Koncepcja neuronowego modelu spadku efektywności rekuperatorów w kabinach lakierniczych

Transkrypt

1 NIKOŃCZUK Piotr Koncepcja neuronowego modelu spadku efektywności rekuperatorów w kabinach lakierniczych WSTĘP Kabina lakiernicza pracuje w dwóch podstawowych trybach: lakierowania oraz suszenia (wygrzewania). Przed rozpoczęciem oraz po zakończeniu lakierowania i suszenia pojawia się krótki tryb wentylacji. Ogólny czas pracy kabiny lakierniczej można przedstawić w następujący sposób: T T t p T c T v () T t całkowity czas pracy, T p czas lakierowania, T c czas suszenia, T v czas wentylacji. W trybie lakierowania powietrze w kabinie jest stale wymieniane poprzez kanał nawiewny oraz wywiewny. Powietrze jest pobierane poprzez czerpnię oraz wstępnie oczyszczane za pomocą filtra zgrubnego. Następnie w razie potrzeby jest podgrzewane przez palnik do temperatury pokojowej i tłoczone do komory lakierniczej za pośrednictwem filtra sufitowego, który oczyszcza powietrze z pyłów aby zapobiec wtrąceniom w powłoce lakierniczej. Zanieczyszczone mgłą lakierniczą powietrze wyciągane jest z komory kanałem wyrzutni po uprzednim oczyszczeniu za pomocą filtra typu paint stop zainstalowanego w podłodze kabiny lakierniczej. Wolumen masy powietrza wymienianego wewnątrz kabiny lakierniczej dla samochodów osobowych wacha się w przedziale do metrów sześciennych na godzinę. Krotność wymian powietrza przyjmuje wartości rzędu objętości na godzinę. W trybie suszenia powietrze znajduje się w recyrkulacji, wymieniane jest tylko około 0% objętości. Temperatura suszenia zazwyczaj ustawiana jest w przedziale O C. Przy tak dużej masie wymienianego powietrza moc palników do ogrzewania powietrza znajduje się w przedziale kw, uzasadniony jest więc odzysk ciepła odpadowego [, 3, 4,6]. W obecnej chwili do odzysku ciepła w renowacyjnych kabinach lakierniczych stosuje się rekuperatory krzyżowe.. POWSTAWANIE OSADÓW CZĄSTEK STAŁYCH NA ŚCIANKACH REKUPERATORA Podczas lakierowania wewnątrz kabiny wokół lakierowanego detalu powstaje mgła lakiernicza. Przez kanał wyrzutni wyrzucane jest powietrze zawierające cząsteczki stałe mgły lakierniczej. Zanim wyrzucane z kabiny powietrze dotrze do kanału wyrzutni jest oczyszczane przez filtr podłogowy typu paint stop, którego zadaniem jest usuwanie z powietrza cząsteczek stałych mgły lakierniczej. Pomimo wysokiego stopnia filtracji powietrza za pomocą filtrów paint stop w oczyszczonym powietrzu nadal znajdują się cząstki stałe mgły lakierniczej. Pozostające w powietrzu cząstki stałe osiadają w znacznej części na elementach konstrukcyjnych wentylatora wywiewnego oraz na wewnętrznych częściach kanałów wyrzutni. Zjawisko to dotyczy również rekuperatorów. Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Techniki Morskiej i Transportu, Al. Piastów 4, Szczecin, piotr.nikonczuk@zut.edu.pl 359

2 Warstwy osadów na ściankach rekuperatora powodują dodatkowy opór w wymianie ciepła. Strumień ciepła przenikającego przez ściankę rekuperatora opisany jest równaniem k współczynnik przenikania ciepła Δt różnica temperatur powietrza wyrzucanego i czerpanego q kt () kw m K k 0 (3), współczynniki przejmowania ciepła zimnego i ciepłego powietrza, grubość ścianki rekuperatora, - współczynnik przewodności cieplnej ścianki rekuperatora, grubość osadu cząstek stałych mgły lakierniczej, - współczynnik przewodności cieplnej osadu cząstek stałych mgły lakierniczej. Przeprowadzono wstępne pomiary i obliczenia współczynnika przewodności cieplnej osadów lakieru [8]. Uzyskana średnia wartość współczynnika przewodności dla osadów wyniosła: = 0,0764 [W/mK] (4) Powyższa wartość przewodności cieplnej osadu kwalifikuje go do grupy izolatorów cieplnych. Można wnioskować, że przyrost osadów lakierów jest równomierny w kanałach wyrzutni oraz na ściankach rekuperatora. Powoduje to znaczny spadek sprawności odzysku ciepła [, 3, 6]. Rys. Zmiana gęstości strumienia ciepła w rekuperatorze przy różnicy temperatur 40 0 K Na rysunku pokazano zmiany gęstości strumienia ciepła przepływającego przez ściankę rekuperatora krzyżowego na podstawie obliczeń teoretycznych dla różnicy temperatur t=40 0 K. Zmiany uwzględniają tempo wzrostu osadów na wewnętrznych ściankach kanałów wyrzutni. 3530

3 Według wstępnych pomiarów tempo wzrostu osadów cząstek stałych lakieru jest dość znaczne. Zazwyczaj dostawcy rozwiązań odzysku ciepła w kabinach lakierniczych nie przewidują możliwości oczyszczania rekuperatora. Wiąże się to ze spadkiem sprawności odzysku ciepła. Dodatkowo znaczna grubość osadu powoduje zmniejszenie przekroju poprzecznego kanałów rekuperatora i w efekcie opory przepływu powietrza przez rekuperator, co może prowadzić do utraty znamionowych parametrów kabiny i powstawania zagrożeń [4, 7, 7, 9]. Opracowano konstrukcję wymiennika ciepła, który przewiduje możliwość oczyszczania [0]. Na rysunku przedstawiono ideę rozwiązania. Takie rozwiązanie pozwala na utrzymanie wysokiej sprawności odzysku ciepła przez cały okres eksploatacji kabiny lakierniczej. Rys. Kabina lakiernicza z innowacyjnym wymiennikiem ciepła. KONCEPCJA NEURONOWEGO SYSTEMU EKSPERCKIEGO Sieci neuronowe są coraz bardziej powszechnie stosowane w różnych dziedzinach nauki i techniki do modelowania i predykcji różnych procesów i zjawisk [,, 3, 8, 9, ]. System ekspercki oparty na sztucznej sieci neuronowej wnioskuje o stanie danego procesu lub zjawiska na podstawie wartości parametrów skorelowanych z tym procesem. Wnioskowanie jest realizowane za pomocą funkcji Ω s służącej do modelowania i predykcji zjawisk z użyciem sztucznych sieci neuronowych. Funkcja ta realizuje odwzorowanie zbioru wartości wejściowych X w zbiór wartości wyjściowych Y. Zależność tą można zapisać w postaci: X zbiór przyjętych parametrów wejściowych, Y zbiór wartości wyjściowych, Ω s funkcja odwzorowująca zależność Funkcja Ω s ma postać uwikłaną. Jej stopień skomplikowania zależy od wielu czynników. Przede wszystkim postać funkcji związana jest z rozmiarem sieci neuronowej: ilości i liczebności warstw w części ukrytej, ilości sygnałów wejściowych i wyjściowych oraz przyjętych funkcji aktywacji. Na rysunku 3 przedstawiono przykładową postać sieci neuronowej. (5) 353

4 X y Rys. 3 postać sztucznej sieci neuronowej Na podstawie struktury sztucznej sieci neuronowej można utworzyć równanie funkcji aproksymującej: y f, f IW, X b LW b (6) X wektor stanów poszczególnych parametrów, y- efektywność rekuperatora, f =funkcja aktywacji warstw części ukrytej, f = funkcja aktywacji warstwy wyjściowej, b{},b{} wektory stałych wartości bias dodawanych do poszczególnych warstw, LW,IW wektory współczynników wagowych. Istnieje wiele metod nauki sieci neuronowych, najpopularniejszą metodą uczenia jest metoda wstecznej propagacji błędu. Podczas procesu uczenia sztucznej sieci neuronowej metodą wstecznej propagacji błędów w kolejnych iteracjach korygowane są wartości współczynników wagowych połączeń pomiędzy poszczególnymi neuronami. Współczynniki wagowe zawarte są w wektorach LW, IW. Korygowane są również wartości indywidualnie dodawanych do każdego neuronu stałych bias b{},b{}. Do procesu uczenia sztucznej sieci neuronowej należy przygotować bazę wiedzy, czyli dane wartości wejściowych i wyjściowych. Zazwyczaj bazę wiedzy stanowią odpowiednio uporządkowane wyniki pomiarów danych wyjściowych (modelowanych parametrów) oraz danych wejściowych (parametrów skorelowanych z modelowanymi parametrami wyjściowymi). Baza wiedzy składa się z macierzy wartości wejściowych X oraz macierzy wartości wyjściowych Y. Zarówno w macierzy parametrów wejściowych jak wyjściowych każdy wiersz reprezentuje wektor wartości parametru wejściowego lub wyjściowego. Długość każdego wektora jest równa ilości pomiarów. Praca kabiny lakierniczej składa z trzech trybów, suma czasów pracy opisana jest równaniem (). Przy czym czasy wentylowania T V oraz suszenia T c są zazwyczaj niezmienne. Natomiast czas lakierowania T p jest uzależniony od wielu czynników, przede wszystkim od rozmiarów malowanych powierzchni. Mgła lakiernicza która jest przyczyną powstawania osadów powstaje właśnie w czasie fazy lakierowania. Tempo wzrostu osadów uwzględnia jednak sumaryczny czas pracy kabiny lakierniczej T t. Tempo wzrostu można przedstawić jako funkcję trzech zmiennych: d av f T P, Tt O dt, (7) T p czas pracy kabiny lakierniczej w trybie lakierowania, T t - całkowity czas pracy kabiny lakierniczej, O rozmiar mgły lakierniczej. Rozmiar mgły lakierniczej jest również uzależniony od bardzo wielu czynników: jakości pistoletu lakierniczego, odpowiednich nastaw ciśnienia powietrza, lepkości lakieru, również umiejętności lakiernika. Należy również uwzględniać skuteczność oczyszczania powietrza z cząstek lakierów 353

5 poprzez filtry paint stop. Prowadzono wiele badań na temat powstawania mgły lakierniczej [4] oraz oczyszczania powietrza z cząstek lakierów [4, 5, 0, ]. Niestety nie wszystkie parametry są mierzalne, w związku z tym wektor sygnałów wejściowych na podstawie których wnioskowane będzie stopień obniżenia efektywności odzysku ciepła będzie zawierał tylko parametry, które można zmierzyć: sumaryczny czas pracy kabiny lakierniczej w trybie lakierowania oraz czas pracy od ostatniej wymiany filtrów, dodatkowym parametrem może być pomiar objętości sprężonego powietrza zużytego podczas trybu lakierowania. Macierz sygnałów wejściowych dla sieci neuronowej będzie więc zawierała cztery wiersze (wektory) T t wektor całkowitego czasu pracy kabiny lakierniczej, T p - wektor czasu pracy w trybie lakierowania, T f wektor czasu pracy kabiny lakierniczej od wymiany filtra, V A sumaryczna objętość powietrza zużyta przez pistolet lakierniczy. Tt TP X (8) T f V A Długość wektorów składowych jest równa ilości pomiarów wykonanych w procesie uczenia sieci. Natomiast wartości oczekiwane Y są wektorem, ponieważ sieć neuronowa wnioskuje stan obniżenia sprawności odzysku ciepła. PODSUMOWANIE Jak wcześniej wspomniano neuronowy system ekspercki wnioskuje stopień obniżenia sprawności odzysku ciepła na podstawie parametrów mierzalnych. Istniej kilka czynników, których nie można zmierzyć lub są uzależnione od trudno definiowalnych parametrów. Dotyczy to przede wszystkim efektywności transferu lakierów na lakierowane powierzchnie. Prowadzi się wiele badań związanych z efektywnością transferu materiałów lakierniczych, jednak jest on również uzależniony od umiejętności lakiernika, jakości i stanu technicznego pistoletu lakierniczego, parametrów lakieru, itp. W związku z tym system ekspercki wskaże predykowany stan obniżenia efektywności odzysku ciepła. Na podstawie neuronowego systemu eksperckiego można określać punkty podejrzane o znacznie obniżenie sprawności odzysku ciepła, wskazujące na potrzebę oczyszczania wymiennika ciepła z osadów lakieru w celu utrzymania odpowiedniej efektywności energetycznej kabiny lakierniczej. Działanie takie pozwoli utrzymywanie niższych kosztów eksploatacji kabiny lakierniczej oraz minimalizację emisji dwutlenku węgla. W artykule przedstawiono koncepcję systemu eksperckiego, w celu realizacji systemu należy przygotować dane do nauki sieci neuronowej. Dane powinny zawierać dane z tysięcy godzin pracy kabiny lakierniczej. Współczesne układy automatyki pozwalają jednak na rejestrację danych i zdalny dostęp do historii zmiennych systemowych sterownika programowalnego. Taka sytuacja pozwala na utworzenie dla każdej kabiny lakierniczej indywidualnego systemu eksperckiego. Bardziej zawansowane sterowniki programowalne pozwalają również na implementację takiego systemu w kodzie sterownika. Streszczenie Renowacyjne kabiny lakiernicze coraz częściej są wyposażane w instalacje odzysku ciepła. W trakcie eksploatacji kabiny lakierniczej na wewnętrznych częściach kanałów wyrzutni odkładają się osady lakierów. Osady te są izolatorami cieplnymi. W wyniku powstawania osadów lakierów sprawność rekuperatora spada. W artykule przedstawiono propozycję neuronowego systemu eksperckiego, który będzie w stanie wnioskować 3533

6 stopień obniżenia sprawności odzysku ciepła na podstawie innych parametrów pracy kabiny lakierniczej. Słowa kluczowe: Kabina lakiernicza, odzysk ciepła, sieci neuronowe Concept of a neural model of heat recovery unit s efficiency decrease in spray booths Abstract Renovation Paint spray boots are increasingly being equipped with the heat recovery systems. During the booth operation, the inner parts of the exhaust ducts are coated by varnish particles sediments. These deposits are thermal insulators. As a result of the of varnish deposits formation heat recovery efficiency reduce. The paper presents a proposition of neural expert system that will be able to infer the degree of heat recovery efficiency decrease, based on other parameters of the spray booth. Keywords: spray booth, heat recovery, neural networks BIBLIOGRAFIA. Abramowski T.: Application of artificial neural networks to assessment of ship manoeuvrability qualities. Polish Maritime Research, No (56) 008 Vol. 5, 008, pp.5-. Cepowski T.: Application of artificial neural networks to approximation and identification of seakeeping performance of a bulk carrier in ballast loading condition. Polish Maritime Research, No 4 (54),Vol. 4, 007, pp Cepowski T.: Approximation of the index for assessing ships sea-keeping performance on the basis of ship design parameters. Polish Maritime Research, No 3 (53),Vol. 4, 007, pp Chan TL, D Arcy JB, Schreck RM. (986) High-solids paint overspray aerosols in a spray painting booth: particle size analysis and scrubber efficiency. Am Ind Hyg Assoc J; 47: Darvin C. H., Cox L. S. & Smith D., (999), Comparative Study of Spray Booth Filter System Efficiency, Journal of the Air & Waste Management Association (999), 49:3, p Flynn M. R. and Sills E. D., On the Use of Computational Fluid Dynamics in the Prediction and Control of Exposure to Airborne Contaminants - an Illustration Using Spray Painting, Ann. occup. Hyg., Vol. 44, No. 3, p. 9-0, Jia Li, Rohan G. Uttarwar, and Yinlun Huang, CFD-Based Modeling and Design for Energy- Efficient VOC Emission Reduction in Surface Coating Systems 8. Królikowski T., Nikończuk P., Bałasz B.: Neural modelling of circumferential grinding of flat surface, Artificial Intelligence Methods, University of Szczecin, Szczecin Królikowski T., Nikończuk P, Przybylski M., Neural Model of Wind Force Coefficients Affecting The Hull,, International Journal of Applied Mechanics and Engineering, vol. 7 0 p Nikończuk P.; Zakrzewski B.: Urządzenie do wymiany powietrza z odzyskiem ciepła, zwłaszcza w komorach lakierniczych, Patent Nr PL748. Nikończuk P., Królikowski, Neuronowy model sił w procesie obwodowego szlifowania powierzchni płaskich, Przegląd Mechaniczny Nr /, str. 8-. Nikończuk P.,Odzysk ciepła w kabinach lakierniczych, Auto Moto Serwis, nr 9/0, str Nikończuk P., Study of Heat Recovery in Spray Booths, Metal Finishing Vol. (6) p Nikończuk P., Królikowski T., Rypina Ł., Stempnakowski Z., Wstępna analiza korzyści ze stosowania innowacyjnego rozwiązania odzysku ciepła w kabinach lakierniczych, Logistyka nr. 3/04 str , 5. Nikończuk P., Królikowski T., Rypina Ł., Analiza strat ciepła w wyniku odpylania podczas procesu obróbki ściernej, Mechanik 09/04; 8-9: Nikończuk P., Preliminary analysis of heat recovery efficiency decrease in paint spray booths, Transactions of the Institute of Metal Finishing 04 VOL 9 NO 5, Nikończuk P., Wstępna analiza zagrożeń w eksploatacji kabin lakierniczych wyposażonych w rekuperatory, Logistyka 5/ Nikończuk P., Dobrzyńska R., Metodyka pomiaru przewodności cieplnej osadów lakierów, Logistyka 6/

7 9. Nikończuk P., Królikowski T., Rypina Ł., Wstępne wyniki modelowania przepływów w kabinie lakierniczej, Logistyka 6/ Schweizer R., Technological Advancements in Overspray Collectors. Metal Finishing, vol. 08, Issue 4, p Wright S. R., Bond J. H., (998) Hazardous waste Minimization of paint overspray via medialess dynamic particle filtration, Final Report 5 Apr 97-5 Jan 98, INNOVATECH, INC, 3535