【技术实现步骤摘要】
一种液冷散热系统温度控制装置及方法
[0001]本专利技术属于散热系统控制
,涉及一种液冷散热系统温度预测方法及控制装置。
技术介绍
[0002]液冷散热系统,是一种通过液体进行散热的冷却系统。在系统对设备产生热量进行散热的过程中,由于在不同工作工况下设备产生热量不同,特别是设备出现异常时可能会产生大量的热量,因此要求系统可以精准控制散热系统。
[0003]液冷散热系统供液口温度经过制冷设备降温,基本保持恒定,所以只需检测回液口温度,便可计算出设备热耗,再根据热耗控制执行器动作,对温度进行精确控制,从而达到散热目的。
[0004]目前,液冷散热系统温度控制主要有以下三种方式:
[0005]第一种温度控制方式是按照所设计设备散热量的最大值进行散热,以水泵开环控制为主,流体的流量恒定,不对阀门进行控制。此种设计的缺陷是浪费能耗,无法实现温度控制,无法做到节能减排。
[0006]第二种温度控制方式是以测量回液口温度为主要参数,检测进出口液体温差进行散热控制。此种设计由于流体换热具有迟滞性,导致温度检测滞后,散热控制具有滞后性,当发生异常情况时,控制响应慢,不利于设备散热,可能会造成设备损坏。
[0007]第三种温度控制方式是以普通神经网络、支持向量机等为模型,采用一般嵌入式单片机作为硬件设计,使用相关数据对回液口温度进行预测,进行系统温度调控。此种设计由于处理器运算能力不够强大,且上述模型结构较为简单,导致温度预测精度较低,无法做到精准控温散热。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种液冷散热系统温度控制装置,其特征在于,包括ARM处理器、DSP处理器、FLASH、SRAM、SDRAM、EEPROM和多种外部通讯接口;所述DSP处理器用于数据处理和算法运算;所述ARM处理器用于数据收发和系统控制;所述FLASH和SRAM作为ARM处理器运行所需的存储器,用于数据存储和处理,所述EEPROM和SDRAM作为DSP处理器所需的存储器,用于数据存储和处理;所述多种外部通讯接口包括GPIO输入/输出接口、RS485/422接口、以太网控制接口和DAC接口。2.根据权利要求1所述的液冷散热系统温度控制装置,其特征在于,所述液冷散热系统包括散热系统温度控制装置、传感器、制冷设备、供液泵、换热器、过滤器、阀门和管路。3.根据权利要求1所述的液冷散热系统温度控制装置,其特征在于,所述DSP处理器的软件包括数据接收模块、数据预处理模块、模型建立模块和DSP数据输出模块;所述数据接收模块,用于接收ARM处理器传送的传感器数据,并存入存储器中;所述数据预处理模块,对接收的数据进行分类和预处理;所述模型建立模块,使用PSO
‑
GWO
‑
RBF神经网络理论建立预测模型;所述DSP数据输出模块,将实时数据送入预测模型,计算出预测温度,再将该数据传送至ARM处理器,用于系统温度控制。4.根据权利要求1所述的液冷散热系统温度控制装置,其特征在于,所述ARM处理器的软件包括数据采集模块、数据处理模块、驱动执行器模块、ARM数据输出模块和检测模块;所述数据采集模块,通过串口采集传感器的数据和状态,通过数据总线接收DSP处理器传送的预测温度数据;所述数据处理模块,将预测温度与实时温度送入控制器进行处理,计算出控制策略;所述驱动执行器模块,根据控制策略将控制误差转换成数字量,送入DA芯片转换为模拟量输出,驱动执行器工作;所述ARM数据输出模块,一方面将采集到的传感器数据传送至DSP处理器;另一方面将得到的各项实时数据、状态信息通过网络传输给显示设备;所述检测模块,实时检测设备各项状态,通过IO引脚实时输出电平信号;并对按键进行输入检测,实现实时控制、紧急停止的功能。5.一种液冷散热系统温度控制方法,其特征在于,包括以下步骤:步骤1、DSP处理器的数据接收模块接收ARM处理器传送的系统传感器数据,包络压力、温度、流量数据,存入存储器中;步骤2、DSP处理器的数据预处理模块对存储器存储的历史数据进行分类和预处理,得到存储器历史数据样本;步骤3、DSP处理器的模型建立模块依据PSO
‑
GWO
‑
RBF神经网络的理论,利用存储器历史数据样本训练模型参数,获得散热系统温度预测模型;步骤4、DSP数据输出模块将实时数据送入预测模型,经过处理器计算,输出预测温度至ARM处理器,控制散热系统温度。6.根据权利要求5所述的液冷散热系统温度控制方法,其特征在于,步骤2所述的DSP处理器的数据预处理模块对存储器存储的历史数据进行分类和预处理,得到存储器历史数据
样本,具体如下:步骤2.1、利用DSP的外部存储器对历史数据进行分类;步骤2.2、选用t
‑
1时刻的进口温度T1,进口压力P1,进口流量L1,出口温度T2,出口压力P2,出口流量L2作为求解模型的输入变量,将输入变量进行归一化处理,表达式为:式中,y*表示存储器历史数据样本,取值范围为[0,1];y表示样本数据,y
max
是样本数据的最大值,y
min
是样本数据的最小值;步骤2.3、下一时刻即t时刻的出口温度T3作为求解模型的输出变量,进行求解模型训练,通过训练后的求解模型得到存储器历史数据样本。7.根据权利要求5所述的液冷散热系统温度控制方法,其特征在于,步骤3所述的DSP处理器的模型建立模块依据PSO
‑
GWO
‑
RBF神经网络的理论,利用存储器历史数据样本训练模型参数,获得散热系统温度预测模型,具体如下:步骤3.1、DSP处理器基于RBF神经网络,建立温度预测模型;步骤3.2、DSP处理器采用PSO
‑
GWO算法对神经网络参数进行优化训练,获得优化的温度预测模型。8.根据权利要求7所述的液冷散热系统温度控制方法,其特征在于,步骤3.1所述的DSP处理器基于RBF神经网络,建立温度预测模型,具体为:采用多输入单输出的RBF神经网络,由输入层、隐含层、输出层三层组成,输出Y(X)与输入X的关系表示为:式中,Y(X)为温度输出,X为输入向量,w0为偏移量,用于调整输出;w
i
为连接权值,表示第i个隐节点基函数与输出节点之间的权值;n
c
为隐节点的个数,C
i
为第i个隐节点的场中心,σ
i
为第i个隐节点的场域宽度;使用聚类算法计算出神经网络隐节点的个数n
c
,使用最小梯度下降法确定连接权值w
i
,第i个隐节点的场中心C
i
和第i个隐节点的场域宽度σ
i
。9.根据权利要求7所述的液冷散热系统温...
【专利技术属性】
技术研发人员:夏爽,黄宗卫,李兴胜,范鹏杰,陈永森,
申请(专利权)人:中国船舶集团有限公司第七二三研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。