基于神经网络的闭环数据中热交换器传热系数估计
系统与控制
2025-04-08 v1 系统与控制
摘要
热交换器 (HEX) 在工业过程中发挥着热能传递的核心作用。污垢——固体在传热表面上的逐渐积累——导致整体传热系数 随时间变化，从而显著影响热传递效率。良好的传热系数估计与建模将导致更好的污垢缓解策略。本研究探讨了在闭环运行数据（无参考信号外部激励、无控制器参数知识）下，时间变化的 的可辨识性。我们证明了尽管在给定约束下无法识别完整系统模型，时间变化的传热系数 仍然可被辨识。进一步，我们提出一种称为 (Per-PINN) 的神经网络架构，用于从闭环系统数据中估计和建模传热系数。该 Per-PINN 模型在逆参数学习方面优于现有的基于物理信息神经网络 (PINN) 的模型，因为它内在地固定底层物理方程，仅学习时间变化的参数 。
引用
@article{arxiv.2504.05282,
title = {Estimation of Heat Transfer Coefficient in Heat Exchangers from closed-loop data using Neural Networks},
author = {Ramachandran Anantharaman and Carlos Gonzalez Rojas and Luna Artemis van Leeuwen and Leyla Özkan},
journal= {arXiv preprint arXiv:2504.05282},
year = {2025}
}