CN116538072B - 一种微型隔膜水泵的mcu调速智能控制系统 - Google Patents
一种微型隔膜水泵的mcu调速智能控制系统 Download PDFInfo
- Publication number
- CN116538072B CN116538072B CN202310825240.4A CN202310825240A CN116538072B CN 116538072 B CN116538072 B CN 116538072B CN 202310825240 A CN202310825240 A CN 202310825240A CN 116538072 B CN116538072 B CN 116538072B
- Authority
- CN
- China
- Prior art keywords
- time
- real
- rotating speed
- motor
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 167
- 238000012549 training Methods 0.000 claims abstract description 58
- 230000002787 reinforcement Effects 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000001105 regulatory effect Effects 0.000 claims abstract description 20
- 230000010354 integration Effects 0.000 claims abstract description 14
- 230000001276 controlling effect Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001595 flow curve Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000007363 regulatory process Effects 0.000 abstract description 2
- 239000007921 spray Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005381 potential energy Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/20—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00 by changing the driving speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
Abstract
本发明公开了一种微型隔膜水泵的MCU调速智能控制系统，涉及水泵智能调速技术领域，通过设置组件信息收集模块收集带有MCU调速智能控制器的微型隔膜水泵在测试运作过程中各个组件的物理数据，设置数据整合模块用于对组件的物理数据进行整合，获得转速‑承压曲线，并对转速‑承压曲线进行机器学习模型的拟合，设置模型训练模块根据微型隔膜水泵的历史数据，训练出调控电机转速的深度强化学习模型，设置智能调速模块为用户在实际使用带有控制器的微型隔膜水泵时，对电机的转速实时生成智能调速的决策；实现了在对电机转速调速过程中，智能调控机械阀的出水量与水泵承受压力的平衡效果。
Description
技术领域
本发明属于水泵智能调速技术领域，具体是一种微型隔膜水泵的MCU调速智能控制系统。
背景技术
隔膜泵被应用于现代的咖啡机，地拖，洗地机，饮水机，烤箱等家电中，但是目前微型隔膜水泵也存在较多缺点，低压隔膜水泵的在某些家电上使用时，也会有一些不尽如意的地方，甚至可能导致家电的生命周期缩短，比如在洗地机上使用时，有可能出现水泵机械阀损坏或被堵塞的工况，即水泵喷水过程中，机械阀的流量因堵塞或损坏导致流量降低，但水泵转速不变，因此水泵出水量不变，此时水泵将承受水泵崩口被阻塞的压力，这对水泵的内部传动件会严重磨损；因此亟需一种根据机械阀的水流流量和水泵的流量之间的差异，对水泵转速进行智能调整，从而减少水泵承受的压力；
为此，提出一种微型隔膜水泵的MCU调速智能控制系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种微型隔膜水泵的MCU调速智能控制系统，该一种微型隔膜水泵的MCU调速智能控制系统实现了在对电机转速调速过程中，智能调控机械阀的出水量与水泵承受压力的平衡效果。
为实现上述目的，根据本发明的第一方面的实施例提出一种微型隔膜水泵的MCU调速智能控制系统，包括组件信息收集模块、数据整合模块、模型训练模块以及智能调速模块；其中，各个模块之间通过电气和/或无线网络方式连接；
其中，所述组件信息收集模块主要用于收集带有MCU调速智能控制器的微型隔膜水泵在测试运作过程中各个组件的物理数据；将MCU调速智能控制器标记为控制器；
其中，所述的组件信息包括电机物理数据、泵头物理数据以及机械阀物理数据；
所述电机物理数据包括电机实时转速、实时电压以及实时电流；其中，电机的转速、电压和电流通过连接转速传感器、电压传感器和电流传感器分别实时获得；
所述泵头物理数据包括泵头基础物理数据以及泵头实时物理数据；
其中，所述泵头基础物理数据包括泵头进出口状态、泵头内腔的有效容积、泵头的完整的工作周期；其中，所述泵头进出口状态包括：进口开启、出口关闭或进口关闭、出口开启两种状态；
所述泵头实时物理数据包括泵头实时转速以及泵头实时实际水流流量；其中，泵头实时转速和泵头实时实际水流流量分别使用转速传感器和流量传感器实时获得；
所述机械阀物理数据包括通过机械阀的机械阀实时水流流量；该机械阀实时水流流量使用流量传感器实时获得；
所述组件信息收集模块将组件的物理数据发送至数据整合模块；
其中，所述数据整合模块主要用于对组件的物理数据进行整合，获得转速-承压曲线，并对转速-承压曲线进行机器学习模型的拟合；
所述对水流流量曲线进行机器学习模型的拟合包括以下步骤：
步骤S1：根据泵头基础物理数据以及泵头实时转速，计算出泵头理论水流流量；其中，计算出泵头理论水流流量的方式为：
将进口开启、出口关闭的时长标记为A，将进口关闭、出口开启的时长标记为B，将理论水流流量标记为Q，将一个完整的工作周期标记为T，将泵头内腔的有效容积标记为V，将泵头的实时转速标记为n，则理论水流流量的计算公式为；
步骤S2：将泵头的实际实时水流流量标记为Qs，计算出泵头出水流量的误差比值w；其中，误差比值w的计算公式为；
步骤S3：分别获取随时间运转的电机实时转速、泵头实时转速、泵头实际实时水流流量以及机械阀实时水流流量的时间曲线；
步骤S4：将时间标记为t，将t时刻泵头实际实时水流流量标记为Qst，将t时刻机械阀实时水流流量标记为Pt；计算t时刻释压系数rt，其中释压系数rt的计算公式为；获得随时间运转的释压系数的时间曲线；
步骤S5：获取t时刻的电机实时转速以及释压系数，并绘制出以电机实时转速为自变量，以释压系数为因变量的时间曲线；该时间曲线即为转速-承压曲线；
步骤S6：根据电机转速与释压系数之间的曲线关系，使用机器学习模型拟合出电机转速与释压系数之间的函数关系，将拟合后的机器学习模型标记为M1；
所述数据整合模块将机器学习模型M1发送至模型训练模块；
其中，所述模型训练模块主要用于根据微型隔膜水泵的历史数据，训练出调控电机转速的深度强化学习模型；
所述模型训练模块训练出调控电机转速的深度强化学习模型包括以下步骤：
步骤P1：收集历史中若干微型隔膜水泵的电机的训练曲线组合；所述训练曲线组合包括转速变化曲线以及机械阀实时水流流量曲线；
步骤P2：在每个电机的转速变化曲线中，收集每个时刻t的转速，将转速输入至机器学习模型M1，获得对应时刻的释压系数；
步骤P3：将每组训练数据转化为深度强化学习模型接受的训练元组集合的形式；
将每组训练数据转化为深度强化学习模型接受的训练元组集合的形式的方式为：
将每组训练数据中，每个时刻的电机的转速作为初始状态空间；
将每组训练数据中，下个时刻的电机转速与当前时刻电机转速的变化值作为执行的动作；
将每组训练数据中，每个时刻的机械阀实时水流流量以及释压系数得加权和作为当前的Q值；具体的，机械阀实时水流流量以及释压系数的权重根据实际需求设置；
将下一个时刻的电机转速作为结果状态空间；
每一时刻的初始状态空间、执行的动作、当前的Q值以及结果状态空间所组成的元组即为训练元组，所有时刻的训练元组的集合即为训练元组集合；
步骤P4：将训练元组集合作为输入，输入值深度Q网络中，生成为每一时刻，决策出需要对电机的转速进行改变的变化值的深度强化学习模型；将训练完成的深度强化学习模型标记为M2；
所述模型训练模块将训练完成的深度强化学习模型发送至智能调速模块；
所述智能调速模块为用户在实际使用带有控制器的微型隔膜水泵时，对电机的转速实时生成智能调速的决策；
所述智能调速模块对电机的转速实时生成智能调速的决策的方式为：
每隔预设的曲线更新时长，获取新的释压系数rt的时间曲线，为用户的带有控制器的微型隔膜水泵生成新的机器学习模型；该机器学习模型用于拟合电机转速与释压系数之间的函数关系；
在用户的带有控制器的微型隔膜水泵中的控制器内部装载深度强化学习模型M2，并在机械阀处安装流量监控传感器；
控制器实时根据电机的转速计算当前的释压系数，基于当前机械阀的实时水流流量以及释压系数，使用深度强化学习模型M2实时生成电机转速的变化值的决策。
与现有技术相比，本发明的有益效果是：
本发明通过预先收集若干微型隔膜水泵泵水的测试数据，基于测试数据获得电机实时转速、泵头实时转速、泵头实际实时水流流量以及机械阀实时水流流量的时间曲线，基于各条时间曲线，使用机器学习模型拟合出电机转速与水泵承受的压力之间的函数关系，从而实现在输入电机转速后，获得在该转速下水泵承受的压力，再基于历史数据，训练出可实时决策电机转速的变化值得深度强化学习模型；实现了在对电机转速调速过程中，智能调控机械阀的出水量与水泵承受压力的平衡效果。
附图说明
图1为带有MCU调速智能控制器的微型隔膜水泵的结构图；
图2为本发明的MCU调速智能控制系统的模块连接关系图。
实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，带有MCU调速智能控制器的微型隔膜水泵的结构图，图中的MCU控制器与电机的一端以电气方式连接，用于实时向电机发送转速控制指令以控制电机转速，同时电机向MCU控制器发送电机实时状态；电机的另一端与微型隔膜水泵的泵头的电源线以电气方式连接，电机用于带动泵头来泵送水箱中的水，泵送的水的流量与泵头的转速相关，而泵头的转速由电机的转速决定；微型隔膜水泵的一端以管道方式接有水箱，在泵头接电工作时，微型隔膜水泵的隔膜和泵体之间形成一个密闭的腔，当隔膜向前运动时，腔内的压力降低，泵体内部形成负压，吸入介质；当隔膜向后运动时，腔内的压力升高，水箱中的水被压出，压出的水通过管道与微型隔膜水泵另一端连接的打开的机械阀向外喷水；
在微型隔膜水泵的实际使用过程中，机械阀或管道内部出现故障或阻塞时，出水口流量降低，但水泵连接的电机依然以相同的转速运转，此时水泵将承受水泵的压力，这对水泵的内部传动件会严重磨损；
例如在实际机器操作过程中，经过实际实验可以获得如下数据：
水泵正常控制时，当机械阀开，水泵正常泵水，水泵此时转速nm=6000rpm，水泵受到水喷头的负载的电势能为100E%；
水泵当机械阀关，水泵不泵水，但电机正常工作，水泵此时转速nt=7000rpm，水泵受到水喷头的负载电势能为100E%；
而当水泵采用MCU智能控制时，当U1机械阀开，水泵MCU控制泵水，水泵此时转速nt=3600rpm，水泵受到水喷头的负载电势能为60E%；
在MCU智能控制（调压调速）下，当U1机械阀开，转速nt=3600rpm，当机械阀U1关闭后转速会立即提高，当提高10%时自动降压降速，使水泵在低转速低负载下工作；从而使水泵在受到较大负载下时自动降低转速，使水泵的压力及流量降低，避免了在高转速和高负载下损坏水泵的电机和传动部件；
但在更复杂的场景中，例如机械阀连接的水喷头被堵塞，水流量降低时，需要根据水流量的速度来实时决策如何对电机转速进行调速；
实施例
如图2所示，本实施例所述的一种微型隔膜水泵的MCU调速智能控制系统，包括组件信息收集模块、数据整合模块、模型训练模块以及智能调速模块；其中，各个模块之间通过电气和/或无线网络方式连接；
其中，所述组件信息收集模块主要用于收集带有MCU调速智能控制器的微型隔膜水泵在测试运作过程中各个组件的物理数据；将MCU调速智能控制器标记为控制器；
其中，所述的组件信息包括电机物理数据、泵头物理数据以及机械阀物理数据；
在一个优选的实施例中，所述电机物理数据包括电机实时转速、实时电压以及实时电流；其中，电机的转速、电压和电流通过连接转速传感器、电压传感器和电流传感器分别实时获得；
所述泵头物理数据包括泵头基础物理数据以及泵头实时物理数据；
其中，所述泵头基础物理数据包括泵头进出口状态、泵头内腔的有效容积、泵头的完整的工作周期；其中，所述泵头进出口状态包括：进口开启、出口关闭或进口关闭、出口开启两种状态；
所述泵头实时物理数据包括泵头实时转速以及泵头实时实际水流流量；其中，泵头实时转速和泵头实时实际水流流量分别使用转速传感器和流量传感器实时获得；
所述机械阀物理数据包括通过机械阀的机械阀实时水流流量；该机械阀实时水流流量使用流量传感器实时获得；
需要说明的是，上述数据均为在生产工厂中进行测试的测试数据，该过程的目的是为了研究如何实现最优的电机转速调控；
所述组件信息收集模块将组件的物理数据发送至数据整合模块；
其中，所述数据整合模块主要用于对组件的物理数据进行整合，获得转速-承压曲线，并对转速-承压曲线进行机器学习模型的拟合；
在一个优选的实施例中，所述数据整合模块对水流流量曲线进行机器学习模型的拟合包括以下步骤：
步骤S1：根据泵头基础物理数据以及泵头实时转速，计算出泵头理论水流流量；其中，计算出泵头理论水流流量的方式为：
将进口开启、出口关闭的时长标记为A，将进口关闭、出口开启的时长标记为B，将理论水流流量标记为Q，将一个完整的工作周期标记为T，将泵头内腔的有效容积标记为V，将泵头的实时转速标记为n，则理论水流流量的计算公式为；可以理解的是，其中/>为泵头的占空比；
步骤S2：将泵头的实际实时水流流量标记为Qs，计算出泵头出水流量的误差比值w；其中，误差比值w的计算公式为；可以理解的是，该误差比值为泵头出厂时因设计或组装时产生的实际出水量与理论出水量之间的误差系数；
步骤S3：分别获取随时间运转的电机实时转速、泵头实时转速、泵头实际实时水流流量以及机械阀实时水流流量的时间曲线；
步骤S4：将时间标记为t，将t时刻泵头实际实时水流流量标记为Qst，将t时刻机械阀实时水流流量标记为Pt；计算t时刻释压系数rt，其中释压系数rt的计算公式为；获得随时间运转的释压系数的时间曲线；可以理解的是，此时水泵所承受的压力占泵出的水压的比例为1-rt；需要说明的是，此释压系数是在实验过程中计算出的，在用户实际使用过程中，可依据实际的微型隔膜水泵的具体运转数据来进行重新计算；
步骤S5：获取t时刻的电机实时转速以及释压系数，并绘制出以电机实时转速为自变量，以释压系数为因变量的时间曲线；可以理解的是，该时间曲线描述的是电机转速与释压系数之间的曲线关系，从而用于指导调节电机转速，以获取合适的释压系数；该时间曲线即为转速-承压曲线；
步骤S6：根据电机转速与释压系数之间的曲线关系，使用机器学习模型拟合出电机转速与释压系数之间的函数关系，将拟合后的机器学习模型标记为M1；
所述数据整合模块将机器学习模型M1发送至模型训练模块；
其中，所述模型训练模块主要用于根据微型隔膜水泵的历史数据，训练出调控电机转速的深度强化学习模型；
在一个优选的实施例中，所述模型训练模块训练出调控电机转速的深度强化学习模型包括以下步骤：
步骤P1：收集历史中若干微型隔膜水泵的电机的训练曲线组合；所述训练曲线组合包括转速变化曲线以及机械阀实时水流流量曲线；
步骤P2：在每个电机的转速变化曲线中，收集每个时刻t的转速，将转速输入至机器学习模型M1，获得对应时刻的释压系数；
步骤P3：将每组训练数据转化为深度强化学习模型接受的训练元组集合的形式；
优选的，转化的方式为：
将每组训练数据中，每个时刻的电机的转速作为初始状态空间；
将每组训练数据中，下个时刻的电机转速与当前时刻电机转速的变化值作为执行的动作；
将每组训练数据中，每个时刻的机械阀实时水流流量以及释压系数得加权和作为当前的Q值；具体的，机械阀实时水流流量以及释压系数的权重根据实际需求设置；
将下一个时刻的电机转速作为结果状态空间；
每一时刻的初始状态空间、执行的动作、当前的Q值以及结果状态空间所组成的元组即为训练元组，所有时刻的训练元组的集合即为训练元组集合；
步骤P4：将训练元组集合作为输入，输入值深度Q网络中，生成为每一时刻，决策出需要对电机的转速进行改变的变化值的深度强化学习模型；将训练完成的深度强化学习模型标记为M2；
所述模型训练模块将训练完成的深度强化学习模型发送至智能调速模块；
所述智能调速模块为用户在实际使用带有控制器的微型隔膜水泵时，对电机的转速实时生成智能调速的决策；
在一个优选的实施例中，所述智能调速模块对电机的转速实时生成智能调速的决策的方式为：
每隔预设的曲线更新时长，获取新的释压系数rt的时间曲线，为用户的带有控制器的微型隔膜水泵生成新的机器学习模型；该机器学习模型用于拟合电机转速与释压系数之间的函数关系；
在用户的带有控制器的微型隔膜水泵中的控制器内部装载深度强化学习模型M2，并在机械阀处安装流量监控传感器；
控制器实时根据电机的转速计算当前的释压系数，基于当前机械阀的实时水流流量以及释压系数，使用深度强化学习模型M2实时生成电机转速的变化值的决策；可以理解的是，该变化值的决策生成后，由控制器来控制电机的电流和电压以控制电机的转速，从而达到智能调速的目的。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (11)
1.一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，包括组件信息收集模块、数据整合模块、模型训练模块以及智能调速模块；其中，各个模块之间通过电气和/或无线网络方式连接；
所述组件信息收集模块用于收集带有MCU调速智能控制器的微型隔膜水泵在测试运作过程中各个组件的物理数据，并将组件的物理数据发送至数据整合模块；
所述数据整合模块用于对组件的物理数据进行整合，获得转速-承压曲线，对转速-承压曲线进行机器学习模型的拟合，并将机器学习模型发送至模型训练模块；
所述模型训练模块用于根据微型隔膜水泵的历史数据，训练出调控电机转速的深度强化学习模型，并将训练完成的深度强化学习模型发送至智能调速模块；
所述智能调速模块用于为用户在实际使用带有控制器的微型隔膜水泵时，对电机的转速实时生成智能调速的决策。
2.根据权利要求1所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述组件信息包括电机物理数据、泵头物理数据以及机械阀物理数据。
3.根据权利要求2所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述电机物理数据包括电机实时转速、实时电压以及实时电流；其中，电机的转速、电压和电流通过连接转速传感器、电压传感器和电流传感器分别实时获得。
4.根据权利要求2所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述泵头物理数据包括泵头基础物理数据以及泵头实时物理数据。
5.根据权利要求4所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述泵头基础物理数据包括泵头进出口状态、泵头的排量、泵头的完整的工作周期；其中，所述泵头进出口状态包括：进口开启、出口关闭或进口关闭、出口开启两种状态。
6.根据权利要求4所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述泵头实时物理数据包括泵头实时转速以及泵头实时实际水流流量；其中，泵头实时转速和泵头实时实际水流流量分别使用转速传感器和流量传感器实时获得。
7.根据权利要求2所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述机械阀物理数据包括通过机械阀的机械阀实时水流流量；该机械阀实时水流流量使用流量传感器实时获得。
8.根据权利要求1所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述数据整合模块对水流流量曲线进行机器学习模型的拟合包括以下步骤：
步骤S1：根据泵头基础物理数据以及泵头实时转速，计算出泵头理论水流流量；
步骤S2：将泵头的实际实时水流流量标记为Qs，计算出泵头出水流量的误差比值w；其中，误差比值w的计算公式为；
步骤S3：分别获取随时间运转的电机实时转速、泵头实时转速、泵头实际实时水流流量以及机械阀实时水流流量的时间曲线；
步骤S4：将时间标记为t，将t时刻泵头实际实时水流流量标记为Qst，将t时刻机械阀实时水流流量标记为Pt；计算t时刻释压系数rt，其中释压系数rt的计算公式为；获得随时间运转的释压系数的时间曲线；
步骤S5：获取t时刻的电机实时转速以及释压系数，并绘制出以电机实时转速为自变量，以释压系数为因变量的时间曲线；该时间曲线即为转速-承压曲线；
步骤S6：根据水流流量曲线，使用机器学习模型拟合出电机转速与释压系数之间的函数关系，将拟合后的机器学习模型标记为M1。
9.根据权利要求1所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述模型训练模块训练出调控电机转速的深度强化学习模型包括以下步骤：
步骤P1：收集历史中若干微型隔膜水泵的电机的训练曲线组合；所述训练曲线组合包括转速变化曲线以及机械阀实时水流流量曲线；
步骤P2：在每个电机的转速变化曲线中，收集每个时刻t的转速，将转速输入至机器学习模型M1，获得对应时刻的释压系数；
步骤P3：将每组训练数据转化为深度强化学习模型接受的训练元组集合的形式；
步骤P4：将训练元组集合作为输入，输入值深度Q网络中，生成为每一时刻，决策出需要对电机的转速进行改变的变化值的深度强化学习模型；将训练完成的深度强化学习模型标记为M2。
10.根据权利要求9所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，将每组训练数据转化为深度强化学习模型接受的训练元组集合的形式的方式为：
将每组训练数据中，每个时刻的电机的转速作为初始状态空间；
将每组训练数据中，下个时刻的电机转速与当前时刻电机转速的变化值作为执行的动作；
将每组训练数据中，每个时刻的机械阀实时水流流量以及释压系数得加权和作为当前的Q值；机械阀实时水流流量以及释压系数的权重根据实际需求设置；
将下一个时刻的电机转速作为结果状态空间；
每一时刻的初始状态空间、执行的动作、当前的Q值以及结果状态空间所组成的元组即为训练元组，所有时刻的训练元组的集合为训练元组集合。
11.根据权利要求1所述的一种微型隔膜水泵的MCU调速智能控制系统，其特征在于，所述智能调速模块对电机的转速实时生成智能调速的决策的方式为：
每隔预设的曲线更新时长，获取新的释压系数rt的时间曲线，为用户的带有控制器的微型隔膜水泵生成新的机器学习模型；该机器学习模型用于拟合电机转速与释压系数之间的函数关系；
在用户的带有控制器的微型隔膜水泵中的控制器内部装载深度强化学习模型M2，并在机械阀处安装流量监控传感器；
控制器实时根据电机的转速计算当前的释压系数，基于当前机械阀的实时水流流量以及释压系数，使用深度强化学习模型M2实时生成电机转速的变化值的决策。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310825240.4A CN116538072B (zh) | 2023-07-06 | 2023-07-06 | 一种微型隔膜水泵的mcu调速智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310825240.4A CN116538072B (zh) | 2023-07-06 | 2023-07-06 | 一种微型隔膜水泵的mcu调速智能控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116538072A CN116538072A (zh) | 2023-08-04 |
| CN116538072B true CN116538072B (zh) | 2023-10-13 |
Family
ID=87454627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310825240.4A Active CN116538072B (zh) | 2023-07-06 | 2023-07-06 | 一种微型隔膜水泵的mcu调速智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116538072B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1973130A (zh) * | 2004-06-02 | 2007-05-30 | 加尼曼股份有限公司 | 液压驱动的多缸泵送机 |
| CN103629095A (zh) * | 2012-08-24 | 2014-03-12 | 岳勇斌 | 小型隔膜泵模拟变频系统及其控制方法 |
| CN115270875A (zh) * | 2022-07-28 | 2022-11-01 | 重庆水泵厂有限责任公司 | 一种基于深度学习的隔膜泵运行状态监测方法 |
| WO2023104864A1 (de) * | 2021-12-09 | 2023-06-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Mikrofluid-bauelement mit mitteln zur bestimmung externer einflussfaktoren basierend auf dem ansteuersignal |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10584698B2 (en) * | 2016-04-07 | 2020-03-10 | Schlumberger Technology Corporation | Pump assembly health assessment |
-
2023
- 2023-07-06 CN CN202310825240.4A patent/CN116538072B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1973130A (zh) * | 2004-06-02 | 2007-05-30 | 加尼曼股份有限公司 | 液压驱动的多缸泵送机 |
| CN103629095A (zh) * | 2012-08-24 | 2014-03-12 | 岳勇斌 | 小型隔膜泵模拟变频系统及其控制方法 |
| WO2023104864A1 (de) * | 2021-12-09 | 2023-06-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Mikrofluid-bauelement mit mitteln zur bestimmung externer einflussfaktoren basierend auf dem ansteuersignal |
| CN115270875A (zh) * | 2022-07-28 | 2022-11-01 | 重庆水泵厂有限责任公司 | 一种基于深度学习的隔膜泵运行状态监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116538072A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107060695B (zh) | 一种游梁式抽油机节能控制系统及方法 | |
| CN102741549B (zh) | 用于从来自可再生能量源的波动能量流中提取能量的方法和装置 | |
| CN102597510B (zh) | 用于从来自可再生能量源的波动能量流中提取能量的方法和装置 | |
| EP2764240B1 (en) | Energy extraction device, group of energy extraction devices and operating methods | |
| CN113107432A (zh) | 一种抽油机井自动控制方法 | |
| CN201292954Y (zh) | 水泵和/或风机高效节能控制系统 | |
| CN104832307A (zh) | 一种柴油发动机转速控制方法 | |
| CN116538072B (zh) | 一种微型隔膜水泵的mcu调速智能控制系统 | |
| CN100571016C (zh) | 一种基于液压传动的海流发电变速恒频方法及其装置 | |
| CN202789354U (zh) | 基于内曲线液压马达的分离式柔性增速装置 | |
| CN110984282B (zh) | 一种基于发动机最大可用扭矩的挖掘机控制方法 | |
| CN113266318B (zh) | 一种基于自学习的有杆抽油机井冲次调节方法 | |
| CN201865949U (zh) | 空调风机转速闭环控制装置 | |
| CN209557149U (zh) | 一种永磁变频水轮发电机组 | |
| CN106712004A (zh) | 一种基于标准出力曲线的水电厂机组优化方法 | |
| CN110905829B (zh) | 一种智能水泵控制阀系统及其控制方法 | |
| CN204858732U (zh) | 一种基于给水泵驱动汽轮机驱动的电厂辅机变频电源系统 | |
| CN209724679U (zh) | 可电力回收的双叶轮变导叶式管道泵系统 | |
| CN114320984B (zh) | 基于非接触式传感器的海水淡化增压泵运行控制方法 | |
| CN111856976A (zh) | 电动装载机液压用电机的控制系统及方法 | |
| CN220204220U (zh) | 液压站节能伺服控制系统 | |
| CN111723998B (zh) | 发电机压油槽油压系统故障早期预警方法 | |
| CN113531631B (zh) | 利用一次侧供水系统剩余压头的热力站系统及调控方法 | |
| CN108953032A (zh) | 轴流转桨式水轮发电机一体化桨叶操作系统及操作方法 | |
| CN201774499U (zh) | 抽油机模糊控制驱动系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |