综述
SUMMARY

工业离心压缩机建模及应用发展概述<上>

  在工业互联网、大数据、智能制造的时代背景下,我国制造业正进一步在夯实基础中不断推进变革。离心压缩机作为工业生产中一种极为常见和广泛使用的设备,其制造和优化控制运行水平对工业制造的升级与变革起着非常重要的作用。离心压缩机机理复杂,运行环境多变,其建模、性能预测和优化控制等问题极具挑战性,相关理论研究有着非常重要的实际应用价值。

  工业大数据泛指工业领域的大数据,既包括企业内部制造系统所产生的大量数据,也包括企业外部的大量数据。传统意义上的大数据主要指商业和互联网等行业的大数据,多为离散的相对独立的数据,因而采集这些数据的难度和工作量都很大。对所收集的数据进行简单的关联分析就可以获取一些价值,进行数据分析的主要思路是从海量的数据中找到各变量之间的联系,根据得到的结果发现人们没有认识到的问题。工业中的数据采集相对比较容易,但由于其各个参数之间还存在着内在的机理等关联关系,因此分析难度较大,而且工业生产过程对分析的精度,结论的正确性和稳定性也要求较高。因此,工业大数据分析其实是计算机科学、统计学和工程学等多学科交叉的科学,需要全面而系统的进行研究。

  建立离心压缩机精确的数学模型能够进一步加深人们对离心压缩机工作原理以及特性的理解。设计、制造人员可以利用精确的数学模型进行仿真实验,根据仿真结果调整离心压缩机的结构参数,大大缩短了设备的设计、制造周期,降低了生产成本。对于控制工程技术人员来说,精确的数学模型是应用各种先进控制算法的前提,有了精确的数学模型,可以进行各种离线仿真实验,设计出最优的控制算法,从而保证离心压缩机稳定、高效运行。因此,建立精确的离心压缩机模型对于减少生产周期,实现高级控制算法具有十分重要的意义。目前,离心压缩机发展主要从实验和数值模拟两个方面进行,大部分都是针对级中的主要部件叶轮、扩压器和涡壳等展开,其模型计算都是基于流动过程的描述:一元模型只能描述轴对称的流动,而二元模型能够预测轴方向和其它方向的流动变化。这些模型源于应用物料平衡,能量守恒和空气动力学方程的一般模型,能够应用于一般的压缩机系统,也能描述轴流压缩机和离心压缩机喘振时的动态特性,这些都是基于压缩机内部结构内部能量转换和损失的多种机理模型。利用从生产过程中收集的丰富数据建立数学模型,这种数据驱动建模技术由于建模速度快、模型精度高,且对过程机理知识要求不高。通过计算机技术和集散控制系统应用的快速发展使得大量的场测量数据被存储,这就为实现数据驱动建模提供了可能。现在,一些基于数据驱动建模的方法有:偏最小二乘支持向量机,基于偏最小二乘的非线性方法,非线性时间序列的分析方法,神经网络模型等。

  一.离心压缩机的机理模型及参数分析

  (一)单机离心压缩机模型

  在理想状态下,由能量守恒定律可知,叶轮产生的全部能量都转化成被压缩气体压力的提高。但是实际状况并非如此,压缩气体压力的提高和各部分的能量传递以及能量损失密切相关,其中对压缩机特性起重要影响的是冲击损失和摩擦损失,它们的共同作用决定了压缩机的特性曲线,因而,我们要从以下多个方面进行研究分析。

  1.叶轮进出口气流速度

  气体进入压缩机叶轮后,在叶轮高速旋转的作用下,能量得到提高。在这个做功过程中,气体的速度会发生变化,计算叶轮对气体的做功大小和计算冲击损失时,就必须研究压缩气体速度的变化规律,而叶轮出气口气流速度的分析也与进气口的分析相同。

  2.级中的能量损失

  离心压缩机的气体压缩过程主要存在两种损失,即在叶轮和扩压器上的冲击损失和在叶轮和扩压器上的摩擦损失。两者在判断压缩机的稳定工作区中,扮演了重要的角色。当然也存在其它的损失,如进气损失、混合损失和漏气损失,由于这些损失很小,在计算和实际应用中会被忽略。

  由于流体冲击在转子和叶片扩压器上造成的冲击损失在塑造压缩机特性曲线时至关重要,目前应用最广泛的理论,一种是基于在切线方向上的动能损失,另一种模型假设在叶道内的气体流动是一个稳压过程。对于离心压缩机来说,这两种方法建立的冲击损失模型的预测结果差异很小,主要的不同在于零损失发生时流体的入射角。第一个模型,零损失发生在流体的入射角和叶片的安装角相等的情况下。第二个模型并不是这样。用第一种方法建立的模型可以使得冲击损失曲线对称于设计流量点,且随着质量流量的平方变化而变化。当质量流量低于设计流量时,冲击损失会比在质量高于设计流量时大得多。这使得当流量低于设计流量时,压缩机的性能曲线比高于设计流量时的曲线形状更陡峭一些。

  3.离心压缩机效率

  离心压缩机效率与理想状态下的损失与涡轮损失、回流损失及扩压器将流体动能转化为压力的能力有关。

  涡轮损失发生的主要原因是流体不能利用径向动能流出扩压器。回流损失的发生是由于压力梯度存在于叶轮尖端区域,流体不得不重新进入叶轮,导致压缩机对回流的流体进行重新压缩。一般来说,对于有叶轮扩压器的压缩机,涡流损失会比无叶扩压器的损失大一些,因为在有叶扩压器的出口,有更大部分的动能是径向的。在扩压器中的减速升压过程是否有效,主要取决于扩压器的物理结构。

  另外,离心压缩机效率还要考虑运行过程中的能量传递。离心压缩机的级对有效气体所消耗的总功,可以认为是由叶轮对气体做功,内漏气损失,轮阻损失三部分组成。叶轮对气体做功换成气体的能量,应注意到能量守恒是在质量守恒的前提下得到的,即要满足连续条件,同时,要考虑对黏性气体都是适用的。而在离心压缩机中,从外面加入的热量,以及向外界放出的热量,通常可忽略不计。对于叶轮来说,原动机传给叶轮的总功有理论能量头、内漏气损失和轮阻损失,理论能量头主要是以机械能的形式传给气体的。这些能量及损失在级内不断地进行循环运动,不断地被压缩和膨胀而需要一定的外功,这部分外功变成了热量传给气体。

  4.阻滞

  当流体在压缩机系统中的某个横断面上达到声速时,流体就会发生阻滞现象。阻滞流量取决于转子转速,叶轮在转子转速提高时,所能承受的极限流量也会变大。

  5.能量传递与压力升高

  由于流体的能量与质量流量成正比,压缩机压力升高时,通过能量传递会对进口温度,比热容等多个因素产生影响。为了建立流量压力升高的模型,也要考虑喘振工况,其值决定了旋转叶片在反方向提供给流体的阻力。在流量为负时,压缩机可以认作是偏正压力的节流装置。在压缩机实际工作中,为了生产安全的需要,应当尽量避免进入喘振区,同时,负流量在实际中无法测量,在工程上只需要画出正流量时的出口特性曲线。

  6.离心压缩机的出口温度

  离心压缩机通过叶轮的高速旋转对气体做功,使气体的压力得到提高,同时气体的温度也随之提高。如果在转速一定,入口条件也一定的情况下,压缩机的温度比是一个定值。

  7.离心压缩机模型的仿真及入口参数的影响

  反映离心压缩机级的主要参数为压力比、效率及流量。为了便于把级性能清晰地表示出来,常常在一定的进口气体状态及某个转速下,用不同流量时的级压力或出口压力、级效率与进口流量表示出来。若忽略动能的变化,叶轮对气体所做的功主要用来提高气体的压力和克服流动损失。所以,要知道不同流量下压力提高的情况,还要知道不同流量下流动损失的大小。在设计工况下,气流方向基本上和叶片方向一致,分离冲击损失小;当流量增大或减小时,分离冲击损失增大。离心压缩机机理模型在仿真时,压缩机的温度、压力、流量以及其它成分均来自现场DCS读取的过程数据。一般在设计工况附近,压缩机有最高效率,流动情况最完善;当流量增大时,由于摩擦损失和冲击损失明显增大,级效率将下降;当流量减小时,分离冲击损失明显减小。此外,由于流量减小,相对的漏气损失和轮阻损失也增大,所以也使级效率降低。压缩机性能不仅反映了级压比、效率等与流量的关系外,也反映了级的稳定工况范围的大小。

  (二)机理模型参数辨识

  离心压缩机在进行仿真时,仅仅使流量变化,而固定了其它的入口条件,如温度、压力、介质成分、转速等。测试时,随机取一段时间段的过程数据,虽然测试点与机理模型的距离很大,但测试点应该在稳定工况范围内,该机理模型中的一些参数值的选择对模型影响较大,和实际情况难免有不同程度的偏差。因此,在获得现场大量数据的基础上,采用遗传算法辨识这些参数,以得到更加准确的模型。

  1.遗传算法

  遗传算法是借鉴生物自然选择和遗传机制的随机搜寻优算法,其之所以能够增强解决问题的能力,是因为其自然演化过程就是一个学习与优化的过程,其核心思想是生物进化过程,本身是一个自然的,并行发生的、稳健的优化过程。遗传算法对于一个复杂的问题,将问题域中的可能解看做是群体的个体或染色体,并将每一个个体编码成符号串形式,根据预定的目标适应度函数对每个可能解进行评价,来确定搜索方向;借用生物遗传学的观点和基本术语:基因、个体、群体、适应度、编码、解码等,通过对群体反复进行选择、交叉、变异等遗传学操作,不断得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,得到满足要求的最优解。

  2.参数辨识

  辨识就是在输入和输出数据的基础上,从一组给定的模型中,确定一个与所测系统等价的模型,实质就是从一组模型类中选择 一个模型,按照某种准则,使之能最好地拟合所关心的实际过程。以离心压缩机参数辨识的数据预处理一般包括数据校正、数据集成和数据归约。

  数据校正主要是处理空缺值,平滑噪声数据,识别,删除孤立点。其方法有空缺值处理和误差处理。

  数据集成是将众多数据源中的数据进行合并处理,解决语义模糊性并整合成一致的数据进行存储,一是模式集成,将小同信息源中实体匹配来进行模式集成;通常借助数据库的数据进行模式识别;二是冗余数据集成往往导致数据冗余;三是数据量纲的冲突,由于工业工程中出现的工程单位不同或数值上相差几个数量级的测量数据,需要选择适当的因子进行标度,可以有效地改善建模的效果。

  数据归约技术可以用来得到数据集的归约表示,与非归约数据比较,接近于保持原数据的完整性,其处理数据所需的时间和内存资源更少,并产生相同或者几乎相同的分析结果。

  过程数据的预处理主要分为三个步骤:第一步是将排除压缩机启动和停机等非正常数据;第二步是将DCS系统读数的数据转换成能够读取利用的数据;第三步是选取稳定的工况数据。在这些数据中,有很多信息重复的地方,需要进一步的选取。流量要覆盖所有工况的测点,尤其极端工况,要特别注意流量选择时,要取相同数目的流量值,保证流量范围的平均性,避免参数辨识时产生的数据偏重。

  3.参数分析

  (1)叶轮叶片安装角

  离心压缩机的叶轮是离心压缩机中唯一对气流做功的元件。气体在叶轮叶片的作用下,做高速旋转,受旋转离心力的作用以及在叶轮里的扩压流动,使它通过叶轮后的压力得到提高,对叶轮的要求之一是当气体流过叶轮时,气体在叶轮上的冲击损失要小,而叶轮叶片安装角的大小对冲击损失影响较大,会影响到压缩机的模型。

  (2)扩压器叶片安装角

  扩压器在压缩机中是一个与叶轮几乎同等重要的部件,其叶片安装角对于提高压缩机级效率和级压比、改变最佳工况点位置以及扩大稳定工作范围起着十分重要的作用。

  (3)冲击损失系数

  当流量大于设计流量时,一般边界层不易分离,冲击损失小,当流量小于设计流量时,边界层易分离,冲击损失大,所以,冲击损失的大小与冲角的正负关系很大。

  (4)叶轮面积调节系数

  高压比、高转速离心叶轮是离心压缩机的关键部位,具有单级压比高、体积小的特点。离心叶轮是环列叶栅,黏性、扩压引起的分离和二次流使叶轮内气体的流动变得复杂,由于叶轮是一个整体,各几何参数的变化均反映在面积的变化上。

  (5)压比调节系数

  由于现场的工况随时改变,仅仅通过机理推导并不能准确得出实际压比与入口质量流量的关系,因此,需要根据获得的大量实测数据辨识压比系数的大小,以获得准确的模型和性能曲线。

  4.遗传算法的设计

  用遗传算法进行系统辨识,就是在已知模型结构的基础上,用遗传算法来优化模型参数。选择操作采取随机均匀分布的方法,交叉操作采用分散的方法,变异操作采用高斯变异算子。设计遗传算子的步骤中,第一步进行初始化,设置进化代数计数器,最大进化代数;随机生成相应系统模型参数,形成初始群体;第二步进行个体评价,根据适应度函数计算群体中,一组参数的适应度值,经过遗传操作,将选择、交叉、变异算子作用于群体,经过运算后得到下一代群体,以算法进行过程中得到的具有最大适应度的个体作为最优解输出,终止计算,该最优解就是所要辨识的系统模型参数。

  <注:本文未完待续,更多精彩见下期!>



微信小程序看杂志

  • 温馨提示:如果您喜欢本文,请与我们联系索取原文。
    E-mail: magazine@compressor.cn