[发明专利]一种干布热定型过程织物实时温度的估算优化方法

摘要

本发明公开了一种干布热定型过程织物实时温度的估算优化方法，可以在干布热定型过程中对定型温度进行较为准确的估算，同时对各节烘箱温度设定进行优化，对每节烘箱温度设定最合适的值，从而有效的降低能耗。

主权项

一种干布定型机热定型过程织物温度的估算优化方法，包括以下步骤：1)确定织物主体温度模型：设时间为参变量，设定布匹定型时的速度为v，取其中微小长度△x,那么所需的时间应该是Δτ＝Δx/v，则△x这段距离所对应的面积周围的热空气的温度为Tair(τ)，记瞬时换热为h(τ)，根据能量守恒定律，单位时间内热空气通过射流方式进行对流换热，传给织物的热量应等于织物内部焓的增量，得到了如下的表达式：Φ(τ)=h(τ)ΔS[TW(τ)-T(τ)]=ρcp(τ)ΔVdTdτ---(1)]]>这里面，Φ(τ)在单元时间内通过ΔS面积的换热量，称为热流量，单位是W，ΔS是单元织物换热面积，单位是m2，h(τ)瞬时对流换热系数，单位是W/(m2·℃)，T(τ)单元织物经过加热时间Δτ后的温度，单位℃，TW(τ)布匹的边界温度，单位℃，ρ被加热的织物的密度，单位是kg/m3，cp(τ)被加热的织物的定比压热容，单位是J/(kg·℃)，τ布匹在烘箱内的时间，单位s，平衡方程建立了表面对流换热速率与织物内能变化速率之间的关系，取单位长度为计算单元体，因此有△V/△S＝δ，δ是织物厚度，公式(1)进行变形，得到：dTdτ+h(τ)ρcpδ[T(τ)-TW(τ)]=0---(2)]]>进行积分分离，令θ＝TW(τ)‑T(τ)，取初始条件为τ＝0，T＝T0，且微分方程初始条件可以写成：dθdτ+h(τ)ρcpδθ=0---(3)]]>将初始条件θ0＝TW0(τ)‑T0代入，经过计算后，可得：θ=cexp[-h(τ)ρcpδτ]---(4)]]>此处c是积分常数，由于因此，T(τ)=Tw(τ)-exp[-h(τ)ρcpδτ](T0-Tw0)---(5)]]>其中，边界温度Tw(τ)可以用下式近似表示，Tw(τ)≈[Tair(τ)+T(τ)2]---(6)]]>假定热空气温度基本稳定，即Tair＝Tair(0)，因此：T(τ)=Tair(τ)-exp[-h(τ)ρcpδτ](Tair(0)-T0)---(7)]]>2)h(τ)的确立h(τ)通过专用设备利用实验方式获取T(τ)数据，并结合Tair的值，利用一些数据拟合的方法得到；3)将模型离散化为各节烘箱织物的温度，转化为如下形式：yi=Xi-exp[-h(τ)ρcpδτ](Xi-yi-1)]]>这里Xi是各节烘箱的设定温度，yi是在第i节烘箱尾部时候的织物的温度，y0代表第0节烘箱末尾的温度，就是指刚要进入第一节烘箱时候的温度，就是工厂的环境温度；4)各节烘箱设定温度Xi的PSO优化优化的目标是：使得最小，这里i的取值选1、2、3、4、5，即选取前5节烘箱，优化的约束条件是：(1)0<Xi<T经验；(2)T工艺‑y5<T误差优化的过程是：标准粒子群算法的步骤如下：第一步：初始化所有参数，对学习因子、惯性权重、搜索维度、种群大小、最大迭代次数、速度最大值、速度最小值、位置最大值进行初始化；初始化种群：在总群的总数内，随机初始化速度，依据对象的特性，在一定的范围内对粒子群的随机初始化位置；第二步：计算每个粒子的适应值，本发明的适应值是各个Xi的加和值；第三步：计算个体粒子的历史最优位置：对于每个粒子，将其适应值与局部历史的最好位置的适应值进行比较，如果现在计算得到的适应值更好，则将其作为粒子的个体历史最优值，用当前位置更新个体历史最好位置；第四步：计算个体粒子的历史最优适应值：对每个粒子，将其历史最优适应值与群体内所经历的最好位置的适应值进行比较，若更好，则将其作为当前的全局最好位置；第五步：对粒子的速度和位置进行更新；第六步：若未达到终止条件，则转步骤2；第七步：输出最优解Xi，且优化终止条件设定为：算法达到一个预设的最大迭代代数且满足热定型设定温度要求，即：第5节烘箱温度设定值与定型要求的工艺值小于要求的偏差；5)根据优化后的各节烘箱设定温度Xi，得到各节烘箱织物的温度yi。