一种冷却塔漂水调节系统及其方法
【技术领域】
[0001] 本发明涉及冷却培系统领域，具体涉及一种冷却培漂水调节系统及其方法。
【背景技术】
[0002] 冷却培是利用水与空气流动接触后进行冷热交换产生蒸汽，蒸汽挥发带走热量达 到蒸发散热、对流传热和福射传热等原理来散去工业上或制冷空调中产生的余热来降低水 温的蒸发散热装置。
[0003] 现有的冷却培由于冷却培运行系统中循环水量过大、通风量过大或者布水装置的 转速过快等原因都会造成严重冷却培漂水问题，空气带走大量水滴，造成热效率下降，同时 造成了水资源的浪费。现有技术都是通过设置挡水件进行减缓冷却培漂水现象，没有对漂 水的深层原因进行检测和分析，不能从根本问题解决问题。
【发明内容】
[0004] 为了克服现有技术对冷却培漂水问题分析的不足和对漂水问题解决方法的不当， 本发明提供一种冷却培漂水调节系统及其方法。
[0005] 本发明的技术方案是：一种冷却培漂水调节系统，该系统包括： 检测单元，检测冷却培通风口处的通风量、冷却培的循环水量和布水装置的转速； 处理器，连接检测单元并接收检测单元的信号； 人机交互终端，连接处理器，显示处理器的处理数据。
[0006] 所述检测单元包括风量传感器、水量传感器和转速传感器，分别测量冷却培的通 风量、循环水量和布水装置的转速。
[0007] 所述处理器包括数据库，处理器采用粒子群优化RBF模型进行数据分析和处理， 利用数据库中数据对模型进行机器训练。
[0008] 所述人机交互终端包括显示器和输入装置，显示器显示处理器的信息，输入装置 连接处理器。
[0009] 一种冷却培漂水调节系统的方法，该方法步骤包括： 步骤一、建立RBF模型，利用粒子群算法优化训练RBF模型参数，得到最优模型； 步骤二、采用粒子群优化RBF模型诊断分析待测冷却培漂水参数，得出冷却培漂水状 态信息； 步骤H、输出的冷却培漂水状态信息结果。
[0010] 所述步骤一中建立RBF模型的步骤包括H部分： RBF神经网络构建，隐层节点的"基"构成隐层空间，确定RBF的中也和映射关系； RBF神经网络训练，W目标函数最小化为准则对隐层各个节点的中也点与偏差W及输 出权值进行调整修正； RBF神经网络识别，RBF神经网络模型输入测试数据。
[0011] 所述步骤二中的待测冷却培漂水参数为冷却培通风口处的通风量参数、冷却培的 循环水量参数和布水装置的转速参数。
[0012] 所述步骤二中的分析待测冷却培漂水参数的流程为： a. 建立数据库，进行数据预处理； b. 利用数据库数据对粒子群优化的RBF模型进行机器训练； C.待测参数输入粒子群优化RBF模型。
[0013] 本发明有如下积极效果；本发明系统中的检测单元能够检测冷却培中的通风量、 冷却培的循环水量和布水装置的转速，通过监测该些数据，分析冷却培的漂水问题，解决了 由于循环水量过大、通风量过大或者布水装置的转速过快等原因造成的严重冷却培漂水问 题。而且本发明中利用了粒子群优化RBF模型进行数据分析待测参数，从而得出调节漂水 问题的解决方案，工作人员可W在人机交互终端看到系统的检测参数和漂水问题的情况和 系统给出的调节方案，操作简单实用，方便工作人员及时维修。
【附图说明】
[0014] 图1是本发明中冷却培漂水调节系统的工作框图； 图2是本发明中冷却培漂水调节系统方法的工作流程图； 图3是本发明中粒子群优化RBF模型的工作流程图。
【具体实施方式】
[0015] 下面对照附图，通过对实施例的描述，本发明的【具体实施方式】如所涉及的各构件 的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及 操作使用方法等，作进一步详细的说明，W帮助本领域技术人员对本发明的发明构思、技术 方案有更完整、准确和深入的理解。
[0016] 一种冷却培漂水调节系统，如图1所示，该系统包括检测单元、处理器和人机交互 终端，H者依次电连接，也可W选择无线连接方式。
[0017] 检测单元，包括风量传感器、水量传感器和转速传感器，风量传感器安装在冷却培 通风口处测量冷却培的通风量，避免由于通风量过大导致的漂水的问题。水量传感器安装 在冷却培的进出水口，和填料的上下层处，监测冷却培的循环水量和经过填料层的冷却水 水量是否变化过大，从而避免循环水量过大或过小造成的漂水问题，和填料层中有偏流造 成的漂水问题。转速传感器安装在布水装置上测量布水装置的转速，避免由于布水装置过 快造成的漂水问题，检测单元中传感器检测到的数据参数均会发送给处理器，由处理器进 行判断冷却培漂水问题。
[0018] 处理器，连接检测单元并接收检测单元的信号，采用粒子群优化RBF模型进行数 据分析和处理，处理器还设置有数据库，方便粒子群优化RBF模型利用数据进行机器训练。 智能算法模型的应用，主要在于通过分析待测参数，从而得出调节漂水问题的解决方案。
[0019] 人机交互终端，包括显示器和输入装置，显示器显示处理器发送的的信号信息，输 入装置连接处理器，可W通过输入装置可W随意查看系统参数和工作情况还有检测的漂水 状态，不需要工作人员到处走动式的查看，节省了大量时间。
[0020] -种冷却培漂水调节系统的方法，如图2所示，该方法步骤包括： 步骤一、建立RBF模型，利用粒子群算法优化训练RBF模型参数，得到最优模型。
[0021] RBF神经网络是一种局部逼近网络，它能够w任意精度逼近任意连续函数，学习速 度快，精度高，在逼近能力、分类能力和学习速度等方而均优于BP网络。RBF神经网络模型 分为H个部分，如图3所示；RBF神经网络构建、RBF神经网络训练和RBF神经网络识别。
[0022] RBF神经网络的结构和网络和构建；径向基函数神经网络（radialbasis 化nctionneuralnetwork)是一种具有单隐层的3层前馈网络。它的基本思想是：用RBF 作为隐层节点的"基"构成隐层空间，该样就可W将输入矢量不通过权值连接映射到隐层空 间。当RBF的中也点确定后，该种映射关系也就确定了。其中，隐层节点的基函数采用距离 函数，而激活函数采用径向基函数（如高斯函数）。
[0023] 径向基函数是一种局部分布的中也点径向对称衰减的非负非线性函数，该种"局 部特性"使得RBF网络成为一种局部响应神经网络。而且，隐层到输出层的映射是线性的， 即网络的输出是隐节点输出的线性组合。现在也己证明，径向基网络也能够W任意精度逼 近任意连续函数，并且它的学习速度比BP网络快，并能避免局部极小值问题。
[0024]RBF神经网络的训练；RBF神经网络的训练算法W目标函数最小化为准则对隐层 各个节点的中也点与偏差W及输出权值进行调整修正。在此，使用带有动量因子的梯度下 降法对网络的各个参数进行修改。网络的目标函数为：
【主权项】
1. 一种冷却塔漂水调节系统，其特征在于，该系统包括： 检测单元，检测冷却塔通风口处的通风量、冷却塔的循环水量和布水装置的转速； 处理器，连接检测单元并接收检测单元的信号； 人机交互终端，连接处理器，显示处理器的处理数据。
2. 根据权利要求1所述的冷却塔漂水调节系统，其特征在于，所述检测单元包括风量 传感器、水量传感器和转速传感器，分别测量冷却塔的通风量、循环水量和布水装置的转 速。
3. 根据权利要求1所述的冷却塔漂水调节系统，其特征在于，所述处理器包括数据库， 处理器采用粒子群优化RBF模型进行数据分析和处理，利用数据库中数据对模型进行机器 训练。
4. 根据权利要求1所述的冷却塔漂水调节系统，其特征在于，所述人机交互终端包括 显示器和输入装置，显示器显示处理器的信息，输入装置连接处理器。
5. -种冷却塔漂水调节系统的方法，其特征在于，该方法步骤包括： 步骤一、建立RBF模型，利用粒子群算法优化训练RBF模型参数，得到最优模型； 步骤二、采用粒子群优化RBF模型诊断分析待测冷却塔漂水参数，得出冷却塔漂水状 态息； 步骤三、输出冷却塔漂水状态信息结果。
6. 根据权利要求5所述的冷却塔漂水调节系统的方法，其特征在于，所述步骤一中建 立RBF模型的步骤包括三部分： RBF神经网络构建，隐层节点的"基"构成隐层空间，确定RBF的中心和映射关系； RBF神经网络训练，以目标函数最小化为准则对隐层各个节点的中心点与偏差以及输 出权值进行调整修正； RBF神经网络识别，RBF神经网络模型输入测试数据。
7. 根据权利要求5所述的冷却塔漂水调节系统的方法，其特征在于，所述步骤二中的 待测冷却塔漂水参数为冷却塔通风口处的通风量参数、冷却塔的循环水量参数和布水装置 的转速参数。
8. 根据权利要求5所述的冷却塔漂水调节系统的方法，其特征在于，所述步骤二中的 分析待测冷却塔漂水参数的流程为： a. 建立数据库，进行数据预处理； b. 利用数据库数据对粒子群优化的RBF模型进行机器训练； c. 待测参数输入粒子群优化RBF模型。
【专利摘要】本发明涉及一种冷却塔漂水调节系统及其方法，属于冷却塔系统领域，该系统包括：检测单元，检测冷却塔通风口处的通风量、冷却塔的循环水量和布水装置的转速；处理器，连接检测单元并接收检测单元的信号；人机交互终端，连接处理器，显示处理器的处理数据。本发明系统能够检测冷却塔中的通风量、冷却塔的循环水量和布水装置的转速，分析冷却塔的漂水问题，解决了由于循环水量过大、通风量过大或者布水装置的转速过快等原因造成的严重冷却塔漂水问题。本发明中利用了粒子群优化RBF模型进行数据分析待测参数，从而得出调节漂水问题的解决方案，解决了现有技术对冷却塔漂水问题分析的不足和对漂水问题解决方法的不当。
【IPC分类】F28F27-00
【公开号】CN104713409
【申请号】CN201510111464
【发明人】张育仁, 张研, 帕提曼热扎克
【申请人】芜湖凯博实业股份有限公司
【公开日】2015年6月17日
【申请日】2015年3月13日