Speaker
Description
При эксплуатации энергетического оборудования важную роль для обеспечения стабильности и безопасности играют условия теплоотдачи, которые реализуются между теплоотдающей поверхностью и теплоносителем. При нарушении нормальных условий эксплуатации, а также в аварийных ситуациях, могут возникать переходные и нестационарные процессы теплоотдачи, своевременная диагностика которых позволит не только обеспечить мониторинг режима теплоотдачи в режиме реального времени, но и дать рекомендации для предупреждения развития нежелательных процессов в теплообменном оборудовании.
В работах [1-3] было показано, что для диагностики переходных процессов (переход от конвекции к пузырьковому кипению и от пузырькового к пленочному кипению) можно использовать амплитудно-частотный анализ (АЧХ) флуктуаций температуры (или перегрева относительно температуры насыщения жидкости) нагревателя. Как было показано в работе [1], в начале переходного процесса низкочастотная часть спектра флуктуаций температуры приобретает вид фликкер - шума. В работах [2, 3] были предложены общие методы диагностики режима теплоотдачи на основе амплитудно-частотного анализа флуктуаций температуры теплоотдающей поверхности. Идея предложенного метода заключается в аппроксимации амплитудного спектра флуктуаций характерной непрерывной функцией распределения (Фликкер шум, распределение Лоренса и пр.) и последующем анализе констант аппроксимации, которые имеют различные характерные значения в различных режимах теплоотдачи.
Для реализации амплитудно-частотного метода диагностики режимов теплоотдачи в режиме реального времени необходимо обеспечить непрерывный сбор и анализ экспериментальных данных, в том числе преобразование Фурье флуктуаций температуры и аппроксимацию полученной АЧХ.
Целью настоящей работы является разработка алгоритма для обработки и анализа экспериментальных данных по флуктуациям температуры в режиме реального времени для диагностики режимов теплоотдачи.
Для достижения поставленной цели был реализован экспорт данных из системы сбора экспериментальных данных MWBridge в MatLab в виде вектора. В зависимости от количества элементов экспортированного вектора экспериментальные данные обрабатывались либо дискретным, либо быстрым (более чем 65 000 точек) преобразованием Фурье, после чего полученная амплитудно-частотная характеристика аппроксимировалась функциями вида $C/f^{\alpha}$ и $C\beta/({\beta}^2+f^2)$. Рассчитанные амплитудно-частотная характеристика и ее аппроксимация визуализировались в виде графика, который обновляется в режиме реального времени.
Предложенный алгоритм в сочетании с системой сбора экспериментальных данных может быть использован для создания системы диагностики переходных режимов теплоотдачи на основе амплитудно-частотного анализа флуктуаций температуры теплоотдающей поверхности.
Литература
[1] Skokov VN. et. al. Low Frequency Fluctuations with 1/f α Power Spectrum in Transient Modes of Water Boiling on a Wire Heater. High Temperature, Vol. 48, No. 5, 2010, pp. 706–712.
[2] Balakin BV et. al. Analyzing temperature fluctuations to predict boiling regime. Thermal Science and Engineering Progress, Vol. 4, 2017, pp. 219-222.
[3] Delov M. I. et al. Diagnostics of transient heat transfer regimes based on statistical and frequency analysis of temperature fluctuations. Experimental Heat Transfer. – 2020. – Vol. 33. – №. 5. – pp. 471-486.
