真空玻璃傳熱過程隔熱性能和質量評價關鍵指標- 傳熱系數(U 值)受真空度影響，難以精確檢測。為實現真空玻璃隔熱性能和質量的快速評定，建立了基于LSSVM 的真空玻璃傳熱過程智能模型，應用MATLAB 軟件和實驗數據，對真空玻璃傳熱過程進行了模擬，在線預測了真空玻璃傳熱后側(非熱源側)的中心溫度。結果表明：模型理論正確，預測迅速(時間<1 s)，誤差小(相對誤差<1.2%)，為真空玻璃隔熱性能和真空玻璃質量的快速評定提供了一種新的技術手段。同時，也為后續研究能將溫度參數預測轉化為傳熱系數預測奠定一定的理論和應用基礎。

　　在全球資源短缺、能源緊張、節能減排呼聲越來越高的今天，世界各國對開發新能源和節能環保給予了極高的重視。建筑能耗作為人類生活起居的耗能大戶，引起了大家的普遍關注。真空技術網(http://www.jnannai.com/)經過相關研究數據顯示，建筑圍護門窗是建筑能耗產生的主要途徑。真空玻璃具有卓越的隔熱保溫性能，應用于玻璃門窗必將產生顯著的節能效果。因此，真空玻璃產業化應用受到了各國政府的大力支持。在評定所生產的真空玻璃的隔熱保溫性能優劣和真空玻璃質量時，“傳熱系數(U 值)”是關鍵的技術指標，其測量成為了一大研究熱點。

　　目前，在歐洲、美國和日本等國，各自形成了一套真空玻璃質量檢測標準，造成同一真空玻璃所測量的傳熱系數不同，無法用于比較評定真空玻璃的隔熱性能和質量。在我國，真空玻璃的研究起步較晚，目前絕大多數還處在真空玻璃傳熱機理研究和傳熱系數理論研究分析計算階段。其中突破性的研究有：2008 年，我國在中空玻璃標準基礎上修訂的真空玻璃相關質量檢測標準中涉及到傳熱系數的理論計算方法。但此方法需要經過氣體輻射熱導、支撐物接觸熱導和殘余氣體對流熱導等計算后，再經公式轉換成傳熱系數(U 值)，過程較為復雜；2012 年，金巖等參照最新國標設計制作的真空玻璃傳熱系數測量儀在實驗室中進行了試用，但還存在一定誤差。實際上，真空玻璃傳熱過程是一個非線性系統，傳熱系數(U 值)主要受真空玻璃的真空度影響。

　　但是，真空玻璃的真空度難以直接檢測，這使得無法快速精確檢測U 值實現真空玻璃的隔熱性能和質量評定。溫度，與真空玻璃傳熱系數有必然關系，而且能直接測量。通常，在相同熱源下，真空玻璃非熱源側溫度越恒定或變化越小，隔熱性能和質量越好。因此，可考慮用此溫度代替U 值評測真空玻璃的隔熱性能和質量。由于真空玻璃在熱源溫度改變時傳熱過程尚無法明確用數學表達式表示，因而本文采用LSSVM 智能建模方法對真空玻璃傳熱過程建立智能模型，并在線預測真空玻璃傳熱后側(非熱源側)中心溫度，研究真空玻璃傳熱性能和真空玻璃質量的快速評測。這可為后續真空玻璃傳熱后側(非熱源側)中心溫度與真空玻璃傳熱系數U 值和真空度的互相轉換研究以及能將真空玻璃傳熱后側(非熱源側) 中心溫度與真空玻璃傳熱系數U 值轉換的真空玻璃隔熱性能檢測儀研究奠定一定的理論和應用基礎。

　　3、基于LSSVM 的真空玻璃傳熱過程模型應用

　　應用MATLAB 軟件、LSSVM1.6 工具箱編程建立真空玻璃傳熱過程LSSVM 模型，并采集實驗數據仿真預測真空玻璃傳熱后側(非熱源側)中心溫度，驗證所建模型的正確有效性。

　　實驗數據來自于簡易真空玻璃傳熱過程實驗：將一陶瓷碗裝滿熱水，在其上蓋一塊真空玻璃，定時用測溫儀測量室溫、熱水溫度和真空玻璃傳熱后側(非熱源側)中心溫度。由于實驗中用的陶瓷碗有一定吸/ 放熱效應，可能對實驗產生影響，將碗的溫度增選為建模輸入變量。實驗中采集11 組實驗數據，每組實驗時隔1 min 采集1次數據，采集12 次，共得到132 組數據。經肉眼法去除粗大誤差后選出120 組數據用于模擬真空玻璃傳熱過程。其中，前60 組數據用于訓練生成真空玻璃傳熱過程LSSVM 智能模型，后60 組用于模型的在線校正和預測真空玻璃傳熱后側(非熱源側)中心溫度。最終，模型仿真預測得到的真空玻璃傳熱后側(非熱源側)中心溫度結果如圖2(藍方實框為實測值，紅空圓為預測值)。

圖2 真空玻璃傳熱后側中心溫度在線預測結果

　　為分析所建LSSVM 模型預測真空玻璃傳熱后側(非熱源側)中心溫度的準確度，采用相對誤差公式(11)對預測的每個數據點進行誤差分析。同時，為觀測模型的預測速度，計算了預測每數據點的過程耗時，運行的計算機主要配置為：處理器：Intel(R)Pentium(R)CPU B950 @ 2.10GHz；內存4GB；操作系統：Windows 7 旗艦版(32 位)。最終得到的每數據點預測的相對誤差如圖3，每數據點預測的過程耗時如圖4。

圖3 真空玻璃傳熱后側中心溫度預測誤差

圖4 真空玻璃傳熱后側中心溫度在線預測過程耗時

　　4、結論

　　上述通過建立智能模型預測過程變量的方法是目前復雜工業過程中用來對難以測量的變量參數進行實時預測/ 估計的常用方法，已在氣體膜分離過程研究中進行了運用。由預測結果可以看到，真空玻璃傳熱過程LSSVM 智能模型預測真空玻璃傳熱后側(非熱源側)中心溫度準確快速，可以得到以下結論：

　　(1)通過建立基于LSSVM 的真空玻璃傳熱過程智能模型對真空玻璃傳熱后側(非熱源側)中心溫度實時估計，可以獲知真空玻璃的隔熱性能優劣和真空玻璃質量。這在一定程度上可以替代難以精確測量的真空玻璃傳熱系數(U 值)快速評測真空玻璃的隔熱性能優劣和真空玻璃質量，為真空玻璃隔熱性能和真空玻璃質量的快速評定提供了一種新的技術手段；

　　(2)基于LSSVM 的真空玻璃傳熱過程智能模型能夠快速準確預測真空玻璃傳熱后側(非熱源側)中心溫度，可為后續研究真空度、U 值與真空玻璃傳熱后側(非熱源側)中心溫度之間的轉換研究和能將溫度參數預測轉化為傳熱系數預測奠定一定的理論和應用基礎。