论文部分内容阅读
大型低温制冷系统是以膨胀机为核心产冷部件、并形成回路的制冷系统,其一般采用逆布雷顿循环。大型氦低温系统被广泛应用于各类大科学装置中,这些大科学装置在运行中往往会产生热脉冲,通过负载端传导给制冷系统,对制冷系统产生热冲击。例如现代散裂中子源在比较小的体积内可产生比较高的脉冲中子通量,而这些中子通量的突然增大却会在减速冷却器(中子慢化剂室)中形成热冲击,进而传递到制冷系统。现有的大型氦制冷系统的控制系统并不能很好的处理类似热冲击的较大扰动,使得大型氦制冷系统需要面对热冲击的新挑战。 为了研究和应对热冲击,本文尝试建立了一种多变量控制策略并得到了相关仿真和实验结果。首先,尝试建立了一个基于模糊神经网络的多变量协同控制策略。本文将加载阀卸载阀的控制量合并为同一个范围在-100%~100%的控制量,当其为正值时加载阀开启,当其为负值时卸载阀开启。将偏差和偏差变化率模糊化后得到相应的中间变量,作为神经网络的输入层。通过神经网络求解得到相应的PID参数最后通过PID控制器作用到被控对象。此策略结合了模糊控制的高鲁棒性和神经网络在自校正上的优点,避免了神经网络在输出层参数过大时,输出层对输入层参数变化不敏感的缺点。 其次在商用仿真软件EcosimPro的帮助下,以真实系统为基础建立了氦低温系统的动态仿真模型。低温系统关键部件主要有压缩机、换热器、透平、阀门、加热器等,本文分别建立了各部件的仿真模型。其中以透平和换热器建模为主要难点和重点,又以透平作为系统最关键的组件,其模型对系统模拟结果影响很大。本文基于一个完整的降温过程,对一个现有的透平使用CFD软件计算得到了一系列的绝热效率和速度系数,以此为基础构建了透平的仿真模型。在上述基础上,本文搭建了一个氦制冷机和一个氦液化器仿真模型,并通过仿真与实验研究的比较,验证了其准确性。 第三,搭建了一个氦透平实验平台。对实验系统分别进行了高、低压流程的对比计算,得到了系统各点参数。在流程设计、计算的基础上,进行了实验系统的结构设计、关键部件的选型和搭建。在结构设计中考虑到安装不同规格的膨胀机会破坏冷箱的真空环境的问题,提出了将冷箱和测试台采用分体结构连接的方案。布置了温度压力等状态参数的测量系统,搭建了保障系统运营所需的自动控制系统。 最后,本文将上述多变量协同控制策略应用在仿真液化器模型和一个真实的氦透平制冷系统上。根据实际系统对仿真系统相关参数进行设置后,模拟了一个降温过程和热冲击响应过程并重复了相应的实际过程。得到了低温系统降温过程和控制过程的仿真和实验数据。仿真和实验结果显示本策略在偏差积分量、下降时间、上升时间三个维度上均优于普通PID的控制效果。通过仿真和实验过程的比较,验证了本文建立的动态仿真模型具有可用的精度,证明了本策略具有较好的控制效果。 本文的研究包括了多变量协同控制策略的建立,氦低温系统动态仿真模型的搭建,氦透平试验系统的搭建,以及该策略在仿真和真实平台上的实验研究。在下一步的工作中,将针对更多控制方法和控制策略展开仿真和实验研究,并在氦低温系统动态仿真模型的基础上,为氦低温系统的优化开展更多工作。