管線保溫損失抗擾轉換算法研究*

王 玲

(天津機電職業(yè)技術學院，天津 300131)

管線保溫損失抗擾轉換算法研究*

王 玲

(天津機電職業(yè)技術學院，天津 300131)

找到管線表面溫度值和熱流值的標準化轉換模型。利用模擬裝置進行實際測量并對現(xiàn)場采集的數(shù)據(jù)進行處理，得到需要條件下排除干擾的數(shù)據(jù)。構建系統(tǒng)模型的算法并進行仿真從而驗證模型可否達到要求的技術精度。

管線保溫；轉換模型；數(shù)據(jù)采集；Matlab軟件仿真

0 引 言

石化行業(yè)是我國的支柱產業(yè)。石化行業(yè)生產線長、涉及面廣，企業(yè)中有大量原油、成品油、天然氣等輸油輸氣管道，石化企業(yè)的油田、采油廠、煉油廠、化工廠、油庫、加油站、輸油(氣)管線遍及全國城市、鄉(xiāng)鎮(zhèn)、車站、碼頭、千家萬戶。在石化企業(yè)現(xiàn)有的中壓、高壓蒸汽管道中由于保溫狀況不良，大多數(shù)管線熱量損失嚴重，甚至造成管線末端的蒸汽溫度無法滿足工藝要求，直接影響工業(yè)生產，導致企業(yè)能源成本增加。

在實際工況中通常依據(jù)管線表面熱流值對比國家標準來判斷管線的保溫性能是否達到標準。而在實際測量中發(fā)現(xiàn)現(xiàn)場因素(如環(huán)境溫度、風速)對測得的管線表面熱流值影響比較大，整個測試的結果受外界干擾，國家標準給出的評定依據(jù)為標準條件(環(huán)境溫度一定、風速較小)下的值，不能直接用于衡量現(xiàn)場測量值。所以此頂研究要求對現(xiàn)場采集的數(shù)據(jù)進行處理，得到標準條件下的數(shù)據(jù)且可以用國家標準進行衡量。從現(xiàn)場實測數(shù)據(jù)到標準條件下的數(shù)據(jù)轉換是基于一個系統(tǒng)模型模型即實測管線表面溫度值和標準條件下熱流值之間的轉換模型。

結合項目研究的目的和意義，研究中主要開展以下工作。

(1) 結合現(xiàn)場實際情況建立實際管線的模擬裝置，模擬工業(yè)現(xiàn)場實際測量時的環(huán)境情況。

(2) 利用模擬裝置進行實際測量，通過檢測采集到相關數(shù)據(jù)，包括：現(xiàn)場環(huán)境溫度、環(huán)境風速、模擬實際管線表面溫度和熱流值。

(3) 通過對采集數(shù)據(jù)的分析發(fā)現(xiàn)數(shù)據(jù)量比較大，結合經驗公式發(fā)現(xiàn)其中有存在明顯差異的數(shù)據(jù)，要將這部分異常數(shù)據(jù)剔除。

(4) 系統(tǒng)建模方法的分析，研究構建系統(tǒng)模型的算法，根據(jù)構建的樣本數(shù)據(jù)對建模算法進行分析驗證。用遞推最小二乘法建模并進行了仿真，從網(wǎng)絡輸出的預測誤差值分析最小二乘法擬合精度不夠，沒有達到預期技術要求的10-2的精度等級。

1 數(shù)據(jù)采集裝置

在開展研究的過程中要針對實際工況中的現(xiàn)場在實驗室中開展模擬實驗，在實驗過程采集實驗數(shù)據(jù)以便于后續(xù)的神經網(wǎng)絡訓練，這些數(shù)據(jù)決定了神經網(wǎng)絡系統(tǒng)建模的最終可行性，所以實驗裝置的設計、安裝、測試以及實驗數(shù)據(jù)的采集都是非常重要的。針對這一情況，研制可靠且實用的溫度控制系統(tǒng)顯得非常重要。溫度控制系統(tǒng)是正確完成實驗取得實驗數(shù)據(jù)的重要保障，它采用傳感器技術、單片機技術和現(xiàn)代通信技術實現(xiàn)自動化管理，具有各種安全保護，運行監(jiān)控和管理等功能。

所使用的數(shù)據(jù)采集裝置依托傳感技術的優(yōu)勢，通過I/O接口板、溫度傳感器等現(xiàn)代電子產品實現(xiàn)實時采集數(shù)據(jù)，并以各種通訊協(xié)議方式，實現(xiàn)數(shù)據(jù)傳輸、處理、實時監(jiān)控等功能，是進行自動監(jiān)控的一種智能、高效系統(tǒng)。

整個系統(tǒng)由溫度傳感器、A/D轉換電路、單片機等組成數(shù)據(jù)采集系統(tǒng)(即下位機)。溫度傳感器檢測溫度后，輸出信號為4～20非曲直mA電流信號，在經過250 Ω電阻后轉變成1～5 V電壓信號，進行A/D轉換。電壓信號經過A/D轉換后變成數(shù)字信號，傳給單片機，再由RS-485總線傳給上位機,有上位機進行數(shù)據(jù)處理及進行相應的顯示。其結構圖如圖1所示。

圖1 數(shù)據(jù)采集結構圖

2 數(shù)據(jù)的預處理

試驗中選擇熱流計的三個貼片：貼片1、貼片3、貼片4進行測量，測量的數(shù)據(jù)結果由顯示屏幕顯示。其中，CH2和CH31對應貼片1的表面溫度和熱流值；CH6和CH35對應貼片3的表面溫度和熱流值；CH8和CH37對應貼片4的表面溫度和熱流值。采集的數(shù)據(jù)可以拷貝到熱流計的數(shù)據(jù)卡中，然后導入相應的EXCEL文檔以備后續(xù)試驗使用。因為樣本數(shù)據(jù)數(shù)量比較大，需要先對采集的數(shù)據(jù)進行簡單的分析，可能有些數(shù)據(jù)因為模擬裝置的問題本身就是嚴重偏離真實情況的，對于這些數(shù)據(jù)要剔除，剩下的數(shù)據(jù)也要進行分類匯總進行相應的簡化，最終取得能都訓練神經網(wǎng)絡的有效數(shù)據(jù)。

實驗進行過程中，測量間隔時間較短(2 s)，這樣會得到大量的采集的數(shù)據(jù)，非常有利于后續(xù)用書系統(tǒng)建模，但是仍舊不能簡單的就全部用來使用。在這些數(shù)據(jù)中有些值存在明顯的偏差，從數(shù)據(jù)表面看來就不符合實際，這其中可能有實驗裝置問題引起的，需要驗證并予以選擇。篩選后的數(shù)據(jù)也發(fā)現(xiàn)了在不同的時間點，某些表面溫度值相同的情況，對于這些溫度值相同的數(shù)據(jù)可以進行匯總，在不影響精確度的情況下減少樣本數(shù)據(jù)，可節(jié)省網(wǎng)絡訓練所需要時間，也避免了網(wǎng)絡的過擬合。數(shù)據(jù)的預處理主要從以下幾個方面展開。

(1) 采集的數(shù)據(jù)的篩選 用熱流計的貼片測量出溫度和熱流值，根據(jù)經驗公式進行篩選。根據(jù)工作人員的實際經驗總結出了相應的熱流值計算的經驗公式。結合公式，總結出通用所有情況時的，根據(jù)溫度計算熱流值的經驗公式如下：

Q= [1.37×(T表面-T環(huán)境)0.33+3.78×

(T表面-T環(huán)境)0.11+6×(v風)]×

(T表面-T環(huán)境)

(1)

式中：T表面為貼片所在位置管道表面的溫度值；T環(huán)境為測量時實驗室環(huán)境溫度；v風為測量時實驗室的風速。

(2) 由于熱流計測量溫度和熱流的時候都能偵測到該時刻的最大值和最小值，首先針對每一個時間點的最小(min)和最大(max)求出溫度的平均值，同時按照相同的原理求出該溫度下對應熱流值的最大和最小值的平均，以此作為一組輸入輸出數(shù)據(jù)。

(3) 以溫度值為標準降序排列。按照降序的規(guī)律排列溫度值的順序，同時將對應的熱流值也按照溫度降序的順序進行排列。

(4) 分類匯總。把所有溫度值相同的值分類匯總，然后求出其對應熱流值的平均值，一次為一組對應數(shù)據(jù)，將這些數(shù)據(jù)提取出來以供后續(xù)訓練神經網(wǎng)絡使用。

3 遞推最小二乘方法 (RLS法)

在建模進行排除干擾的過程中，需要使用一些算法來完成模型建立。對于該研究項目，由于很難找出實際測量值與實驗室標準值之間的精確解析關系，所以基于溫度轉換的內部機理，建立溫度轉換的解析模型是不可能的。應用所測得輸入輸出樣本數(shù)據(jù)對進行數(shù)值建模分析，建立滿足一定精度的溫度標準化轉換數(shù)值模型即基于最小二乘法和人工神經網(wǎng)絡的管線表面溫度值和熱流值的標準化轉換模型是解決此問題的一個出路。

考慮CAR模型：

(2)

式中：{y(k)}和{u(k)}為可測的輸出和輸入，{ε(k)}為不可測的隨機干擾。上式還可表示為：

A(z-1)y(k)=B(z-1)u(k)+ε(k)

(3)

其中：

A(z-1)=1+a1z-1+a2z-2+…+anz-n

B(z-1)=b1z-1+b2z-2+…+bnz-n

還可表示為:

y(k)+φTkθ+ε(k)

(4)

其中：

θTk=[a1,a2,……,an,b1,b2,……,bn]

φTk=[-y(k-1),……,-y(k-n),u(k-1),……,

u(k-n)]

當進行了k=1-n,2-n,…,0,1,2,…,N共計(N+n)次采樣，得到N個方程：

用矩陣表示:yN=ΦNθ+εN

(5)

其中：yN=[y(1),y(2),…,y(N)]T

4 仿真結果

綜合上述建模方法，應用最小二乘算法進行驗證。使用模擬裝置采集的數(shù)據(jù)，經過分析處理得到用于訓練模型的樣本數(shù)據(jù)，針對這組樣本數(shù)據(jù)結合遞推最小二乘法編寫MATLAB程序進行仿真，得到以下仿真圖形。

圖2中黑色實線實測數(shù)據(jù)的曲線分布，點劃線為用最小二乘法擬合后的曲線。從上圖中可以看出，擬合曲線和樣本數(shù)據(jù)還是有一定的差距，擬合情況不是很理想。下面再從誤差分布上看一下擬合情況，誤差曲線如圖3所示。

圖2 最小二乘曲線擬合

圖3 誤差分布曲線

從誤差分布曲線上可以看出，誤差值分布在(-10～70)區(qū)間范圍內，雖然相對于輸出的整體范圍(850～900)區(qū)間誤差值不是很大，但是誤差區(qū)間也占整體輸出區(qū)間的8%。如果使用這種算法建立模型，預測誤差的精度達到10-1數(shù)量級。而項目要求用這種算法得出的模型精度在10-2數(shù)量級，使用這種方法很難得到預期要求的模型精度。由于使用最小二乘法建立模型得到的誤差沒有達到預期要求的精度等級，所以放棄使用這種算法建模。

5 結 語

建立的模型要完成實測數(shù)據(jù)到標準條件下數(shù)據(jù)的轉換。因為輸入量和輸出量之間的對應關系很難通過分析過程運動規(guī)律得到，而系統(tǒng)的特性必然表現(xiàn)在這些輸入輸出數(shù)據(jù)之中，因此可以利用輸入輸出數(shù)據(jù)所提供的信息來建立數(shù)學模型。

雖然利用遞推最小二乘算法可以建立系統(tǒng)模型并完成仿真，但是仿真結果顯示出擬合的曲線和實際數(shù)據(jù)之間有一定的差異。擬合曲線沒有精確地描述出實際數(shù)據(jù)的特性，從誤差分布看出預測的精度等級也沒有達到項目預期的技術要求，所以這種方法不適合針對采集數(shù)據(jù)的系統(tǒng)建模。另外，利用最小二乘法建模要預先選定數(shù)學模型，而采集的數(shù)據(jù)未必一定能滿足這種模型。如果能夠直接利用輸入輸出數(shù)據(jù)找到它們之間的映射關系，便可以更輕松的實現(xiàn)系統(tǒng)辨識。綜上所述，最終確定依據(jù)采集數(shù)據(jù)利用人工神經網(wǎng)絡完成對于系統(tǒng)模型的辨識。

[1] 徐 鵬,葛 斌,殷 戈.蒸汽管網(wǎng)設計建模和優(yōu)化[J].華東電力,2007,35(3):16-20.

[2] 李 瑜,崔國民,涂惟民,等．蒸汽管網(wǎng)的建模和設計優(yōu)化[J].節(jié)能，2009，10(4)：14-17.

[3] 臧榮春,崔平遠. 陀螺隨機漂移時間序列建模方法研究[J].系統(tǒng)仿真學報, 2005，17 (8):1845-1847.

[4] Kaderli A , Kayhan A S. Spect Ral Estimation of ARMA Processes Using ARMA Cepstum Recursion[J].IEEES ignal Processing Letters,2000,7(9)：259-261.

[5] 李志農,何永勇,吳昭同,等. ARMA 模型盲辨識仿真研究及其在機械故障診斷中的應用[J].振動與沖擊,2006，25(1)：122-126.

[6] Broersen P M T，Waele S D. Automatic Identification of Time Series Models from Long Autoregressive Models[J]. I EEE Trans .on Instrumentation and Measurement，2005，54(5)：1862-1868.

Anti-interference Transformation Algorithm Research of Pipeline Insulation Loss

WANG Ling

(TianjinVocationalCollegeofMechanicsandElectricity,Tianjin300131，China)

The main purpose of the study is to find the standardized transformation model of pipe surface temperature and heat flow value. Actual measurement is done by a new simulator，and the data collected on the spot are processed, the data eliminating interference under the needing condition is obtained. The algorithm of system model is built， the requirements of technical accuracy of the model is verified.

pipeline insulation；transformation model；data acquisition；Matlab simulation

2014-01-20

王 玲(1982-)，女，天津人，講師，主要從事自動化，機電一體化方面的科研工作。

TE832

A

1007-4414(2014)02-0109-03