CN116558194B - 一种基于人工智能的冷库运行监控系统及方法 - Google Patents
一种基于人工智能的冷库运行监控系统及方法 Download PDFInfo
- Publication number
- CN116558194B CN116558194B CN202310547393.7A CN202310547393A CN116558194B CN 116558194 B CN116558194 B CN 116558194B CN 202310547393 A CN202310547393 A CN 202310547393A CN 116558194 B CN116558194 B CN 116558194B
- Authority
- CN
- China
- Prior art keywords
- data
- refrigeration house
- time
- articles
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000005057 refrigeration Methods 0.000 claims abstract description 149
- 238000010257 thawing Methods 0.000 claims abstract description 70
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000013439 planning Methods 0.000 claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 8
- 230000006866 deterioration Effects 0.000 abstract description 7
- 238000003062 neural network model Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D13/00—Stationary devices, e.g. cold-rooms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
- F25D21/002—Defroster control
- F25D21/004—Control mechanisms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
- F25D29/008—Alarm devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Abstract
本发明涉及冷库运行监控技术领域，具体为一种基于人工智能的冷库运行监控系统及方法，包括：冷库数据采集模块、冷库运行监控模块、数据管理中心、除霜提醒判断模块和提醒时间规划模块，通过冷库数据采集模块采集冷库物品存放历史数据，通过冷库运行监控模块对冷库进行实时监控，将监控到的数据传输到数据管理中心，通过数据管理中心存储并管理接收到的全部数据，通过除霜提醒判断模块调取并分析数据管理中心中的数据，建立对冷库内蒸发器的除霜提醒判断模型，通过提醒时间规划模块判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜，提高了每次除霜工作的有效性和必要性，减少了存放物品的变质情况。
Description
技术领域
本发明涉及冷库运行监控技术领域，具体为一种基于人工智能的冷库运行监控系统及方法。
背景技术
为了物品大多更好地储藏，往往需要选择冷库对物品，尤其是深海鱼等需要低温储藏的物品进行储藏，在储藏过程中，为了保障物品不出现变质的现象，需要对冷库运行进行实时监控；
然而，现有技术在对冷库进行监控过程中还存在一些问题：冷库内蒸发器存在结霜现象，需要对蒸发器进行及时除霜，否则会使得蒸发器的传热效率降低，导致冷库温度下降缓慢，不利于物品的正常存放，在对冷库进行监控过程中，现有技术往往会设置固定或者随机的时间对冷库进行除霜处理，存在一定次数除霜工作有效性低或者某些时间冷库内结霜仍然严重的情况，除霜效果不可控，现有技术无法选择合适的时机对蒸发器进行除霜处理以提高每次除霜工作的有效性、减少存放物品的变质情况。
所以，人们需要一种基于人工智能的冷库运行监控系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于人工智能的冷库运行监控系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的冷库运行监控系统，所述系统包括：冷库数据采集模块、冷库运行监控模块、数据管理中心、除霜提醒判断模块和提醒时间规划模块；
所述冷库数据采集模块和冷库运行监控模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述除霜提醒判断模块的输入端，所述除霜提醒判断模块的输出端连接所述提醒时间规划模块的输入端；
所述冷库数据采集模块用于采集冷库物品存放历史数据，将采集到的全部数据传输到所述数据管理中心；
所述冷库运行监控模块用于对冷库进行实时监控，将监控到的数据传输到所述数据管理中心；
所述冷库运行监控模块还用于利用神经网络模型对冷库内人员被锁情况进行识别和判断：预先采集大量监控画面样本，由人工对样本中的人员轮廓进行标注，基于标注的样本进行BP神经网络模型的训练，利用训练好的神经网络模型识别监控画面内是否有人，在识别到有人时，监控其在冷库中的停留时间，设置停留时间阈值，在停留时间超出阈值时，判断人员被锁，发送警报信号；
利用人工智能技术对冷库监控画面中的人员进行识别，有利于及时发现冷库内人员被困现象，并及时救出被困人员，减少了冷库内安全事故的发生；
所述数据管理中心用于存储并管理接收到的全部数据；
所述除霜提醒判断模块用于调取并分析所述数据管理中心中的数据，建立对冷库内蒸发器的除霜提醒判断模型；
所述提醒时间规划模块用于判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜。
进一步的，所述冷库数据采集模块包括存放次数采集单元和存放时长采集单元；
所述存放次数采集单元和存放时长采集单元的输出端连接所述数据管理中心的输入端；
所述存放次数采集单元用于采集不同冷库在以往一定时间段内存放物品的次数数据；
所述存放时长采集单元用于采集每次存放物品时冷库门被开启的时长数据。
进一步的，所述冷库运行监控模块包括温度数据采集单元和监控异常警报单元；
所述温度数据采集单元的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述监控异常警报单元的输入端；
所述温度数据采集单元用于在冷库运行时实时监控冷库内的温度，并采集监控到的温度数据；
所述监控异常警报单元用于设置冷库内的正常温度，在监控到的温度不能达到正常温度时发送冷库运行异常警报信号至监控终端。
进一步的，所述除霜提醒判断模块包括数据调取单元和判断模型建立单元；
所述数据调取单元的输入端连接所述数据管理中心的输出端，所述数据调取单元的输出端连接所述判断模型建立单元的输入端；
所述数据调取单元用于调取冷库内物品存放的历史数据和监控数据，将调取到的数据传输到所述判断模型建立单元；
所述判断模型建立单元用于对物品存放次数数据、每次存放物品时冷库门被开启的时长数据以及监控数据进行数据拟合，建立除霜提醒判断模型。
进一步的，所述提醒时间规划模块包括监控数据分析单元和除霜规划单元；
所述监控数据分析单元的输入端连接所述判断模型建立单元和数据管理中心的输出端，所述监控数据分析单元的输出端连接所述除霜规划单元的输入端；
所述监控数据分析单元用于分析监控到的冷库内存放物品后温度下降速度是否出现异常；
所述除霜规划单元用于在判断出温度下降速度出现异常时，发送警报信号，提醒对冷库内蒸发器做除霜处理。
一种基于人工智能的冷库运行监控方法，包括以下步骤：
Z1：采集冷库物品存放历史数据；
Z2：对冷库运行进行实时监控，获取监控数据；
Z3：分析冷库物品存放历史数据和监控数据，建立对冷库内蒸发器的除霜提醒判断模型；
Z4：判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜。
进一步的，在步骤Z1中：采集T1到T2时间段内冷库存放物品的历史数据：将T1到T2时间段平均分为n段，采集到n个时间段内随机一个冷库存放物品的累积次数集合为C＝{C1，C2，…，Cn}，其中，Cn表示前n个时间段内累积的存放物品的次数，采集所有冷库在对应时间段内每次存放物品时冷库门被开启的时长数据；
在步骤Z2中：在冷库运行时对冷库内的温度进行实时监控，获取温度变化数据，设置冷库内的正常温度为a，在监控到冷库内温度不能达到a时，发送冷库运行异常警报信号至监控终端，获取到第一次存放物品时冷库内温度由b下降到a花费的时长为f，得到对应次温度下降的速度为v：获取到对应冷库内温度下降正常速度范围为[v-u,v+u]，在T1到T2时间段内，对应冷库的温度下降速度都在[v-u,v+u]范围内，其中，u表示温度下降速度正常变化量，采集随机一个冷库在n个时间段内每次存放物品后温度下降的速度。
进一步的，在步骤Z3中：调取到随机一个冷库在随机一个时间段内每次存放物品后温度下降速度集合为U＝{U1，U2，…，Um}，其中，m表示对应时间段内存放物品次数，根据公式计算随机一个时间段内的温度下降平均速度为Ui ’，其中，Uj表示在随机一个时间段内随机一次存放物品后温度下降速度，得到n个时间段内的温度下降平均速度集合为U’＝{U1 ’，U2 ’，…，Ui ’，…，Un ’}，调取随机一个冷库在n个时间段内每次存放物品时冷库门被开启的时长数据，获取到对应冷库在n个时间段内存放物品时冷库门被开启的平均时长集合为b＝{b1，b2，…，bn}，将数据点{(C1*b1，U1 ’)，(C2*b2，U2 ’)，…，(Cn*bn，Un ’)}进行直线拟合，建立除霜提醒判断模型为：/>其中，/>和/>表示拟合系数，根据下列公式分别计算/>和/>
其中，Ci表示前i个时间段内累积的存放物品的次数，bi表示对应冷库在第i个时间段内存放物品时冷库门被开启的平均时长；
通过采集温度下降速度在正常范围内的时间段中冷库中存放物品的历史数据，由于存放物品需要开启冷库门，冷库门的开启势必会造成冷库内温度有一定的升高，而在物品存放完毕后需要将冷库内温度下降到正常温度以保障物品的正常存放，减少物品的变质情况，而冷库内蒸发器存在结霜现象，频繁地开关冷库门更会加剧结霜现象，结霜严重时会使得温度下降到正常温度的速度减缓，物品容易发生变质情况，尤其是对于深海鱼等需要低温存放的物品，更加容易发生变质情况，因此通过对冷库门开启次数，即物品存放次数、存放时开启冷库门的时长以及温度下降速度进行拟合的方式建立除霜提醒判断模型，目的在于将该模型作为判断是否需要对冷库内蒸发器进行除霜的参考依据，相比于现有技术中按照设置的固定时间对冷库内蒸发器进行除霜处理，结合现实情况选择合适的时机进行除霜，有利于在必要时对蒸发器进行灵活除霜，提高了每次除霜工作的有效性。
进一步的，在步骤Z4中：每存放一次物品累积一次存放次数，统计冷库内物品累积存放次数以及每次存放物品时冷库门被开启的时长，监控每次存放物品后冷库内温度下降速度，获取到随机一次累积到的物品存放次数为E，对应次存放物品时冷库门被开启的平均时长为F，监控到对应次存放物品后冷库内温度下降平均速度为V，将E和F代入到除霜时间调整判断模型中：令X＝E*F，预测得到温度下降平均速度正常值为比较V和/> 若/>不做提醒，继续对冷库进行监控；若 判断冷库温度下降速度异常，提醒对冷库内蒸发器进行除霜；
获取监控到的温度变化数据以及统计到物品存放数据，将获取到的数据代入除霜提醒判断模型中，预测对应物品存放数据下正常的温度下降速度，与监控到的温度下降速度进行比较，在监控到的温度下降速度低于正常的温度下降速度时提醒需要对冷库内的蒸发器做除霜处理，有利于选择合适的时机对冷库进行除霜处理，提高了每次除霜工作的有效性和必要性，及时除霜避免了冷库冷却能力的下降，减少了存放物品的变质情况。
与现有技术相比，本发明所达到的有益效果是：
本发明通过采集温度下降速度在正常范围内的时间段中冷库中存放物品的历史数据，对冷库门开启次数，即物品存放次数、存放时开启冷库门的时长以及温度下降速度进行拟合的方式建立除霜提醒判断模型，目的在于将该模型作为判断是否需要对冷库内蒸发器进行除霜的参考依据，结合现实情况选择合适的时机进行除霜，有利于在必要时对蒸发器进行灵活除霜，提高了每次除霜工作的有效性；获取监控到的温度变化数据以及统计到物品存放数据，将获取到的数据代入除霜提醒判断模型中，预测对应物品存放数据下正常的温度下降速度，与监控到的温度下降速度进行比较，在监控到的温度下降速度低于正常的温度下降速度时提醒需要对冷库内的蒸发器做除霜处理，有利于选择合适的时机对冷库进行除霜处理，提高了每次除霜工作的有效性和必要性，及时除霜避免了冷库冷却能力的下降，减少了存放物品的变质情况。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的冷库运行监控系统的结构图；
图2是本发明一种基于人工智能的冷库运行监控方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一：
如图1所示，本实施例提供了一种基于人工智能的冷库运行监控系统，系统包括：冷库数据采集模块、冷库运行监控模块、数据管理中心、除霜提醒判断模块和提醒时间规划模块；
冷库数据采集模块和冷库运行监控模块的输出端连接数据管理中心的输入端，数据管理中心的输出端连接除霜提醒判断模块的输入端，除霜提醒判断模块的输出端连接提醒时间规划模块的输入端；
冷库数据采集模块用于采集冷库物品存放历史数据，将采集到的全部数据传输到数据管理中心；
冷库运行监控模块用于对冷库进行实时监控，将监控到的数据传输到数据管理中心；
冷库运行监控模块还用于利用神经网络模型对冷库内人员被锁情况进行识别和判断：预先采集大量监控画面样本，由人工对样本中的人员轮廓进行标注，基于标注的样本进行BP神经网络模型的训练，利用训练好的神经网络模型识别监控画面内是否有人，在识别到有人时，监控其在冷库中的停留时间，设置停留时间阈值，在停留时间超出阈值时，判断人员被锁，发送警报信号；
数据管理中心用于存储并管理接收到的全部数据；
除霜提醒判断模块用于调取并分析数据管理中心中的数据，建立对冷库内蒸发器的除霜提醒判断模型；
提醒时间规划模块用于判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜。
冷库数据采集模块包括存放次数采集单元和存放时长采集单元；
存放次数采集单元和存放时长采集单元的输出端连接数据管理中心的输入端；
存放次数采集单元用于采集不同冷库在以往一定时间段内存放物品的次数数据；
存放时长采集单元用于采集每次存放物品时冷库门被开启的时长数据。
冷库运行监控模块包括温度数据采集单元和监控异常警报单元；
温度数据采集单元的输出端连接数据管理中心的输入端，数据管理中心的输出端连接监控异常警报单元的输入端；
温度数据采集单元用于在冷库运行时实时监控冷库内的温度，并采集监控到的温度数据；
监控异常警报单元用于设置冷库内的正常温度，在监控到的温度不能达到正常温度时发送冷库运行异常警报信号至监控终端。
除霜提醒判断模块包括数据调取单元和判断模型建立单元；
数据调取单元的输入端连接数据管理中心的输出端，数据调取单元的输出端连接判断模型建立单元的输入端；
数据调取单元用于调取冷库内物品存放的历史数据和监控数据，将调取到的数据传输到判断模型建立单元；
判断模型建立单元用于对物品存放次数数据、每次存放物品时冷库门被开启的时长数据以及监控数据进行数据拟合，建立除霜提醒判断模型。
提醒时间规划模块包括监控数据分析单元和除霜规划单元；
监控数据分析单元的输入端连接判断模型建立单元和数据管理中心的输出端，监控数据分析单元的输出端连接除霜规划单元的输入端；
监控数据分析单元用于分析监控到的冷库内存放物品后温度下降速度是否出现异常；
除霜规划单元用于在判断出温度下降速度出现异常时，发送警报信号，提醒对冷库内蒸发器做除霜处理。
实施例二：
如图2所示，本实施例提供了一种基于人工智能的冷库运行监控方法，其基于实施例中的监控系统实现，具体包括以下步骤：
Z1：采集T1到T2时间段内冷库存放物品的历史数据：将T1到T2时间段平均分为n段，采集到n个时间段内随机一个冷库存放物品的累积次数集合为C＝{C1，C2，…，Cn}，其中，Cn表示前n个时间段内累积的存放物品的次数，采集所有冷库在对应时间段内每次存放物品时冷库门被开启的时长数据；
Z2：对冷库运行进行实时监控，获取监控数据，在冷库运行时对冷库内的温度进行实时监控，获取温度变化数据，设置冷库内的正常温度为a，在监控到冷库内温度不能达到a时，发送冷库运行异常警报信号至监控终端，获取到第一次存放物品时冷库内温度由b下降到a花费的时长为f，得到对应次温度下降的速度为v：获取到对应冷库内温度下降正常速度范围为[v-u,v+u]，在T1到T2时间段内，对应冷库的温度下降速度都在[v-u,v+u]范围内，其中，u表示温度下降速度正常变化量，采集随机一个冷库在n个时间段内每次存放物品后温度下降的速度；
Z3：分析冷库物品存放历史数据和监控数据，建立对冷库内蒸发器的除霜提醒判断模型，调取到随机一个冷库在随机一个时间段内每次存放物品后温度下降速度集合为U＝{U1，U2，…，Um}，其中，m表示对应时间段内存放物品次数，根据公式计算随机一个时间段内的温度下降平均速度为Ui ’：其中，Uj表示在随机一个时间段内随机一次存放物品后温度下降速度，得到n个时间段内的温度下降平均速度集合为U’＝{U1 ’，U2 ’，…，Ui ’，…，Un ’}，调取随机一个冷库在n个时间段内每次存放物品时冷库门被开启的时长数据，获取到对应冷库在n个时间段内存放物品时冷库门被开启的平均时长集合为b＝{b1，b2，…，bn}，将数据点{(C1*b1，U1 ’)，(C2*b2，U2 ’)，…，(Cn*bn，Un ’)}进行直线拟合，建立除霜提醒判断模型为：/>其中，/>和/>表示拟合系数，根据公式/>
和/>分别计算/>和/>其中，Ci表示前i个时间段内累积的存放物品的次数，bi表示对应冷库在第i个时间段内存放物品时冷库门被开启的平均时长；
Z4：判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜，每存放一次物品累积一次存放次数，统计冷库内物品累积存放次数以及每次存放物品时冷库门被开启的时长，监控每次存放物品后冷库内温度下降速度，获取到随机一次累积到的物品存放次数为E，对应次存放物品时冷库门被开启的平均时长为F，监控到对应次存放物品后冷库内温度下降平均速度为V，将E和F代入到除霜时间调整判断模型中：令X＝E*F，预测得到温度下降平均速度正常值为比较V和/>若/> 不做提醒，继续对冷库进行监控；若/>判断冷库温度下降速度异常，提醒对冷库内蒸发器进行除霜；
例如：将T1到T2时间段平均分为3段，采集到3个时间段内随机一个冷库存放物品的累积次数集合为C＝{C1，C2，C3}＝{7，20，30}，设置冷库内的正常温度为a：-50℃，在监控到冷库内温度不能达到-50℃时，发送冷库运行异常警报信号至监控终端，获取到第一次存放物品时冷库内温度由b：10℃下降到a：-50℃花费的时长为f＝8，单位为：小时，得到对应次温度下降的速度为v：获取到对应冷库内温度下降正常速度范围为
[v-u,v+u]＝[7,8]，调取到随机一个冷库在随机一个时间段内每次存放物品后温度下降速度集合为U＝{U1，U2，U3，U4，U5，U6，U7}＝{7.1，7.3，7，7.34，7.6，7.5，7.7}，根据公式计算随机一个时间段内的温度下降平均速度为Ui ’≈7.4，得到3个时间段内的温度下降平均速度集合为U’＝{U1 ’，U2 ’，U3 ’}＝{7.4，7.2，7.1}，获取到对应冷库在3个时间段内存放物品时冷库门被开启的平均时长集合为b＝{b1，b2，b3}＝{0.1，0.15，0.16}，将数据点{(C1*b1，U1 ’)，(C2*b2，U2 ’)，(C3*b3，U3 ’)}＝{(0.7，7.4)，(3，7.2)，(4.8，7.1)}进行直线拟合，建立除霜提醒判断模型为：/>获取到随机一次累积到的物品存放次数为E＝25，对应次存放物品时冷库门被开启的平均时长为F＝0.2，监控到对应次存放物品后冷库内温度下降平均速度为V＝7，将E和F代入到除霜时间调整判断模型中：令X＝E*F＝5，预测得到温度下降平均速度正常值为/> 比较V和/>判断冷库温度下降速度异常，提醒对冷库内蒸发器进行除霜。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于人工智能的冷库运行监控系统，其特征在于：所述系统包括：冷库数据采集模块、冷库运行监控模块、数据管理中心、除霜提醒判断模块和提醒时间规划模块；
所述冷库数据采集模块和冷库运行监控模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述除霜提醒判断模块的输入端，所述除霜提醒判断模块的输出端连接所述提醒时间规划模块的输入端；
所述冷库数据采集模块用于采集冷库物品存放历史数据，将采集到的全部数据传输到所述数据管理中心；
所述冷库运行监控模块用于对冷库进行实时监控，将监控到的数据传输到所述数据管理中心；
所述数据管理中心用于存储并管理接收到的全部数据；
所述除霜提醒判断模块用于调取并分析所述数据管理中心中的数据，建立对冷库内蒸发器的除霜提醒判断模型；
所述提醒时间规划模块用于判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜；
所述冷库数据采集模块包括存放次数采集单元和存放时长采集单元；
所述存放次数采集单元和存放时长采集单元的输出端连接所述数据管理中心的输入端；
所述存放次数采集单元用于采集不同冷库在以往一定时间段内存放物品的次数数据；
所述存放时长采集单元用于采集每次存放物品时冷库门被开启的时长数据；
所述除霜提醒判断模块包括数据调取单元和判断模型建立单元；
所述数据调取单元的输入端连接所述数据管理中心的输出端，所述数据调取单元的输出端连接所述判断模型建立单元的输入端；
所述数据调取单元用于调取冷库内物品存放的历史数据和监控数据，将调取到的数据传输到所述判断模型建立单元；
所述判断模型建立单元用于对物品存放次数数据、每次存放物品时冷库门被开启的时长数据以及监控数据进行数据拟合，建立除霜提醒判断模型；
所述提醒时间规划模块包括监控数据分析单元和除霜规划单元；
所述监控数据分析单元的输入端连接所述判断模型建立单元和数据管理中心的输出端，所述监控数据分析单元的输出端连接所述除霜规划单元的输入端；
所述监控数据分析单元用于分析监控到的冷库内存放物品后温度下降速度是否出现异常；
所述除霜规划单元用于在判断出温度下降速度出现异常时，发送警报信号，提醒对冷库内蒸发器做除霜处理。
2.根据权利要求1所述的一种基于人工智能的冷库运行监控系统，其特征在于：所述冷库运行监控模块包括温度数据采集单元和监控异常警报单元；
所述温度数据采集单元的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述监控异常警报单元的输入端；
所述温度数据采集单元用于在冷库运行时实时监控冷库内的温度，并采集监控到的温度数据；
所述监控异常警报单元用于设置冷库内的正常温度，在监控到的温度不能达到正常温度时发送冷库运行异常警报信号至监控终端。
3.一种基于人工智能的冷库运行监控方法，其特征在于：包括以下步骤：
Z1：采集冷库物品存放历史数据；
Z2：对冷库运行进行实时监控，获取监控数据；
Z3：分析冷库物品存放历史数据和监控数据，建立对冷库内蒸发器的除霜提醒判断模型；
Z4：判断冷库温度变化状态是否出现异常，在出现异常时发送警报信号并提醒进行除霜；
在步骤Z1中：采集T1到T2时间段内冷库存放物品的历史数据：将T1到T2时间段平均分为n段，采集到n个时间段内随机一个冷库存放物品的累积次数集合为C={C1，C2，…，Cn}，其中，Cn表示前n个时间段内累积的存放物品的次数，采集所有冷库在对应时间段内每次存放物品时冷库门被开启的时长数据；
在步骤Z2中：在冷库运行时对冷库内的温度进行实时监控，获取温度变化数据，设置冷库内的正常温度为a，在监控到冷库内温度不能达到a时，发送冷库运行异常警报信号至监控终端，获取到第一次存放物品时冷库内温度由b下降到a花费的时长为f，得到对应次温度下降的速度为v：，获取到对应冷库内温度下降正常速度范围为[v-u,v+u]，在T1到T2时间段内，对应冷库的温度下降速度都在[v-u,v+u]范围内，其中，u表示温度下降速度正常变化量，采集随机一个冷库在n个时间段内每次存放物品后温度下降的速度；
在步骤Z3中：调取到随机一个冷库在随机一个时间段内每次存放物品后温度下降速度集合为U={U1，U2，…，Um}，其中，m表示对应时间段内存放物品次数，根据公式计算随机一个时间段内的温度下降平均速度为Ui ’，其中，Uj表示在随机一个时间段内随机一次存放物品后温度下降速度，得到n个时间段内的温度下降平均速度集合为U’={U1 ’，U2 ’，…，Ui ’，…，Un ’}，调取随机一个冷库在n个时间段内每次存放物品时冷库门被开启的时长数据，获取到对应冷库在n个时间段内存放物品时冷库门被开启的平均时长集合为b={b1，b2，…，bn}，将数据点{（C1*b1，U1 ’），（C2*b2，U2 ’），…，（Cn*bn，Un ’）}进行直线拟合，建立除霜提醒判断模型为：/>，其中，/>和/>表示拟合系数，根据下列公式分别计算/>和/>：；/>；
其中，Ci表示前i个时间段内累积的存放物品的次数，bi表示对应冷库在第i个时间段内存放物品时冷库门被开启的平均时长。
4.根据权利要求3所述的一种基于人工智能的冷库运行监控方法，其特征在于：在步骤Z4中：每存放一次物品累积一次存放次数，统计冷库内物品累积存放次数以及每次存放物品时冷库门被开启的时长，监控每次存放物品后冷库内温度下降速度，获取到随机一次累积到的物品存放次数为E，对应次存放物品时冷库门被开启的平均时长为F，监控到对应次存放物品后冷库内温度下降平均速度为V，将E和F代入到除霜时间调整判断模型中：令X=E*F，预测得到温度下降平均速度正常值为，比较V和/>，若，不做提醒，继续对冷库进行监控；若/>，判断冷库温度下降速度异常，提醒对冷库内蒸发器进行除霜。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547393.7A CN116558194B (zh) | 2023-05-16 | 2023-05-16 | 一种基于人工智能的冷库运行监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547393.7A CN116558194B (zh) | 2023-05-16 | 2023-05-16 | 一种基于人工智能的冷库运行监控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116558194A CN116558194A (zh) | 2023-08-08 |
| CN116558194B true CN116558194B (zh) | 2023-09-19 |
Family
ID=87492731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310547393.7A Active CN116558194B (zh) | 2023-05-16 | 2023-05-16 | 一种基于人工智能的冷库运行监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116558194B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117213143B (zh) * | 2023-11-09 | 2024-01-30 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103968637A (zh) * | 2013-02-04 | 2014-08-06 | 福建新大陆电脑股份有限公司 | 一种可远程进行温度监控云冷库 |
| CN203893571U (zh) * | 2013-10-30 | 2014-10-22 | 泰州伊士班尼亚制冷设备有限公司 | 一种冷库用制冷系统电子控制器 |
| CN107314614A (zh) * | 2017-08-09 | 2017-11-03 | 广州市德固制冷设备有限公司 | 基于云服务、智能可视的冷库设备管理系统 |
| CN107449215A (zh) * | 2016-05-30 | 2017-12-08 | 上海通用制冷实业有限公司 | 基于互联网的冷库智能监视系统及分析监控数据的方法 |
| CN207231054U (zh) * | 2017-08-09 | 2018-04-13 | 广州市德固制冷设备有限公司 | 基于云服务、智能可视的冷库设备管理系统 |
| CN109838969A (zh) * | 2019-01-23 | 2019-06-04 | 徐州鹰格电子技术有限公司 | 一种基于nfc的冷库自动控制方法 |
| CN110873447A (zh) * | 2019-11-29 | 2020-03-10 | 深圳麦克维尔空调有限公司 | 一种制冷空调的除霜控制方法、装置及设备 |
| CN112066636A (zh) * | 2020-09-09 | 2020-12-11 | 重庆电子工程职业学院 | 基于ZigBee无线传感器网络的智能冷库综合监控系统及方法 |
| CN113007962A (zh) * | 2019-12-20 | 2021-06-22 | 吉林省冰宇制冷科技有限公司 | 一种冷库温度监测系统及方法 |
| CN114508894A (zh) * | 2021-12-30 | 2022-05-17 | 南京灵秀智友科技有限公司 | 一种用于冷库的监控系统 |
| CN115289766A (zh) * | 2022-07-15 | 2022-11-04 | 青岛澳柯玛冷链集成有限公司 | 一种基于物联网的智能冷库及其控制方法 |
| CN115540490A (zh) * | 2022-10-09 | 2022-12-30 | 卡乐电子(苏州)有限责任公司 | 一种用于冷库的智能除霜控制方法、控制装置以及存储介质 |
| CN115900193A (zh) * | 2022-10-19 | 2023-04-04 | 冰山松洋生物科技(大连)有限公司 | 制冷系统的除霜控制方法、除霜控制器及控制系统 |
-
2023
- 2023-05-16 CN CN202310547393.7A patent/CN116558194B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103968637A (zh) * | 2013-02-04 | 2014-08-06 | 福建新大陆电脑股份有限公司 | 一种可远程进行温度监控云冷库 |
| CN203893571U (zh) * | 2013-10-30 | 2014-10-22 | 泰州伊士班尼亚制冷设备有限公司 | 一种冷库用制冷系统电子控制器 |
| CN107449215A (zh) * | 2016-05-30 | 2017-12-08 | 上海通用制冷实业有限公司 | 基于互联网的冷库智能监视系统及分析监控数据的方法 |
| CN107314614A (zh) * | 2017-08-09 | 2017-11-03 | 广州市德固制冷设备有限公司 | 基于云服务、智能可视的冷库设备管理系统 |
| CN207231054U (zh) * | 2017-08-09 | 2018-04-13 | 广州市德固制冷设备有限公司 | 基于云服务、智能可视的冷库设备管理系统 |
| CN109838969A (zh) * | 2019-01-23 | 2019-06-04 | 徐州鹰格电子技术有限公司 | 一种基于nfc的冷库自动控制方法 |
| CN110873447A (zh) * | 2019-11-29 | 2020-03-10 | 深圳麦克维尔空调有限公司 | 一种制冷空调的除霜控制方法、装置及设备 |
| CN113007962A (zh) * | 2019-12-20 | 2021-06-22 | 吉林省冰宇制冷科技有限公司 | 一种冷库温度监测系统及方法 |
| CN112066636A (zh) * | 2020-09-09 | 2020-12-11 | 重庆电子工程职业学院 | 基于ZigBee无线传感器网络的智能冷库综合监控系统及方法 |
| CN114508894A (zh) * | 2021-12-30 | 2022-05-17 | 南京灵秀智友科技有限公司 | 一种用于冷库的监控系统 |
| CN115289766A (zh) * | 2022-07-15 | 2022-11-04 | 青岛澳柯玛冷链集成有限公司 | 一种基于物联网的智能冷库及其控制方法 |
| CN115540490A (zh) * | 2022-10-09 | 2022-12-30 | 卡乐电子(苏州)有限责任公司 | 一种用于冷库的智能除霜控制方法、控制装置以及存储介质 |
| CN115900193A (zh) * | 2022-10-19 | 2023-04-04 | 冰山松洋生物科技(大连)有限公司 | 制冷系统的除霜控制方法、除霜控制器及控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116558194A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116558194B (zh) | 一种基于人工智能的冷库运行监控系统及方法 | |
| CN109442702B (zh) | 一种中央空调节能管控方法及系统 | |
| CN103575004B (zh) | 空调器除霜的方法和装置 | |
| CN109210730B (zh) | 一种建筑物制冷智能管控方法及系统 | |
| EP1390674A2 (en) | Food-quality and safety model for refrigerated food | |
| CN109210731B (zh) | 一种基于目标需求的节能控制方法及系统 | |
| CN110160291A (zh) | 一种低温采暖机除霜控制方案 | |
| JP3604855B2 (ja) | 機器の運転状態管理装置 | |
| AU2019420355B2 (en) | Refrigerator | |
| CN113945062A (zh) | 一种回风化霜控制方法、装置及风冷冰箱 | |
| JP3604905B2 (ja) | 故障判定システム | |
| CN111594982B (zh) | 用于空调器清洁的控制方法、控制装置及空调器 | |
| EP2623903B1 (en) | Energy-saving system for showcase, refrigerator and freezer | |
| KR102540400B1 (ko) | 냉동고/냉장고 모니터링 장치, 방법 및 시스템 | |
| CN112524778A (zh) | 用于空调蒸发器自清洁的方法、装置及空调器 | |
| CN109373513B (zh) | 一种防止底盘结冰的控制方法、装置及空调器 | |
| JP3448476B2 (ja) | 機器の運転状態管理装置 | |
| CN112050373A (zh) | 一种用于空调除霜的控制方法、控制装置及空调 | |
| CN113567722B (zh) | 一种用电器功率控制方法及装置 | |
| JP2016223711A (ja) | 冷却装置の監視装置および冷却装置の監視方法 | |
| CN114611331B (zh) | 一种冰箱健康指数计算方法 | |
| JP4030237B2 (ja) | ケース冷却系の故障原因推定装置 | |
| JPH1163744A (ja) | ショーケースの除霜制御方法 | |
| CN112413991A (zh) | 一种冰箱食物存储温度控制方法及冰箱 | |
| JP4232945B2 (ja) | ショーケースの運転制御方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Cold Storage Operation Monitoring System and Method Based on Artificial Intelligence Granted publication date: 20230919 Pledgee: China Life Property insurance Co.,Ltd. Qingdao Branch Pledgor: Qingdao Dongfang Jieken Food Co.,Ltd. Registration number: Y2024370010045 |