冷卻塔噪聲監(jiān)測(cè)系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及冷卻培系統(tǒng)領(lǐng)域，尤其涉及一種冷卻培噪聲監(jiān)測(cè)及其方法。
【背景技術(shù)】
[0002] 冷卻培是指在培內(nèi)將熱水噴灑到淋水填料上形成水滴或水膜，自上而下地與從下 向上流動(dòng)的具有吸熱能力的冷空氣進(jìn)行對(duì)流傳熱，并利用水的蒸發(fā)擴(kuò)散作用帶走水中熱量 的冷卻設(shè)備。冷卻培在火電W及核電中應(yīng)用較為廣泛，特別是在水資源不是十分充足的地 區(qū)的電廠中應(yīng)用較多，隨著核電向內(nèi)陸化發(fā)展，冷卻培的應(yīng)用前景也越來(lái)越廣闊。
[0003] 但現(xiàn)有的冷卻培在使用過(guò)程中產(chǎn)生的噪聲比較大，嚴(yán)重影響了工作人員的工作環(huán) 境，同時(shí)浪費(fèi)資源嚴(yán)重。而現(xiàn)有技術(shù)中對(duì)應(yīng)的解決方案只是改進(jìn)冷卻培結(jié)構(gòu)進(jìn)行降低噪聲 的改善，沒(méi)有對(duì)噪聲的根源進(jìn)行探究和維修，通常冷卻培噪聲大的原因：風(fēng)機(jī)轉(zhuǎn)速過(guò)高或通 風(fēng)量過(guò)大，冷卻培緊固件松動(dòng)，齒輪缺油等原因造成噪聲過(guò)大。

【發(fā)明內(nèi)容】

[0004] 為了克服現(xiàn)有技術(shù)中對(duì)冷卻培噪聲根源問(wèn)題的忽略問(wèn)題，本發(fā)明提供一種冷卻培 噪聲監(jiān)測(cè)系統(tǒng)及其方法，本發(fā)明提供的系統(tǒng)能夠?qū)鋮s培噪聲進(jìn)行監(jiān)測(cè)并分析噪聲原因， 提出可行的解決方案W備工作人員選擇。
[0005] 本發(fā)明的技術(shù)方案是：一種冷卻培噪聲監(jiān)測(cè)系統(tǒng)，該系統(tǒng)包括： 信號(hào)采集單元，采集冷卻培的音量參數(shù)、風(fēng)機(jī)轉(zhuǎn)速參數(shù)、通風(fēng)口處的通風(fēng)量參數(shù)和冷卻 培內(nèi)部緊固件的振動(dòng)參數(shù)； 控制器，連接信號(hào)采集單元并接收信號(hào)采集單元的信號(hào)參數(shù)，比較冷卻培的音量參數(shù) 與系統(tǒng)設(shè)定的闊值大小，同時(shí)判斷信號(hào)采集單元其他參數(shù)與闊值的大??； 終端顯示器，連接控制器，接收控制器的信號(hào)并顯示出來(lái)。
[0006] 所述信號(hào)采集單元包括測(cè)量音量參數(shù)的分貝儀、測(cè)量風(fēng)機(jī)轉(zhuǎn)速的轉(zhuǎn)速傳感器、測(cè) 量通風(fēng)量的風(fēng)量傳感器和測(cè)量振動(dòng)參數(shù)的振動(dòng)傳感器。
[0007] 所述控制器包括量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，利用該模型分析數(shù)據(jù)。
[0008] -種冷卻培噪聲監(jiān)測(cè)系統(tǒng)的方法，該方法步驟包括： 步驟一、采集冷卻培噪聲相關(guān)待測(cè)數(shù)據(jù)，建立數(shù)據(jù)庫(kù)； 步驟二、建立神經(jīng)網(wǎng)絡(luò)模型，利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)； 步驟H、利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型分析待測(cè)數(shù)據(jù)； 步驟四、輸出冷卻培噪聲分析結(jié)果。
[0009] 所述步驟一中的冷卻培噪聲相關(guān)待測(cè)數(shù)據(jù)包括冷卻培的音量參數(shù)、風(fēng)機(jī)轉(zhuǎn)速參 數(shù)、通風(fēng)口處的通風(fēng)量參數(shù)和冷卻培內(nèi)部緊固件的振動(dòng)參數(shù)。
[0010] 所述步驟二中建立神經(jīng)網(wǎng)絡(luò)模型時(shí)，建立的神經(jīng)網(wǎng)絡(luò)模型為帶開(kāi)關(guān)權(quán)值的神經(jīng)網(wǎng) 絡(luò)模型。
[0011] 所述步驟二中利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)的步驟包括： A. 設(shè)置算法參數(shù)，包括種群規(guī)模參數(shù)、算法最大迭代次數(shù)參數(shù)和種群稀疏度參數(shù)，算法 參數(shù)初始化； B. 種群初始化；根據(jù)預(yù)置參數(shù)產(chǎn)生原始種群，并初始化； C. 計(jì)算適應(yīng)度；將公式（4)
【主權(quán)項(xiàng)】
1. 一種冷卻塔噪聲監(jiān)測(cè)系統(tǒng)，其特征在于，該系統(tǒng)包括： 信號(hào)采集單元，采集冷卻塔的音量參數(shù)、風(fēng)機(jī)轉(zhuǎn)速參數(shù)、通風(fēng)口處的通風(fēng)量參數(shù)和冷卻 塔內(nèi)部緊固件的振動(dòng)參數(shù)； 控制器，連接信號(hào)采集單元并接收信號(hào)采集單元的信號(hào)參數(shù)，比較冷卻塔的音量參數(shù) 與系統(tǒng)設(shè)定的閾值大小，同時(shí)判斷信號(hào)采集單元其他參數(shù)與閾值的大??； 終端顯示器，連接控制器，接收控制器的信號(hào)并顯示出來(lái)。
2. 根據(jù)權(quán)利要求1所述的冷卻塔噪聲監(jiān)測(cè)系統(tǒng)，其特征在于，所述信號(hào)采集單元包括 測(cè)量音量參數(shù)的分貝儀、測(cè)量風(fēng)機(jī)轉(zhuǎn)速的轉(zhuǎn)速傳感器、測(cè)量通風(fēng)量的風(fēng)量傳感器和測(cè)量振 動(dòng)參數(shù)的振動(dòng)傳感器。
3. 根據(jù)權(quán)利要求1所述的冷卻塔噪聲監(jiān)測(cè)系統(tǒng)，其特征在于，所述控制器包括量子免 疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，利用該模型分析數(shù)據(jù)。
4. 一種冷卻塔噪聲監(jiān)測(cè)系統(tǒng)的方法，其特征在于，該方法步驟包括： 步驟一、采集冷卻塔噪聲相關(guān)待測(cè)數(shù)據(jù)，建立數(shù)據(jù)庫(kù)； 步驟二、建立神經(jīng)網(wǎng)絡(luò)模型，利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)； 步驟三、量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型分析待測(cè)數(shù)據(jù)； 步驟四、輸出冷卻塔噪聲分析結(jié)果。
5. 根據(jù)權(quán)利要求4所述的冷卻塔噪聲監(jiān)測(cè)系統(tǒng)的方法，其特征在于，所述步驟一中的 冷卻塔噪聲相關(guān)待測(cè)數(shù)據(jù)包括冷卻塔的音量參數(shù)、風(fēng)機(jī)轉(zhuǎn)速參數(shù)、通風(fēng)口處的通風(fēng)量參數(shù) 和冷卻塔內(nèi)部緊固件的振動(dòng)參數(shù)。
6. 根據(jù)權(quán)利要求4所述的冷卻塔噪聲監(jiān)測(cè)系統(tǒng)的方法，其特征在于，所述步驟二中利 用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)的步驟包括： A. 設(shè)置算法參數(shù)，包括種群規(guī)模參數(shù)、算法最大迭代次數(shù)參數(shù)和種群稀疏度參數(shù)，算法 參數(shù)初始化； B. 種群初始化：根據(jù)預(yù)置參數(shù)產(chǎn)生原始種群，并初始化； C. 計(jì)算適應(yīng)度：將公式（4)
輸出為n維向量，式（4)中：Zi(i=l，2，…，Iii)為網(wǎng)絡(luò)輸入；yk(k=l，2,…，n。）為網(wǎng)絡(luò)輸出；Hi為輸入變量數(shù)量；n。為輸出變量數(shù)量；nh為隱層節(jié)點(diǎn)數(shù)量；％為第i個(gè)輸入與第j個(gè)隱層 節(jié)點(diǎn)的連接權(quán)值；，為第j個(gè)隱層節(jié)點(diǎn)與第k個(gè)輸出層節(jié)點(diǎn)的連接權(quán)值；叫為輸出節(jié)點(diǎn)閾 值開(kāi)關(guān)計(jì)算時(shí)將其列為，k的最后一個(gè)元素為輸入層節(jié)點(diǎn)i與隱層節(jié)點(diǎn)j連接權(quán)值，％ 為隱層節(jié)點(diǎn)閾值開(kāi)關(guān)，計(jì)算時(shí)將其列為％的最后一個(gè)元素為隱層節(jié)點(diǎn)閾值;為輸出 層節(jié)點(diǎn)閾值； D. 若達(dá)到神經(jīng)網(wǎng)絡(luò)算法停止條件，則記錄當(dāng)前最優(yōu)解，及抗體中權(quán)值為O的位置信息； 若沒(méi)有達(dá)到停止條件，則進(jìn)行步驟E然后轉(zhuǎn)向步驟C; E. 對(duì)原始種群進(jìn)行克隆及更新操作，計(jì)算新種群的適應(yīng)度值，保留新種群中前種群規(guī) 模數(shù)量個(gè)最優(yōu)個(gè)體組成下一代種群； F. 根據(jù)抗體中數(shù)值為O的權(quán)值的位置信息，對(duì)原有神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，刪除對(duì)應(yīng)位置 的隱層節(jié)點(diǎn)。
【專(zhuān)利摘要】本發(fā)明涉及一種冷卻塔噪聲監(jiān)測(cè)及其方法，屬于冷卻塔系統(tǒng)領(lǐng)域，該系統(tǒng)包括：信號(hào)采集單元；控制器，連接信號(hào)采集單元并接收信號(hào)采集單元的信號(hào)參數(shù)；終端顯示器，連接控制器，接收控制器的信號(hào)并顯示出來(lái)。本發(fā)明能夠?qū)鋮s塔噪聲相關(guān)部件進(jìn)行實(shí)時(shí)監(jiān)測(cè)，利用了量子免疫優(yōu)化神經(jīng)網(wǎng)絡(luò)模型對(duì)檢測(cè)到的冷卻塔噪聲相關(guān)數(shù)據(jù)進(jìn)行分析處理，將量子搜索機(jī)制和免疫算法克隆選擇原理相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)算法的克隆操作產(chǎn)生原始種群和克隆子群實(shí)現(xiàn)種群擴(kuò)張，提高了局部搜索能力，很好的處理分析得出最佳模型參數(shù)，提高了參數(shù)數(shù)據(jù)分類(lèi)概率，降低了誤報(bào)率，解決了現(xiàn)有技術(shù)中對(duì)冷卻塔噪聲根源問(wèn)題的忽略問(wèn)題。
【IPC分類(lèi)】F28F27-00
【公開(kāi)號(hào)】CN104713408
【申請(qǐng)?zhí)枴緾N201510110435
【發(fā)明人】張育仁, 張研, 帕提曼熱扎克
【申請(qǐng)人】蕪湖凱博實(shí)業(yè)股份有限公司
【公開(kāi)日】2015年6月17日
【申請(qǐng)日】2015年3月13日