大型氦制冷系统对可预见热冲击的响应分析与协同控制策略研究

伴随低温超导、核能与高能物理等学科技术近年来的迅猛发展，相关学科对大型氦制冷系统提出了新的要求，现有的大型氦制冷系统的控制系统并不能很好的处理类似热冲击的较大扰动，使得大型氦制冷系统需要面对热冲击的新挑战。本项目试图采用理论仿真分析和实验验证的方法，详细描述和分析大型氦制冷系统（及其内部各元件）在面对热冲击时的热力学和流体力学状态，从大尺度和小尺度两个角度考察制冷系统的非稳态特性，揭示制冷系统不能很好处理热冲击的本质原因，并以协同控制的思想为指导对制冷系统应对热冲击的控制策略展开研究，从而建立一套有效而又切合实际的应对热冲击的控制策略。本项目的开展将为准确评估热冲击对制冷系统及其内部各元件的影响提供依据，并对大型氦制冷系统在超导、核能与高能物理领域的应用产生积极的作用。

课题首先针对各子部件建立了数学模型，并在此基础上完成了对大型氦制冷系统的整体建模。通过开展与ITER低温氦制冷系统的比较性研究，验证了仿真平台的正确性。随后，基于大型氦制冷系统实验台的流程，在仿真平台上完成的了系统的整体建模。本仿真平台采用了真实的控制系统，将仿真平台建立在基于WINCC人机操作系统的界面之上，为仿真研究的奠定了平台基础。. 为了改进传统的控制策略，提出了一种基于多变量PID神经网络的协同控制方法。此控制策略一方面可以通过改进共扼梯度算法对神经网络控制器参数进行在线整定，同时又可以实现多控制目标输入与多控制参数输出。通过在仿真平台上对上述协同控制策略进行的仿真研究，计算结果表明采用多变量PID神经网络的协同控制策略后，控制过冲量明显减小，控制的稳定时间也大大减小。随后，本课题又针对冷箱子系统展开了协同控制研究。计算结果表明采用了多参数模糊控制PID神经网络协同控制策略后，可以在更短的时间内完成压力稳定，控制过冲量明显减小，控制的稳定时间也大大减小。. 课题对原有的实验台进行了改造工作，增加了一个产生热脉冲的部分，并对改造后的实验台进行了降温实验测试。通过对制冷系统的降温过程的实验结果与计算结果进行比较，可以证明仿真的降温曲线与实验的降温曲线符合的较好。随后，在改造后的实验台上进行了应对热冲击的控制策略研究，在实验中的5个半小时时增加了30%的热负载（热冲击）。测试结果表明采用协同控制策略后控制过冲量明显减小，控制的稳定时间也大大减小，膨胀机能更稳定快速的达到新的工况点。. 在完成了课题任务计划后，又将仿真平台的研究成果推广应用于中国散裂中子源(CSNS)的降温及热冲击响应的分析和研究。研究结果表明通过控制加热器的加热功率，可以将氢冷箱中的压力波动控制在2.5 bar，而此时慢化器中的温度波动控制在±1 K以内，慢化器中的最大温差约为1.5 K。之后，又将仿真平台的研究成果推广应用于国际热核聚变实验堆(ITER)的低温系统应对热冲击的分析。本课题提出了制冷系统协同控制与磁体支撑系统热惯性缓冲相结合的方案，并针对上述仿真模型进行了计算。计算结果表明，低温制冷系统的热脉冲从原来的25 kW减小到7 kW，且最大热负荷不超过制冷机的额定功率43 kW，确保了低温制冷系统的稳定运行。