用于压力容器的冷热交换器及其控制方法技术

本申请涉及智能控制领域，其具体地公开了一种用于压力容器的冷热交换器及其控制方法，其通过采用基于深度学习的神经网络模型挖掘出流体流速值在时间维度上的动态变化特征信息，以此来精准地对于下一时间点的流体流速值进行评估预测，进而准确地对于下一时间点的冷热交换器的功率进行控制，以此来维持流体温度保持在预定波动范围内，保证压力容器的正常安全使用。全使用。全使用。

【技术实现步骤摘要】
用于压力容器的冷热交换器及其控制方法


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种用于压力容器的冷热交换器及其控制方法。

技术介绍

[0002]压力容器是指用于盛装气体或液体，且需要承载一定压力的密闭设备。压力容器广泛应用于石油、化工、航天以及医疗等诸多领域，压力容器按照压力的等级分为低压容器、中压容器、高压容器和超高压容器。卧式压力压力容器是压力容器中较为常见，且应用最为广泛的一种。
[0003]压力容器内的流体或气体在使用时，往往需要达到一定的温度，所以一般压力容器内都安装有冷热交换器，以通过冷热交换器来维持流体温度保持在预定波动范围内。但是，在实际使用过程中，却发现流体温度却时常会越过预定波动范围，对流体的正常使用造成困扰。究其原因发现：在使用时流体速度会发生变化，而冷热交换器的工作功率控制却存在滞后性，一旦流体流速发生变化，而冷热交换器没有及时跟踪，会导致流体温度超过预定波动范围。
[0004]因此，期待一种优化的用于压力容器的冷热交换器。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于压力容器的冷热交换器及其控制方法，其通过采用基于深度学习的神经网络模型挖掘出流体流速值在时间维度上的动态变化特征信息，以此来精准地对于下一时间点的流体流速值进行评估预测，进而准确地对于下一时间点的冷热交换器的功率进行控制，以此来维持流体温度保持在预定波动范围内，保证压力容器的正常安全使用。
[0006]根据本申请的一个方面，提供了一种用于压力容器的冷热交换器，其包括：流速采集模块，用于获取预定时间段内多个预定时间点的流体流速值；向量构造模块，用于将所述多个预定时间点的流体流速值按照时间维度排列为流速输入向量；相对流速计算模块，用于计算所述流速输入向量中每相邻两个位置的流体流速值之间的差值以得到流速变化输入向量；流速变化特征提取模块，用于将所述流速输入向量和所述流速变化输入向量分别通过多尺度邻域特征提取模块以得到流速时序特征向量和流速变化时序特征向量；多尺度变化特征融合模块，用于基于高斯密度图来融合所述流速时序特征向量和流速变化时序特征向量以得到融合特征矩阵；融合优化模块，用于对所述融合特征矩阵进行向量谱聚类代理学习融合优化以得到优化融合特征矩阵；解码模块，用于将所述优化融合特征矩阵通过解码器以得到解码值，所述解码值用于表示下一时间点的流体流速值；以及指令生成模块，用于基于所述解码值，生成下一时间点的冷热交换器的功率控制指令。
[0007]在上述用于压力容器的冷热交换器中，所述多尺度邻域特征提取模块，包括：第一
卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。
[0008]在上述用于压力容器的冷热交换器中，所述流速变化特征提取模块，包括：第一邻域尺度特征提取单元，用于将所述流速输入向量和所述流速变化输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度流速时序特征向量和第一邻域尺度流速变化时序特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二邻域尺度特征提取单元，用于将所述流速输入向量和所述流速变化输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度流速时序特征向量和第二邻域尺度流速变化时序特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联单元，用于将所述第一邻域尺度流速时序特征向量和所述第二邻域尺度流速时序特征向量进行级联以得到所述流速时序特征向量，以及，将所述第一邻域尺度流速变化时序特征向量和所述第二邻域尺度流速变化时序特征向量进行级联以得到所述流速变化时序特征向量。
[0009]在上述用于压力容器的冷热交换器中，所述多尺度变化特征融合模块，包括：高斯融合单元，用于使用所述高斯密度图来融合所述流速时序特征向量和流速变化时序特征向量以得到初始融合高斯密度图，其中，所述初始融合高斯密度图的均值向量为所述流速时序特征向量和所述流速变化时序特征向量之间的均值向量，所述初始融合高斯密度图的协方差矩阵中各个位置的值为所述述流速时序特征向量和所述流速变化时序特征向量中相应两个位置的特征值之间的方差；高斯离散化单元，用于对所述初始融合高斯密度图中各个位置的高斯分布进行高斯离散化以得到初始融合特征矩阵；加权特征提取单元，用于将所述初始融合特征矩阵通过通道数与所述流速时序特征向量的长度相同的卷积神经网络模型以得到加权特征图；区分单元，用于对所述加权特征图进行特征相关性累积区分机制建模以获得加权特征向量；加权优化单元，用于将所述加权特征向量分别与所述流速时序特征向量和所述流速变化时序特征向量进行点乘以得到优化流速时序特征向量和优化流速变化时序特征向量；融合单元，用于对所述优化流速时序特征向量和所述优化流速变化时序特征向量进行关联编码以得到所述融合特征矩阵。
[0010]在上述用于压力容器的冷热交换器中，所述加权特征提取单元，用于：以如下公式将所述加权特征向量分别与所述流速时序特征向量和所述流速变化时序特征向量进行点乘以得到优化流速时序特征向量和优化流速变化时序特征向量；其中，所述公式为：，其中，表示所述加权特征向量，表示所述流速时序特征向量和所述流速变化时序特征向量， 表示所述优化流速时序特征向量和所述优化流速变化时序特征向量，表示按位置点乘。
[0011]在上述用于压力容器的冷热交换器中，所述区分单元，进一步用于：以如下公式对所述加权特征图进行特征相关性累积区分机制建模以得到所述加权特征向量；其中，所述公式为：其中 表示所述加权特征图，和分别表示对特征图进行基于不同卷积核的单层卷积操作， 表示激活函数， 表示 激活函数，且表示对特征图的每个特征矩阵进行全局
池化操作，表示按位置加法，表示所述加权特征向量。
[0012]在上述用于压力容器的冷热交换器中，所述融合单元，用于：以如下公式对所述优化流速时序特征向量和所述优化流速变化时序特征向量进行关联编码以得到所述融合特征矩阵；其中，所述公式为：其中 表示所述优化流速时序特征向量，所述优化流速时序特征向量的转置向量，表示所述优化流速变化时序特征向量，表示所述融合特征矩阵，表示向量相乘。
[0013]在上述用于压力容器的冷热交换器中，所述融合优化模块，用于：以如下公式对所述融合特征矩阵进行向量谱聚类代理学习融合优化以得到所述优化融合特征矩阵；其中，所述公式为：其中，是所述融合特征矩阵，是所述优化融合特征矩阵，表示所述融合特征矩阵的各个行特征向量，且是所述融合特征矩阵的每两个相应行特征向量之间的距离组成的距离矩阵，表示矩阵的指数运算，所述矩阵的指数运算表示以矩阵中各个位置特征值为幂的自然指数函数值，和分别表示按位置点乘和矩阵加法。
[0014]在上述用于压力容器的冷热交换器中，所述解码模块，用于：使用所述解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于压力容器的冷热交换器，其特征在于，包括：流速采集模块，用于获取预定时间段内多个预定时间点的流体流速值；向量构造模块，用于将所述多个预定时间点的流体流速值按照时间维度排列为流速输入向量；相对流速计算模块，用于计算所述流速输入向量中每相邻两个位置的流体流速值之间的差值以得到流速变化输入向量；流速变化特征提取模块，用于将所述流速输入向量和所述流速变化输入向量分别通过多尺度邻域特征提取模块以得到流速时序特征向量和流速变化时序特征向量；多尺度变化特征融合模块，用于基于高斯密度图来融合所述流速时序特征向量和流速变化时序特征向量以得到融合特征矩阵；融合优化模块，用于对所述融合特征矩阵进行向量谱聚类代理学习融合优化以得到优化融合特征矩阵；解码模块，用于将所述优化融合特征矩阵通过解码器以得到解码值，所述解码值用于表示下一时间点的流体流速值；以及指令生成模块，用于基于所述解码值，生成下一时间点的冷热交换器的功率控制指令。2.根据权利要求1所述的用于压力容器的冷热交换器，其特征在于，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。3.根据权利要求2所述的用于压力容器的冷热交换器，其特征在于，所述流速变化特征提取模块，包括：第一邻域尺度特征提取单元，用于将所述流速输入向量和所述流速变化输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度流速时序特征向量和第一邻域尺度流速变化时序特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二邻域尺度特征提取单元，用于将所述流速输入向量和所述流速变化输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度流速时序特征向量和第二邻域尺度流速变化时序特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及多尺度级联单元，用于将所述第一邻域尺度流速时序特征向量和所述第二邻域尺度流速时序特征向量进行级联以得到所述流速时序特征向量，以及，将所述第一邻域尺度流速变化时序特征向量和所述第二邻域尺度流速变化时序特征向量进行级联以得到所述流速变化时序特征向量。4.根据权利要求3所述的用于压力容器的冷热交换器，其特征在于，所述多尺度变化特征融合模块，包括：高斯融合单元，用于使用所述高斯密度图来融合所述流速时序特征向量和流速变化时序特征向量以得到初始融合高斯密度图，其中，所述初始融合高斯密度图的均值向量为所述流速时序特征向量和所述流速变化时序特征向量之间的均值向量，所述初始融合高斯密度图的协方差矩阵中各个位置的值为所述述流速时序特征向量和所述流速变化时序特征向量中相应两个位置的特征值之间的方差；高斯离散化单元，用于对所述初始融合高斯密度图中各个位置的高斯分布进行高斯离散化以得到初始融合特征矩阵；加权特征提取单元，用于将所述初始融合特征矩阵通过通道数与所述流速时序特征向量的长度相同的卷积神经网络模型以得到加权特征图；区分单元，用于对所述加权特征图进行特征相关性累积区分机制建模以获得加权特征向量；加权优化单元，用于将所述加权特征向量分别与所述流速时序特征向量和所述流...

【专利技术属性】
技术研发人员：叶挺朋，吴素珍，
申请(专利权)人：浙江京钢压力容器有限公司，
类型：发明
国别省市：