絡模型等。

　　一．離心壓縮機的機理模型及參數(shù)分析

　?。ㄒ唬﹩螜C離心壓縮機模型

　　在理想狀態(tài)下，由能量守恒定律可知，葉輪產生的全部能量都轉化成被壓縮氣體壓力的提高。但是實際狀況并非如此，壓縮氣體壓力的提高和各部分的能量傳遞以及能量損失密切相關，其中對壓縮機特性起重要影響的是沖擊損失和摩擦損失，它們的共同作用決定了壓縮機的特性曲線，因而，我們要從以下多個方面進行研究分析。

　　1.葉輪進出口氣流速度

　　氣體進入壓縮機葉輪后，在葉輪高速旋轉的作用下，能量得到提高。在這個做功過程中，氣體的速度會發(fā)生變化，計算葉輪對氣體的做功大小和計算沖擊損失時，就必須研究壓縮氣體速度的變化規(guī)律，而葉輪出氣口氣流速度的分析也與進氣口的分析相同。

　　2.級中的能量損失

　　離心壓縮機的氣體壓縮過程主要存在兩種損失，即在葉輪和擴壓器上的沖擊損失和在葉輪和擴壓器上的摩擦損失。兩者在判斷壓縮機的穩(wěn)定工作區(qū)中，扮演了重要的角色。當然也存在其它的損失，如進氣損失、混合損失和漏氣損失，由于這些損失很小，在計算和實際應用中會被忽略。

　　由于流體沖擊在轉子和葉片擴壓器上造成的沖擊損失在塑造壓縮機特性曲線時至關重要，目前應用最廣泛的理論，一種是基于在切線方向上的動能損失，另一種模型假設在葉道內的氣體流動是一個穩(wěn)壓過程。對于離心壓縮機來說，這兩種方法建立的沖擊損失模型的預測結果差異很小，主要的不同在于零損失發(fā)生時流體的入射角。第一個模型，零損失發(fā)生在流體的入射角和葉片的安裝角相等的情況下。第二個模型并不是這樣。用第一種方法建立的模型可以使得沖擊損失曲線對稱于設計流量點，且隨著質量流量的平方變化而變化。當質量流量低于設計流量時，沖擊損失會比在質量高于設計流量時大得多。這使得當流量低于設計流量時，壓縮機的性能曲線比高于設計流量時的曲線形狀更陡峭一些。

　　3.離心壓縮機效率

　　離心壓縮機效率與理想狀態(tài)下的損失與渦輪損失、回流損失及擴壓器將流體動能轉化為壓力的能力有關。

　　渦輪損失發(fā)生的主要原因是流體不能利用徑向動能流出擴壓器?；亓鲹p失的發(fā)生是由于壓力梯度存在于葉輪尖端區(qū)域，流體不得不重新進入葉輪，導致壓縮機對回流的流體進行重新壓縮。一般來說，對于有葉輪擴壓器的壓縮機，渦流損失會比無葉擴壓器的損失大一些，因為在有葉擴壓器的出口，有更大部分的動能是徑向的。在擴壓器中的減速升壓過程是否有效，主要取決于擴壓器的物理結構。

　　另外，離心壓縮機效率還要考慮運行過程中的能量傳遞。離心壓縮機的級對有效氣體所消耗的總功，可以認為是由葉輪對氣體做功，內漏氣損失，輪阻損失三部分組成。葉輪對氣體做功換成氣體的能量，應注意到能量守恒是在質量守恒的前提下得到的，即要滿足連續(xù)條件，同時，要考慮對黏性氣體都是適用的。而在離心壓縮機中，從外面加入的熱量，以及向外界放出的熱量，通?？珊雎圆挥嫛τ谌~輪來說，原動機傳給葉輪的總功有理論能量頭、內漏氣損失和輪阻損失，理論能量頭主要是以機械能的形式傳給氣體的。這些能量及損失在級內不斷地進行循環(huán)運動，不斷地被壓縮和膨脹而需要一定的外功，這部分外功變成了熱量傳給氣體。

　　4.阻滯

　　當流體在壓縮機系統(tǒng)中的某個橫斷面上達到聲速時，流體就會發(fā)生阻滯現(xiàn)象。阻滯流量取決于轉子轉速，葉輪在轉子轉速提高時，所能承受的極限流量也會變大。

　　5.能量傳遞與壓力升高

　　由于流體的能量與質量流量成正比，壓縮機壓力升高時，通過能量傳遞會對進口溫度，比熱容等多個因素產生影響。為了建立流量壓力升高的模型，也要考慮喘振工況，其值決定了旋轉葉片在反方向提供給流體的阻力。在流量為負時，壓縮機可以認作是偏正壓力的節(jié)流裝置。在壓縮機實際工作中，為了生產安全的需要，應當盡量避免進入喘振區(qū)，同時，負流量在實際中無法測量，在工程上只需要畫出正流量時的出口特性曲線。

　　6.離心壓縮機的出口溫度

　　離心壓縮機通過葉輪的高速旋轉對氣體做功，使氣體的壓力得到提高，同時氣體的溫度也隨之提高。如果在轉速一定，入口條件也一定的情況下，壓縮機的溫度比是一個定值。

　　7.離心壓縮機模型的仿真及入口參數(shù)的影響

　　反映離心壓縮機級的主要參數(shù)為壓力比、效率及流量。為了便于把級性能清晰地表示出來，常常在一定的進口氣體狀態(tài)及某個轉速下，用不同流量時的級壓力或出口壓力、級效率與進口流量表示出來。若忽略動能的變化，葉輪對氣體所做的功主要用來提高氣體的壓力和克服流動損失。所以，要知道不同流量下壓力提高的情況，還要知道不同流量下流動損失的大小。在設計工況下，氣流方向基本上和葉片方向一致，分離沖擊損失?。划斄髁吭龃蠡驕p小時，分離沖擊損失增大。離心壓縮機機理模型在仿真時，壓縮機的溫度、壓力、流量以及其它成分均來自現(xiàn)場DCS讀取的過程數(shù)據(jù)。一般在設計工況附近，壓縮機有最高效率，流動情況最完善；當流量增大時，由于摩擦損失和沖擊損失明顯增大，級效率將下降；當流量減小時，分離沖擊損失明顯減小。此外，由于流量減小，相對的漏氣損失和輪阻損失也增大，所以也使級效率降低。壓縮機性能不僅反映了級壓比、效率等與流量的關系外，也反映了級的穩(wěn)定工況范圍的大小。

　　（二）機理模型參數(shù)辨識

　　離心壓縮機在進行仿真時，僅僅使流量變化，而固定了其它的入口條件，如溫度、壓力、介質成分、轉速等。測試時，隨機取一段時間段的過程數(shù)據(jù)，雖然測試點與機理模型的距離很大，但測試點應該在穩(wěn)定工況范圍內，該機理模型中的一些參數(shù)值的選擇對模型影響較大，和實際情況難免有不同程度的偏差。因此，在獲得現(xiàn)場大量數(shù)據(jù)的基礎上，采用遺傳算法辨識這些參數(shù)，以得到更加準確的模型。

　　1.遺傳算法

　　遺傳算法是借鑒生物自然選擇和遺傳機制的隨機搜尋優(yōu)算法，其之所以能夠增強解決問題的能力，是因為其自然演化過程就是一個學習與優(yōu)化的過程，其核心思想是生物進化過程，本身是一個自然的，并行發(fā)生的、穩(wěn)健的優(yōu)化過程。遺傳算法對于一個復雜的問題，將問題域中的可能解看做是群體的個體或染色體，并將每一個個體編碼成符號串形式，根據(jù)預定的目標適應度函數(shù)對每個可能解進行評價，來確定搜索方向；借用生物遺傳學的觀點和基本術語：基因、個體、群體、適應度、編碼、解碼等，通過對群體反復進行選擇、交叉、變異等遺傳學操作，不斷得到更優(yōu)的群體，同時以全局并行搜索方式來搜索優(yōu)化群體中的最優(yōu)個體，得到滿足要求的最優(yōu)解。

　　2.參數(shù)辨識

　　辨識就是在輸入和輸出數(shù)據(jù)的基礎上，從一組給定的模型中，確定一個與所測系統(tǒng)等價的模型，實質就是從一組模型類中選擇 一個模型，按照某種準則，使之能最好地擬合所關心的實際過程。以離心壓縮機參數(shù)辨識的數(shù)據(jù)預處理一般包括數(shù)據(jù)校正、數(shù)據(jù)集成和數(shù)據(jù)歸約。

　　數(shù)據(jù)校正主要是處理空缺值，平滑噪聲數(shù)據(jù)，識別，刪除孤立點。其方法有空缺值處理和誤差處理。

　　數(shù)據(jù)集成是將眾多數(shù)據(jù)源中的數(shù)據(jù)進行合并處理，解決語義模糊性并整合成一致的數(shù)據(jù)進行存儲，一是模式集成，將小同信息源中實體匹配來進行模式集成；通常借助數(shù)據(jù)庫的數(shù)據(jù)進行模式識別；二是冗余數(shù)據(jù)集成往往導致數(shù)據(jù)冗余；三是數(shù)據(jù)量綱的沖突，由于工業(yè)工程中出現(xiàn)的工程單位不同或數(shù)值上相差幾個數(shù)量級的測量數(shù)據(jù)，需要選擇適當?shù)囊蜃舆M行標度，可以有效地改善建模的效果。

　　數(shù)據(jù)歸約技術可以用來得到數(shù)據(jù)集的歸約表示，與非歸約數(shù)據(jù)比較，接近于保持原數(shù)據(jù)的完整性，其處理數(shù)據(jù)所需的時間和內存資源更少，并產生相同或者幾乎相同的分析結果。

　　過程數(shù)據(jù)的預處理主要分為三個步驟：第一步是將排除壓縮機啟動和停機等非正常數(shù)據(jù)；第二步是將DCS系統(tǒng)讀數(shù)的數(shù)據(jù)轉換成能夠讀取利用的數(shù)據(jù)；第三步是選取穩(wěn)定的工況數(shù)據(jù)。在這些數(shù)據(jù)中，有很多信息重復的地方，需要進一步的選取。流量要覆蓋所有工況的測點，尤其極端工況，要特別注意流量選擇時，要取相同數(shù)目的流量值，保證流量范圍的平均性，避免參數(shù)辨識時產生的數(shù)據(jù)偏重。

　　3.參數(shù)分析

　　（1）葉輪葉片安裝角

　　離心壓縮機的葉輪是離心壓縮機中唯一對氣流做功的元件。氣體在葉輪葉片的作用下，做高速旋轉，受旋轉離心力的作用以及在葉輪里的擴壓流動，使它通過葉輪后的壓力得到提高，對葉輪的要求之一是當氣體流過葉輪時，氣體在葉輪上的沖擊損失要小，而葉輪葉片安裝角的大小對沖擊損失影響較大，會影響到壓縮機的模型。

　　（2）擴壓器葉片安裝角

　　擴壓器在壓縮機中是一個與葉輪幾乎同等重要的部件，其葉片安裝角對于提高壓縮機級效率和級壓比、改變最佳工況點位置以及擴大穩(wěn)定工作范圍起著十分重要的作用。

　?。?）沖擊損失系數(shù)

　　當流量大于設計流量時，一般邊界層不易分離，沖擊損失小，當流量小于設計流量時，邊界層易分離，沖擊損失大，所以，沖擊損失的大小與沖角的正負關系很大。

　?。?）葉輪面積調節(jié)系數(shù)

　　高壓比、高轉速離心葉輪是離心壓縮機的關鍵部位，具有單級壓比高、體積小的特點。離心葉輪是環(huán)列葉柵，黏性、擴壓引起的分離和二次流使葉輪內氣體的流動變得復雜，由于葉輪是一個整體，各幾何參數(shù)的變化均反映在面積的變化上。

　　（5）壓比調節(jié)系數(shù)

　　由于現(xiàn)場的工況隨時改變，僅僅通過機理推導并不能準確得出實際壓比與入口質量流量的關系，因此，需要根據(jù)獲得的大量實測數(shù)據(jù)辨識壓比系數(shù)的大小，以獲得準確的模型和性能曲線。

　　4.遺傳算法的設計

　　用遺傳算法進行系統(tǒng)辨識，就是在已知模型結構的基礎上，用遺傳算法來優(yōu)化模型參數(shù)。選擇操作采取隨機均勻分布的方法，交叉操作采用分散的方法，變異操作采用高斯變異算子。設計遺傳算子的步驟中，第一步進行初始化，設置進化代數(shù)計數(shù)器，最大進化代數(shù)；隨機生成相應系統(tǒng)模型參數(shù)，形成初始群體；第二步進行個體評價，根據(jù)適應度函數(shù)計算群體中，一組參數(shù)的適應度值，經過遺傳操作，將選擇、交叉、變異算子作用于群體，經過運算后得到下一代群體，以算法進行過程中得到的具有最大適應度的個體作為最優(yōu)解輸出，終止計算，該最優(yōu)解就是所要辨識的系統(tǒng)模型參數(shù)。

　　<注：本文未完待續(xù)，更多精彩見下期！>

來源：本站原創(chuàng)