欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020103267895
申请人: 山东建筑大学
专利类型:发明专利
专利状态:未下证
专利领域: 一般热交换
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种蓄热管壳式换热器,所述换热器包括有壳体、蓄热材料、管程入口管、管程出口管、壳程入口接管和壳程出口接管;前管板的前端与前封头连接,后管板的后端连接后封头;所述的管程入口管设置在后封头上;所述的管程出口管设置在前封头上;所述的壳程入口接管和壳程出口接管均设置在壳体上;其特征在于,多个平行设置的蓄热材料连接在前管板、后管板上,流体从管程入口管进入,经过蓄热材料进行蓄热,从管程出口管出去。

2.如权利要求1所述的换热器,其特征在于,壳体包括冷水进口和热水出口,所述冷水进口和热水出口分别连接冷水进口管和热水回水管,所述冷水进口管和热水回水管具有多个连接点,所述连接点外部设置保温层。

3.如权利要求1所述的换热器,其特征在于,当蓄热过程结束后,冷水通过冷水进口进入,然后吸收蓄热材料的热量,然后通过热水出口排出。

4.如权利要求1所述的换热器,其特征在于,所述的蓄热材料是孔状结构,所述流体和水分别走不同的孔。

5.如权利要求1所述的换热器,其特征在于,蓄热材料是管状结构,所述流体走管内,水走管外。

6.一种管壳式换热器,有壳体、换热管、管程入口管、管程出口管、壳程入口接管和壳程出口接管;壳程入口接管和壳程出口接管是冷水进口和热水出口,所述冷水进口和热水出口分别连接冷水进口管和热水回水管,所述冷水进口管和热水回水管具有多个连接点;换热器在线监测系统根据设定的固定时间间隔读取管程入口、管程出口、壳程入口、壳程出口、多个连接点以及换热器管程、壳程的压力数据,实时存储在数据库中,采用一维深度卷积神经网络提取数据特征,并进行模式识别;

包括如下步骤:

数据准备:对数据库中的换热器压力数据进行重新审查和校验,对缺失数据、无效数据、不一致数据进行纠正,保证数据的正确性以及逻辑上的一致性;

生成数据集:将准备好的数据分成训练集/训练集标签、测试集/测试集标签;

网络训练:将训练集数据输入卷积神经网络,不断经过卷积、池化,得到特征向量,送入全连接网络;通过计算网络的输出与训练集标签,得到网络误差,利用误差反向传播算法,不断修正网络权值、偏置、卷积系数、池化系数,使误差满足设定的精度要求,网络训练完成;

网络测试:将测试集数据输入到已经训练好的网络中,输出故障检测结果。

7.如权利要求6所述的管壳式换热器的检测方法,其特征在于,数据准备包括如下步骤:

1)缺失数据的处理:由于网络传输的故障,数据库中会出现缺失值,对缺失的数据值,采用估算的方法,用样本均值代替缺失值;

2)无效数据的处理:由于传感器的故障,导致数据库中的压力数据出现无效值,将其从数据库中删除;

3)不一致数据的处理:借助数据库管理系统的完整性约束机制,检查不一致数据,然后参考数据库中相应的数据值进行纠正。

8.如权利要求7所述的检测方法,其特征在于,生成数据集包括如下步骤:

1)生成训练集数据及标签:根据换热器不同的运行工况,从数据库中读取对应工况的压力数据值,生成各种工况状态下的训练集数据以及工况标签;

2)生成测试集数据及标签:根据换热器不同的运行工况,从数据库中读取对应工况的压力数据值,生成各种工况状态下的测试集数据以及工况标签。

9.如权利要求7所述的检测方法,其特征在于,网络训练包括如下步骤:

1)读入一组训练集数据 ,其大小为 ,其中M表示训练批的大小, 表示一维的训练数据;

2)对读入的训练数据进行第一次卷积操作,得到特征图 ;初始化卷积核 的系数,设的大小为 ,其中P表示卷积核的数量,[1×Q]表示卷积核的尺寸,得到的卷积结果为 ,特征图的大小为 ;

3)对卷积操作得到的特征图 进行最大池化操作,得到特征图 ;初始化池化系数,给定池化步长为 ,池化窗口大小为 ,最后得到的特征图 的大小为 ,池化过程降低了数据的维度;

4)重复以上2)- 3)步骤,反复进行卷积与池化操作,得到特征向量 ,此时卷积神经网络的特征提取过程完成;

5)初始化全连接网络的权值矩阵 和偏置 ,将提取到的特征向量 送入全连接网络,与权值矩阵 、偏置 进行运算,得到网络输出 ;

6)将网络得到的输出 与训练集标签 相减,得到网络误差 ,对网络误差进行求导,利用该导数反向传播,依次修正全连接网络的权值 、偏置 、各层池化系数、各层卷积系数;

7)重复上述过程,直到网络误差 满足精度要求,网络训练过程完成,生成卷积神经网络模型。

10.如权利要求7所述的检测方法,其特征在于,网络测试包含如下步骤:

1)加载已经训练好的卷积神经网络模型,此时卷积神经网络的卷积核系数、池化系数、网络权值 ,偏置 都已经训练完毕;

2)将测试数据集输入已经训练好的卷积神经网络中,输出工况标签,从而输出故障检测结果。