一种换热强化控制方法及装置与流程

1.本发明涉及智能控制技术，更具体的说，是涉及一种换热强化控制方法及装置。


背景技术：

2.随着电子器件发热功率的不断上升和电子产品体积的不断缩小，对在有限的空间中实现高效散热的需求也不断强化和愈加迫切。
3.当前为了提升流场的换热能力，主要通过改良换热流道的几何模型或通过机械结构施加扰动的方式实现，这两种方式的实现原理本质上的目的都是通过破坏流场内的边界层来达到换热强化的效果。然而，当前的换热强化实现方案仍然不够理想，无法达到最优的流场换热效果。


技术实现要素：

4.有鉴于此，本发明提供了一种换热强化控制方法及装置，以克服现有技术中存在的流场换热效果差问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种换热强化控制方法，包括：
7.获取多个压力测量单元在前k个时间步长测量的压力数据，并基于所述压力数据组建第一矩阵和第二矩阵，k为正整数，所述多个压力测量单元位于流场中，且布置在接近发热器件的流场内壁处，所述第一矩阵用于存储测量的前k-1个时间步长的压力数据，所述第二矩阵用于存储测量的第2个至第k个时间步长的压力数据；
8.基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵；所述预测控制矩阵为第k 1个时间步长下的控制矩阵；
9.基于所述预测控制矩阵控制振动部件的振动频率，以最大化边界层分离，所述振动部件位于所述流场中，且安装于所述发热器件的上游区域的流场内壁上。
10.可选的，基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵，包括：
11.基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，利用在线模态动态分解控制算法，计算得到第k个时间步长的状态矩阵[ak，bk]；
[0012]
基于第k个时间步长的状态矩阵[ak，bk]利用第一预设控制算法，计算得到第k个时间步长下的控制矩阵kk和第k个时间步长下的x矩阵x
k 1
；
[0013]
基于第k个时间步长下的x矩阵x
k 1
利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵；
[0014]
基于第k 1个时间步长的状态矩阵利用第一预设控制算法，计算得到第k 1个时间步长下的控制矩阵。
[0015]
可选的，所述第一矩阵和所述第二矩阵中的元素为所述压力数据的倒数的绝对值；所述第一预设控制算法为线性二次型调节器lqr。
[0016]
可选的，所述基于第k个时间步长下的x矩阵利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵，包括：
[0017]
基于第k个时间步长下的x矩阵，采用公式计算得到第一参数γ；
[0018]
基于第k个时间步长的状态矩阵、所述x矩阵和所述第一参数γ，采用公式计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0019]
可选的，所述基于第k个时间步长下的x矩阵利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵，包括：
[0020]
基于第k个时间步长下的x矩阵确定第k 1个时间步长下的第一矩阵x
k 1
和控制量矩阵u
k 1
；
[0021]
基于所述第一矩阵x
k 1
、所述控制量矩阵u
k 1
和第k 1个时间步长下的第二矩阵y
k 1
，计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0022]
一种换热强化控制装置，包括：
[0023]
数据获取模块，用于获取多个压力测量单元在前k个时间步长测量的压力数据，并基于所述压力数据组建第一矩阵和第二矩阵，k为正整数，所述多个压力测量单元位于流场中，且布置在接近发热器件的流场内壁处，所述第一矩阵用于存储测量的前k-1个时间步长的压力数据，所述第二矩阵用于存储测量的第2个至第k个时间步长的压力数据；
[0024]
矩阵处理模块，用于基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵；所述预测控制矩阵为第k 1个时间步长下的控制矩阵；
[0025]
振动控制模块，用于基于所述预测控制矩阵控制振动部件的振动频率，以最大化边界层分离，所述振动部件位于所述流场中，且安装于所述发热器件的上游区域的流场内壁上。
[0026]
可选的，所述矩阵处理模块包括：
[0027]
第一处理模块，用于基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk利用在线模态动态分解控制算法，计算得到第k个时间步长的状态矩阵[ak，bk]；
[0028]
第二处理模块，用于基于第k个时间步长的状态矩阵[ak，bk]利用第一预设控制算法，计算得到第k个时间步长下的控制矩阵kk和第k个时间步长下的x矩阵x
k 1
；
[0029]
第三处理模块，用于基于第k个时间步长下的x矩阵x
k 1
利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵；
[0030]
第四处理模块，用于基于第k 1个时间步长的状态矩阵利用第一预设控制算法，计算得到第k 1个时间步长下的控制矩阵。
[0031]
可选的，所述第一矩阵和所述第二矩阵中的元素为所述压力数据的倒数的绝对值；所述第一预设控制算法为线性二次型调节器lqr。
[0032]
可选的，所述第三处理模块包括：
[0033]
参数确定模块，用于基于第k个时间步长下的x矩阵，采用公式计算得到第一参数γ；
[0034]
状态矩阵确定模块，用于基于第k个时间步长的状态矩阵、所述x矩阵和所述第一
参数γ，采用公式计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0035]
可选的，所述第三处理模块包括：
[0036]
lqr更新模块，用于基于第k个时间步长下的x矩阵确定第k 1个时间步长下的第一矩阵x
k 1
和控制量矩阵u
k 1
；
[0037]
状态矩阵更新模块，用于基于所述第一矩阵x
k 1
、所述控制量矩阵u
k 1
和第k 1个时间步长下的第二矩阵y
k 1
，计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0038]
经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种换热强化控制方法及装置，方法包括：获取多个压力测量单元在前k个时间步长测量的压力数据，并基于所述压力数据组建第一矩阵和第二矩阵；基于所述第一矩阵、所述第二矩阵和第k个时间步长的控制量，计算预测控制矩阵；基于所述预测控制矩阵控制振动部件的振动频率，以最大化边界层分离，所述振动部件位于所述流场中，且安装于所述发热器件的上游区域的流场内壁上。上述实现方案通过系统识别技术实时测算流场的自然振动频率，并将算得的频率作为输入信号通过压电驱动振动片输入给振动部件，以形成流场内的共振效应，实现了流场换热效果的最大化。
附图说明
[0039]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0040]
图1为本发明实施例公开的流场结构布置示意图；
[0041]
图2为本发明实施例公开的一种换热强化控制方法的流程图；
[0042]
图3为本发明实施例公开的确定预测控制矩阵的流程图；
[0043]
图4为本发明实施例公开的一种获得下一个时间步长状态矩阵的流程图；
[0044]
图5为本发明实施例公开的另一种获得下一个时间步长状态矩阵的流程图；
[0045]
图6为本发明实施例公开的一种换热强化控制装置的结构示意图。
具体实施方式
[0046]
为了引用和清楚起见，下文中使用的技术名词的说明、简写或缩写总结如下：
[0047]
lqr：linear quadratic regulator,即线性二次型调节器，lqr可得到状态线性反馈的最优控制规律，易于构成闭环最优控制。lqr最优控制利用廉价成本可以使原系统达到较好的性能指标(事实也可以对不稳定的系统进行整定)，而且方法简单便于实现。
[0048]
odmdc:on-line dynamic mode decomposition control，在线动态模态分解控制算法。其中，动态模式分解是一种降维算法。对于一组时空耦合的数据，dmd能够便捷的提取出空域分量对应的时域的变化过程(模式)，这种模式都与固定的振荡频率和衰减/增长率相关。dmd被广泛的应用非线性力学的研究中，主要通过使用线性方程组来拟合非线性的动力学问题，继而进行研究。
[0049]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
为了更好的理解本发明实施例公开的换热强化控制方法，首先对该方法的应用场景以及现有增加流场散热效果的技术方案做如下介绍：图1为本发明实施例公开的流场结构布置示意图，参见图1所示，在流体(如液体、气体等)的流通管道(简称流道)中，流体从左向右流动，在流道外壁面下方紧贴发热器件，流体从流道流过带走发热器件产生的热量从而实现散热。在常规的流道中，流体边界层会随着离入口距离越远不断变厚，边界层加厚会导致散热效果劣化。本发明实施例散热优化方法围绕边界层分离和破坏的技术展开，而边界层分离在测量中体现为逆向压力梯度。本发明实现场景中，可以通过测量局部压力分布并反馈给振动部件实现反馈控制循环，如图1所示，在发热器件上游的流道内壁上布置一个振动部件，图1中以压电驱动振动片为例示出，并在压电驱动振动片下游接近发热器件的流场内壁处布置一系列压力测量单元以测量局部压力分布，如压力传感器，这些压力测量单元可以是等距布置，也可是非等距布置，用于测量流场内部接近壁面处的压力值；多个压力测量单元沿流体流动方向依次布置。其中，压力测量单元测量的局部压力分布也就是发热器件在流畅中所在局部对应的压力分布。可以理解的是，在实际应用中，振动部件也可以为除压电驱动振动片外的其他能够控制振动频率的振动装置，本发明实施例对此并不做限定。
[0051]
其中，边界层分离是一种现象，但如果要利用这种现象就需要一种量化手段。边界层分离时接近壁面的部分会出现负压力，即逆向压力梯度；负压力越大，边界层分离程度越大，局部换热效果就越好。使边界层分离的一种方法是施加扰动，也即图1中压电驱动振动片的作用。
[0052]
本发明实施例中，可以设定：
[0053]
uk＝-kkxkꢀꢀ
(1)
[0054][0055]
其中，uk为压电驱动振动片的输入量，而xk为压力传感器测得的压力数据的倒数的绝对值组成的向量，也是系统的状态量，kk为控制矩阵。由于上述公式对应的是一个时变系统，因此公式(1)中的三个量均为随时间变化的量，公式(1)和(2)中的k表示是第k个时间步长的量。p是压力传感器的测得的压力数据(也即压力值)，以图1中有16个压力传感器为例，测得的压力数据的数量为16个，这个向量中有16个元素，每个元素为一个压力传感器测得的压力数据的倒数的绝对值。
[0056]
需要说明的是，基于前述逆向压力梯度的说明，由于边界层分离时接近壁面的部分出现的是负压力，因此当负压力的绝对值最大时，就是负压力最大。由此想要最大化边界层分离，就需要最大化局部压力的绝对值。同时由于控制算法本身特性，需要将求最大值的问题转换为求最小值的问题，所以公式(2)中的元素是对测量的压力数据进行了绝对值加倒数的处理。
[0057]
为了实现从状态量到输入量的变化，需要选择合适的控制算法来确定控制矩阵k，本发明实施例中，控制算法可以使用线性二次型调节器，即lqr，lqr在具有系统模型信息的
情况下能够实现精准控制，其具体形式为：
[0058]
k＝(r b
t
pb)-1bt
pa
ꢀꢀꢀꢀꢀꢀ
(3)
[0059]
p＝a
t
pa-a
t
pb(b
t
pb r)-1
(a
t
pb)
t
q
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0060]
x
k 1
＝axk buk＝[ab][xkuk]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0061]
xk≡[x1，x2，...，x
k-1
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0062]
uk≡[u1，u2，...，u
k-1
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0063]
公式(4)用于求解p需要通过迭代求解，现已有成熟的求解器，且计算成本较低，能够实现实时求解。其中q，r为设计值(q，r是在设计阶段进行调参获得的值，通过改变q，r可以改变控制器的性能)，可通过实验调参获得。公式(5)是用于估计边界层分离状态的模型，本发明实施例中其为状态空间模型；状态量x是压电驱动振动片下游(流道的下游)的压力分布，a，b为状态空间模型的矩阵，通过系统识别算法获得。上述公式中x是系统的状态量(压力)，u是系统的输入量(振动频率)，q，r需要在设计环节中进行试错得出合适的值。另外，本文公式中下标1，2，
……
k-1，k，k 1表示相应的时间步长，如x
k 1
表示第k个时间步长的状态量，公式中上标“t”表示对矩阵求转置。
[0064]
在状态空间模型中，也即公式(5)中，x
k 1
＝axk buk为标准的状态空间模型表示，[a b][x
k uk]
t
为对状态空间模型的等价变形。之所以需要对状态空间模型进行变形，是因为需要将其更好的应用于换热强化控制方案。
[0065]
结合上述公式(5)，由于边界层分离程度越大，x
k 1
越小，所以只有获得了x
k 1
，并把这个量告知控制器，控制器才能发挥作用。公式(5)就是求x
k 1
，求算x
k 1
的目的是为了让控制器发挥作用。
[0066]
上述公式中，公式(5)是估计边界层分离状态的模型，公式(3)和公式(4)是控制算法，实际应用中就是通过把公式(3)-(7)部署到控制器中实现功能的。
[0067]
结合图1和前述内容，由于控制的目的是要让压力分布产生不稳定性(压力的绝对值变大代表边界层被破坏，换热得到强化)，使得16个压力传感器位置处产生共振，所以最大化压力的绝对值是控制目标，而lqr算法通过最小化目标函数的方式来计算控制矩阵，所以公式(2)中使用了压力的绝对值的倒数。
[0068]
a，b通过压力传感器收集的压力数据解算得到并使用在线模态动态分解控制算法(odmdc)进行系统识别。求解(4)获得p后代入(3)可得到控制矩阵k。模态动态分解控制算法可以根据前几个时间步长内的测量信号预测未来几个时间步长内的信号。对于没有明显规律的非线性系统，模态动态分解控制算法能够有效预测的时间窗口较短，这意味着由模态动态分解控制算法生成的模型具有时限性。但是由于模态动态分解控制算法属于轻量级算法，经过后来改进诞生的odmdc算法可以根据测量值的演进不断更新模型，从而始终能够有效预测未来几个时间步长内的信号。同时lqr控制器也可以根据odmdc更新的模型更新自己的控制矩阵，从而实现有效控制。
[0069]
基于以上内容，本发明提出了一种换热强化控制方法，实现对边界层分离进行量化处理。
[0070]
图2为本发明实施例公开的一种换热强化控制方法的流程图，参见图2所示，换热强化控制方法可以包括：
[0071]
步骤201：获取多个压力测量单元在前k个时间步长测量的压力数据，并基于所述
压力数据组建第一矩阵和第二矩阵。
[0072]
其中，k为正整数，所述多个压力测量单元(如压力传感器)位于流场中，且布置在接近发热器件的流场内壁处，所述第一矩阵用于存储测量的前k-1个时间步长的压力数据，所述第二矩阵用于存储测量的第2个至第k个时间步长的压力数据。
[0073]
具体的，所述第一矩阵和所述第二矩阵中的元素可以为所述压力数据的倒数的绝对值。所述第一矩阵和所述第二矩阵中包含的数据不完全相同，其数据具有错位的特点，例如，第一矩阵包括[a，b，c，d，e，f]，第二矩阵包括[b，c，d，e，f，g]；由于系统为时变系统，新的测量数据会不断产生，因此，两个矩阵具有错位差，结合其他算法才能够实现后续相关数据的预测。
[0074]
步骤202：基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵；所述预测控制矩阵为第k 1个时间步长下的控制矩阵。
[0075]
基于前述不同公式间的关系，将第一矩阵和第二矩阵代入包含所述第一矩阵和所述第二矩阵的公式，可以得到当前控制矩阵。具体的，可采用线性二次调节器得到所述当前控制矩阵，以实现状态量到输入量的转变。在获得当前控制矩阵后，可以进一步采用已经获得的数据计算得到下一个时间步长的预测控制矩阵。具体如何实现基于第一矩阵xk、第二矩阵yk和第k个时间步长的预测控制量矩阵uk，计算控制矩阵，将在后面的内容中详细介绍，在此不再过多说明。
[0076]
步骤203：基于所述预测控制矩阵控制振动部件的振动频率，以最大化边界层分离，所述振动部件位于所述流场中，且安装于所述发热器件的上游区域的流场内壁上。
[0077]
本发明实施例公开的换热强化控制方法的控制原理是控制振动部件以流场实时的自然振动频率进行振动，以形成共振效应，实现边界层分离的最大化，从而达到最佳的换热优化效果。因此所述预测控制矩阵与下一时间步长的流场自然频率相关。具体的，本发明根据传感器反馈，使用基于模型的控制，根据流场特点实时给出最优的振动频率，最大限度的利用了振动强化换热的效力。
[0078]
需要说明的是，本发明的目的是使压力传感器处产生共振破坏分离层，一个宏观视角下的思路是：目的是要强化局部换热——强化局部换热需要局部的边界层被破坏——要破坏局部的边界层需要局部压力分布变得不稳定(是压力分布，因此需要布置一排压力传感器)——局部压力分布变得不稳定需要用数学语言表达才能让控制器理解——用数学公式表达局部压力分布变得不稳定就是达到最小值。
[0079]
本实施例所述换热强化控制方法，通过系统识别技术实时测算流场的自然振动频率，并将算得的频率作为输入信号通过压电驱动振动片输入给振动部件，以形成流场内的共振效应，实现了流场换热效果的最大化。
[0080]
图3为本发明实施例公开的确定预测控制矩阵的流程图，参见图3所示，所述基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵，可以包括：
[0081]
步骤301：基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，利用在线模态动态分解控制算法，计算得到第k个时间步长的状态矩阵[ak，bk]。
[0082]
步骤302：基于第k个时间步长的状态矩阵[ak，bk]利用第一预设控制算法，计算得到第k个时间步长下的控制矩阵kk和第k个时间步长下的x矩阵x
k 1
。
[0083]
一个示例中，计算获得第k个时间步长下的控制矩阵kk的实现可以包括：
[0084]
收集前k个步长的压力数据(列向量)x1，x2，..，xk，并组建第一矩阵xk和第二矩阵yk，其中yk的定义为：
[0085]
yk≡[x2，x3，...，xk]
ꢀꢀ
(8)
[0086]
定义zk＝[x
k uk]
t
，并求得
[0087][0088]
定义gk＝[a
k bk]，并求得gk：
[0089][0090]
公式(8)、公式(9)和公式(10)即构成在线模态动态分解控制算法，利用公式(8)、公式(9)和公式(10)求得第k个时间步长的状态矩阵[ak，bk]后，按公式(3)～(7)计算第k个时间步长下的控制矩阵kk。
[0091]
而对于第k个时间步长下的x矩阵x
k 1
，在已知第k个时间步长的状态矩阵[ak，bk]的前提下，可以将状态矩阵[ak，bk]代入公式(5)，得到第k个时间步长下的x矩阵x
k 1
。
[0092]
步骤303：基于第k个时间步长下的x矩阵x
k 1
利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵。
[0093]
步骤304：基于第k 1个时间步长的状态矩阵利用第一预设控制算法，计算得到第k 1个时间步长下的控制矩阵，也即预测控制矩阵。
[0094]
上述内容中，所述第一矩阵和所述第二矩阵中的元素为所述压力数据的倒数的绝对值。所述第一预设控制算法为线性二次型调节器lqr。当然，第一预设控制算法还可以有不同的实现，例如其还可以是神经网络。
[0095]
图4为本发明实施例公开的一种获得下一个时间步长状态矩阵的流程图，参见图4所示，一个实现中，所述基于第k个时间步长下的x矩阵利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵，可以包括：
[0096]
步骤401：基于第k个时间步长下的x矩阵确定第k 1个时间步长下的第一矩阵x
k 1
和控制量矩阵u
k 1
。
[0097]
步骤402：基于所述第一矩阵x
k 1
、所述控制量矩阵u
k 1
和第k 1个时间步长下的第二矩阵y
k 1
，计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0098]
该实现中，是采用获得的最新的x矩阵不断迭代计算，获得下一个时间步长的状态矩阵，反复套用线性二次型调节器lqr，得到下一个时间步长的控制矩阵，也即预测控制矩阵。具体的，得当前控制矩阵后，用其迭代更新模型矩阵，基于公式(3)-(7)计算得到表征下一个时间步长的预测控制矩阵。所述预测控制矩阵与下一时间步长的流场自然频率相关。
[0099]
实际应用中，由于刚开始没有任何数值，因此以上算法需要迭代数个时间步长才能生效，而输入矩阵的初值可以随机选取，通常使用单位矩阵。
[0100]
图5为本发明实施例公开的另一种获得下一个时间步长状态矩阵的流程图，参见图5所示，另一个实现中，所述基于第k个时间步长下的x矩阵利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵，可以包括：
[0101]
步骤501；基于第k个时间步长下的x矩阵，采用公式(11)计算得到第一参数γ。
[0102][0103]
步骤502：基于第k个时间步长的状态矩阵、所述x矩阵和所述第一参数γ，采用公式(12)计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0104][0105]
相对于图4对应的实现，本技术计算得到第k 1个时间步长的状态矩阵g
k 1
的实现不用反复迭代计算，而是通过公式(11)和公式(12)就能够计算得到第k 1个时间步长的状态矩阵g
k 1
，过程大大减少了计算量，实现更加简便。
[0106]
前述公式(8)到公式(10)的实现为在线模态动态分解控制算法odmdc，odmdc是近年来才诞生的算法，而lqr是有很多年历史的算法，lqr在这么多年的历史中并没有得到广泛的应用，主要原因是它需要模型信息作为输入才能实现较好的控制效果，而odmdc刚好可以通过测量值生成优质的模型信息，所以因为odmdc的诞生才可以使用lqr进行精确控制。与lqr类似的控制算法有很多，关键在于有odmdc算法获得了宝贵的模型信息才能精确控制，因此也可以用odmdc结合其他控制算法(比如神经网络)实现控制。
[0107]
按照上述步骤执行的控制算法可以通过测算流体和流道壁面接触面上的压力分布来评估边界层分离的情况，并利用lqr算法的机制最大化局部的边界层分离从而达到强化换热的方法。
[0108]
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0109]
上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。
[0110]
图6为本发明实施例公开的一种换热强化控制装置的结构示意图，参见图6所示，换热强化控制装置60可以包括：
[0111]
数据获取模块601，用于获取多个压力测量单元在前k个时间步长测量的压力数据，并基于所述压力数据组建第一矩阵和第二矩阵。
[0112]
其中，k为正整数，所述多个压力测量单元位于流场中，且布置在接近发热器件的流场内壁处，所述第一矩阵用于存储测量的前k-1个时间步长的压力数据，所述第二矩阵用于存储测量的第2个至第k个时间步长的压力数据。
[0113]
矩阵处理模块602，用于基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk，计算预测控制矩阵；所述预测控制矩阵为第k 1个时间步长下的控制矩阵。
[0114]
振动控制模块603，用于基于所述预测控制矩阵控制振动部件的振动频率，以最大化边界层分离，所述振动部件位于所述流场中，且安装于所述发热器件的上游区域的流场内壁上。
[0115]
本实施例所述换热强化控制装置，通过系统识别技术实时测算流场的自然振动频率，并将算得的频率作为输入信号通过压电驱动振动片输入给振动部件，以形成流场内的共振效应，实现了流场换热效果的最大化。
[0116]
一个实现中，所述矩阵处理模块包括：
[0117]
第一处理模块，用于基于所述第一矩阵xk、所述第二矩阵yk和第k个时间步长的控制量矩阵uk利用在线模态动态分解控制算法，计算得到第k个时间步长的状态矩阵[ak，bk]；
[0118]
第二处理模块，用于基于第k个时间步长的状态矩阵[ak，bk]利用第一预设控制算法，计算得到第k个时间步长下的控制矩阵kk和第k个时间步长下的x矩阵x
k 1
；
[0119]
第三处理模块，用于基于第k个时间步长下的x矩阵x
k 1
利用第二预设控制算法，计算得到第k 1个时间步长的状态矩阵；
[0120]
第四处理模块，用于基于第k 1个时间步长的状态矩阵利用第一预设控制算法，计算得到第k 1个时间步长下的控制矩阵。
[0121]
一个实现中，所述第一矩阵和所述第二矩阵中的元素为所述压力数据的倒数的绝对值；所述第一预设控制算法为线性二次型调节器lqr。
[0122]
一个实现中，所述第三处理模块包括：
[0123]
参数确定模块，用于基于第k个时间步长下的x矩阵，采用公式计算得到第一参数γ；
[0124]
状态矩阵确定模块，用于基于第k个时间步长的状态矩阵、所述x矩阵和所述第一参数γ，采用公式计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0125]
一个实现中，所述第三处理模块包括：
[0126]
lqr更新模块，用于基于第k个时间步长下的x矩阵确定第k 1个时间步长下的第一矩阵x
k 1
和控制量矩阵u
k 1
；
[0127]
状态矩阵更新模块，用于基于所述第一矩阵x
k 1
、所述控制量矩阵u
k 1
和第k 1个时间步长下的第二矩阵y
k 1
，计算得到第k 1个时间步长的状态矩阵g
k 1
。
[0128]
上述实施例中的所述的任意一种热强化控制装置包括处理器和存储器，上述实施例中的数据获取模块、矩阵处理模块、振动控制模块、第一处理模块、第二处理模块、第三处理模块、第四处理模块、参数确定模块、状态矩阵确定模块、lqr更新模块、状态矩阵更新模块模块等均作为程序模块存储在存储器中，由处理器执行存储在所述存储器中的上述程序模块来实现相应的功能。
[0129]
处理器中包含内核，由内核去存储器中调取相应的程序模块。内核可以设置一个或多个，通过调整内核参数来实现回访数据的处理。
[0130]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0131]
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述实施例中所述的换热强化控制方法。
[0132]
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述实施例中所述的换热强化控制方法。
[0133]
进一步，本实施例提供了一种电子设备，包括处理器以及存储器。其中存储器用于存储所述处理器的可执行指令，所述处理器配置为经由执行所述可执行指令来执行上述实施例中所述的换热强化控制方法。
[0134]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0135]
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0136]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0137]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。