基于LSSVM的真空玻璃传热过程建模

2015-05-05 王元麒 海南大学信息科学技术学院

　　真空玻璃传热过程隔热性能和质量评价关键指标- 传热系数(U 值)受真空度影响，难以精确检测。为实现真空玻璃隔热性能和质量的快速评定，建立了基于LSSVM 的真空玻璃传热过程智能模型，应用MATLAB 软件和实验数据，对真空玻璃传热过程进行了模拟，在线预测了真空玻璃传热后侧(非热源侧)的中心温度。结果表明：模型理论正确，预测迅速(时间<1 s)，误差小(相对误差<1.2%)，为真空玻璃隔热性能和真空玻璃质量的快速评定提供了一种新的技术手段。同时，也为后续研究能将温度参数预测转化为传热系数预测奠定一定的理论和应用基础。

　　在全球资源短缺、能源紧张、节能减排呼声越来越高的今天，世界各国对开发新能源和节能环保给予了极高的重视。建筑能耗作为人类生活起居的耗能大户，引起了大家的普遍关注。真空技术网(http://www.chvacuum.com/)经过相关研究数据显示，建筑围护门窗是建筑能耗产生的主要途径。真空玻璃具有卓越的隔热保温性能，应用于玻璃门窗必将产生显著的节能效果。因此，真空玻璃产业化应用受到了各国政府的大力支持。在评定所生产的真空玻璃的隔热保温性能优劣和真空玻璃质量时，“传热系数(U 值)”是关键的技术指标，其测量成为了一大研究热点。

　　目前，在欧洲、美国和日本等国，各自形成了一套真空玻璃质量检测标准，造成同一真空玻璃所测量的传热系数不同，无法用于比较评定真空玻璃的隔热性能和质量。在我国，真空玻璃的研究起步较晚，目前绝大多数还处在真空玻璃传热机理研究和传热系数理论研究分析计算阶段。其中突破性的研究有：2008 年，我国在中空玻璃标准基础上修订的真空玻璃相关质量检测标准中涉及到传热系数的理论计算方法。但此方法需要经过气体辐射热导、支撑物接触热导和残余气体对流热导等计算后，再经公式转换成传热系数(U 值)，过程较为复杂；2012 年，金岩等参照最新国标设计制作的真空玻璃传热系数测量仪在实验室中进行了试用，但还存在一定误差。实际上，真空玻璃传热过程是一个非线性系统，传热系数(U 值)主要受真空玻璃的真空度影响。

　　但是，真空玻璃的真空度难以直接检测，这使得无法快速精确检测U 值实现真空玻璃的隔热性能和质量评定。温度，与真空玻璃传热系数有必然关系，而且能直接测量。通常，在相同热源下，真空玻璃非热源侧温度越恒定或变化越小，隔热性能和质量越好。因此，可考虑用此温度代替U 值评测真空玻璃的隔热性能和质量。由于真空玻璃在热源温度改变时传热过程尚无法明确用数学表达式表示，因而本文采用LSSVM 智能建模方法对真空玻璃传热过程建立智能模型，并在线预测真空玻璃传热后侧(非热源侧)中心温度，研究真空玻璃传热性能和真空玻璃质量的快速评测。这可为后续真空玻璃传热后侧(非热源侧)中心温度与真空玻璃传热系数U 值和真空度的互相转换研究以及能将真空玻璃传热后侧(非热源侧) 中心温度与真空玻璃传热系数U 值转换的真空玻璃隔热性能检测仪研究奠定一定的理论和应用基础。

　　3、基于LSSVM 的真空玻璃传热过程模型应用

　　应用MATLAB 软件、LSSVM1.6 工具箱编程建立真空玻璃传热过程LSSVM 模型，并采集实验数据仿真预测真空玻璃传热后侧(非热源侧)中心温度，验证所建模型的正确有效性。

　　实验数据来自于简易真空玻璃传热过程实验：将一陶瓷碗装满热水，在其上盖一块真空玻璃，定时用测温仪测量室温、热水温度和真空玻璃传热后侧(非热源侧)中心温度。由于实验中用的陶瓷碗有一定吸/ 放热效应，可能对实验产生影响，将碗的温度增选为建模输入变量。实验中采集11 组实验数据，每组实验时隔1 min 采集1次数据，采集12 次，共得到132 组数据。经肉眼法去除粗大误差后选出120 组数据用于模拟真空玻璃传热过程。其中，前60 组数据用于训练生成真空玻璃传热过程LSSVM 智能模型，后60 组用于模型的在线校正和预测真空玻璃传热后侧(非热源侧)中心温度。最终，模型仿真预测得到的真空玻璃传热后侧(非热源侧)中心温度结果如图2(蓝方实框为实测值，红空圆为预测值)。

真空玻璃传热后侧中心温度在线预测结果

图2 真空玻璃传热后侧中心温度在线预测结果

　　为分析所建LSSVM 模型预测真空玻璃传热后侧(非热源侧)中心温度的准确度，采用相对误差公式(11)对预测的每个数据点进行误差分析。同时，为观测模型的预测速度，计算了预测每数据点的过程耗时，运行的计算机主要配置为：处理器：Intel(R)Pentium(R)CPU B950 @ 2.10GHz；内存4GB；操作系统：Windows 7 旗舰版(32 位)。最终得到的每数据点预测的相对误差如图3，每数据点预测的过程耗时如图4。

真空玻璃传热后侧中心温度预测误差

图3 真空玻璃传热后侧中心温度预测误差

真空玻璃传热后侧中心温度在线预测过程耗时

图4 真空玻璃传热后侧中心温度在线预测过程耗时

　　4、结论

　　上述通过建立智能模型预测过程变量的方法是目前复杂工业过程中用来对难以测量的变量参数进行实时预测/ 估计的常用方法，已在气体膜分离过程研究中进行了运用。由预测结果可以看到，真空玻璃传热过程LSSVM 智能模型预测真空玻璃传热后侧(非热源侧)中心温度准确快速，可以得到以下结论：

　　(1)通过建立基于LSSVM 的真空玻璃传热过程智能模型对真空玻璃传热后侧(非热源侧)中心温度实时估计，可以获知真空玻璃的隔热性能优劣和真空玻璃质量。这在一定程度上可以替代难以精确测量的真空玻璃传热系数(U 值)快速评测真空玻璃的隔热性能优劣和真空玻璃质量，为真空玻璃隔热性能和真空玻璃质量的快速评定提供了一种新的技术手段；

　　(2)基于LSSVM 的真空玻璃传热过程智能模型能够快速准确预测真空玻璃传热后侧(非热源侧)中心温度，可为后续研究真空度、U 值与真空玻璃传热后侧(非热源侧)中心温度之间的转换研究和能将温度参数预测转化为传热系数预测奠定一定的理论和应用基础。