CN117570512A - 一种基于温度自适应控制模型的楼宇温控系统 - Google Patents
一种基于温度自适应控制模型的楼宇温控系统 Download PDFInfo
- Publication number
- CN117570512A CN117570512A CN202410057891.8A CN202410057891A CN117570512A CN 117570512 A CN117570512 A CN 117570512A CN 202410057891 A CN202410057891 A CN 202410057891A CN 117570512 A CN117570512 A CN 117570512A
- Authority
- CN
- China
- Prior art keywords
- temperature
- model
- regulation
- value
- denoising
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Thermal Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种基于温度自适应控制模型的楼宇温控系统，属于控制系统技术领域，本发明中先采用温度传感器采集室内温度数据，并对其去噪处理，避免噪声对数据采集过程的影响，提高获取温度值的精度，再构建温度自适应控制模型，本发明中温度自适应控制模型包括内层温度控制子模型和外层温度控制子模型，便于进行温度的定性和稳定调控。本发明基于温度自适应控制模型和当前温度值，计算出温度控制量，将温度控制量传输至温度调节单元执行，达到在温度自动调节的同时，实现对温度稳定调节和精准控制，本发明中还通过自组网将异常温度值传输回监控单元，实现对异常温度值的监控。
Description
技术领域
本发明涉及控制系统技术领域，具体涉及一种基于温度自适应控制模型的楼宇温控系统。
背景技术
楼宇供暖设备包括：地热电缆辐射供暖设备和空调设备等，但无论对于地热电缆辐射供暖设备和空调设备很难将房间内的温度控制在恒定状态，大多数情况下都处于波动状态，温度时高时低。
现有温度控制方法的控制精度受两方面的影响：一方面是温度传感器本身的精度，在温度传感器中温度易受电噪声影响，从而造成其反馈的温度存在误差，因此，容易造成温度控制精度不高，另一方面是温度控制模型本身，现有温度控制模型常采用反馈调节，根据反馈的温度值，从而得到下一时刻的温度控制量，反馈的温度值比目标温度值高时，则将当前的温度控制量降低，反馈的温度值比目标温度值低时，则将当前的温度控制量升高。现有温度控制方法存在无法实现稳定调节，精准控制温度的问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于温度自适应控制模型的楼宇温控系统解决了现有温度控制方法存在无法实现稳定调节和精准控制的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于温度自适应控制模型的楼宇温控系统，包括：温度传感器、温度控制单元、温度调节单元、无线传输单元和监控单元；
所述温度传感器用于采集室内温度数据，并去噪处理，得到当前温度值；
所述温度控制单元用于构建温度自适应控制模型，并基于温度自适应控制模型和当前温度值，计算温度控制量，将温度控制量传输至温度调节单元执行；
所述无线传输单元用于与其他无线传输单元构成自组网，将异常温度值传输回监控单元。
进一步地：所述温度传感器包括：温度数据采集单元、温度去噪单元和温度计算单元；
所述温度数据采集单元用于采集室内温度数据；
所述温度去噪单元用于对室内温度数据进行去噪处理，得到去噪温度数据；
所述温度计算单元用于根据去噪温度数据，计算当前温度值。
进一步地：所述温度去噪单元包括：异常值丢弃子单元和温度去噪子单元；
所述异常值丢弃子单元用于取最新的多个温度数据，将满足异常条件的温度数据去除，得到正常温度数据序列；
所述温度去噪子单元用于根据正常温度数据序列，计算去噪温度数据。
上述进一步地方案的有益效果为：本发明中对于原始的温度数据进行了两次去噪处理，第一次将满足异常条件的温度数据去除，第二次再根据正常温度数据序列计算去噪温度数据，通过两次去噪，提高温度值获取的精度。
进一步地：所述异常条件为：
，
，
其中，为第/>个采集的温度数据，/>为正常温度数据序列中第/>个温度数据，/>为比例系数，/>为正常温度数据序列中第/>个温度数据，/>为正常温度数据序列中第/>个温度数据，| |为绝对值运算，/>为调节系数，/>为统计的异常值丢弃阶段的温度数据的数量，/>为取最大值，/>为取最小值。
上述进一步地方案的有益效果为：本发明设立的温度异常条件中判断最新采集的温度数据与正常温度数据序列最新的温度数据/>差值，大于正常温度数据序列中温度平均增长水平的/>倍时，该温度为异常温度值，本发明中温度异常条件以正常温度序列的温度平均增长水平为基础，再根据温度增长最大值与最小值的比例，从而确定出温度可以增长的倍数，以此确定出异常值，尽可能丢弃异常值。
进一步地：所述温度自适应控制模型包括：内层温度控制子模型和外层温度控制子模型。
进一步地：所述外层温度控制子模型为：
，
其中，为外层温度控制子模型第/>次调节时的输出，/>为第/>次调节时的温差，/>为第/>次调节时的温差，/>为统计的调节次数，/>为内层温度控制子模型第/>次调节时的输出，/>为内层温度控制子模型第/>次调节时的输出，/>为第一外层温差系数，/>为第二外层温差系数，/>为第三外层温差反馈系数，/>为比例反馈系数。
上述进一步地方案的有益效果为：本发明中外层温度控制子模型直接根据温差量调节输出量，进行定性调控，并将内层温度控制子模型的输出作为外层温度控制子模型中的反馈，保障外层温度控制子模型的稳定调控。
进一步地：所述内层温度控制子模型为：
，
其中，为内层温度控制子模型第/>次调节时的输出，/>为第一内层温差系数，为第二内层温差系数，/>为外层温度控制子模型第/>次调节时的输出，/>为外层温度控制子模型第/>次调节时的输出，/>为统计的调节次数。
上述进一步地方案的有益效果为：在外层温度控制子模型根据温差输出后，内层温度控制子模型对/>进行进一步地的精细控制，并将得到的/>反馈至外层温度控制子模型中，实现外层粗调节，内层精调节，且内层输出反馈到外层中，维持系统稳定，实现快速收敛到目标值，防止抖动和自激产生，提高温度自适应控制模型的稳定精准控制。
进一步地：所述温差的计算公式为：
，
，
其中，为第/>次调节时的温差，/>为第/>次调节时的实际室内温度值，/>为第次调节时的温度调节单元输出的温度值，/>为内层温度控制子模型第/>次调节时的输出，/>为温度比例系数。
上述进一步地方案的有益效果为：本发明中设置了温度调节单元输出的温度值与内层温度控制子模型输出/>之间的温度比例系数/>，使得温度调节时，控制更灵活，且精度更高。
进一步地：所述系数通过以下方法率定：
A1、对系数序列中各元素赋予初值；
A2、将系数序列中各元素带入温度自适应控制模型中，得到收敛时间；
A3、判断收敛时间是否低于收敛阈值，若是，则当前的系数序列中各元素的值为温度自适应控制模型所需值，若否，则跳转至步骤A4；
A4、对系数序列中元素进行交叉和变异操作，得到新的系数序列/>，并跳转至步骤A2。
上述进一步地方案的有益效果为：本发明中采用了遗传算法的思想，通过遍历的方式去找寻最优系数值，最优的系数值可使得温度自适应控制模型快速收敛，使得温控系统快速进入稳定运行阶段。
本发明的有益效果为：本发明中先采用温度传感器采集室内温度数据，并对其去噪处理，避免噪声对数据采集过程的影响，提高获取温度值的精度，再采用温度自适应控制模型，根据当前温度值，计算出温度控制量，将温度控制量传输给温度调节单元执行，实现温度自动调节的同时，实现对温度稳定调节和精准控制。
附图说明
图1为一种基于温度自适应控制模型的楼宇温控系统的系统框图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于温度自适应控制模型的楼宇温控系统，包括：温度传感器、温度控制单元、温度调节单元、无线传输单元和监控单元；
所述温度传感器用于采集室内温度数据，并去噪处理，得到当前温度值；
所述温度控制单元用于构建温度自适应控制模型，并基于温度自适应控制模型和当前温度值，计算温度控制量，将温度控制量传输至温度调节单元执行；
所述无线传输单元用于与其他无线传输单元构成自组网，将异常温度值传输回监控单元。
在本实施例中，无线传输单元的类型包括：Wi-Fi、蓝牙、ZigBee、Z-Wave和RFID。
所述温度传感器包括：温度数据采集单元、温度去噪单元和温度计算单元；
所述温度数据采集单元用于采集室内温度数据；
所述温度去噪单元用于对室内温度数据进行去噪处理，得到去噪温度数据；
所述温度计算单元用于根据去噪温度数据，计算当前温度值。
所述温度去噪单元包括：异常值丢弃子单元和温度去噪子单元；
所述异常值丢弃子单元用于取最新的多个温度数据，将满足异常条件的温度数据去除，得到正常温度数据序列；
所述温度去噪子单元用于根据正常温度数据序列，计算去噪温度数据。
所述异常条件为：
，
，
其中，为第/>个采集的温度数据，/>为正常温度数据序列中第/>个温度数据，/>为比例系数，/>为正常温度数据序列中第/>个温度数据，/>为正常温度数据序列中第/>个温度数据，| |为绝对值运算，/>为调节系数，/>为统计的异常值丢弃阶段的温度数据的数量，/>为取最大值，/>为取最小值。
在异常条件中，第个温度数据/>为正常温度数据序列的最新数据，第/>个采集的温度数据/>为采集的最新数据。
在本实施例中，温度去噪子单元中计算去噪温度数据的公式为：
，
其中，为第/>个去噪温度数据，/>为正常温度数据序列中第/>个温度数据，/>为去噪系数，/>为第/>个去噪温度数据，/>为统计的去噪阶段的温度数据的数量，为第/>个去噪温度数据，/>为统计数量时的下标。
在去噪过程中，第个去噪温度数据/>为最新去噪数据，第/>个温度数据/>为正常温度数据序列的最新数据。
上述表明被去噪的数据为正常温度数据序列中一个温度数据，本发明中的/>可根据需求设置大小，/>较小则参考的历史去噪温度数据较少，去噪温度数据更容易受当前温度数据/>和最新邻近去噪温度数据/>影响，具备更好的灵敏度，若/>较大，则参考的历史去噪温度数据更长，因此，其灵敏度较差，但在存在噪声情况下，去噪效果更好，本发明还参考历史去噪温度数据间的差值情况，综合历史去噪温度数据间的差值情况、历史去噪温度数据均值和当前待去噪温度数据，得到去噪温度数据，尽可能滤除噪声，提高温度计算精度。
所述计算当前温度值的公式为：
，
其中，为当前温度值，/>为第/>个去噪温度数据，/>和/>为正整数，/>的取值范围为1和/>之间，/>为第/>个温度系数，/>为第/>个温度系数，/>为第1个温度系数。
本发明对不同阶次的去噪温度数据赋予不同温度系数，建立去噪温度数据与温度值的映射关系，通过多阶次的去噪温度数据和不同的温度系数，提高温度值计算精度。
所述温度自适应控制模型包括：内层温度控制子模型和外层温度控制子模型。
所述外层温度控制子模型为：
，
其中，为外层温度控制子模型第/>次调节时的输出，/>为第/>次调节时的温差，/>为第/>次调节时的温差，/>为统计的调节次数，/>为内层温度控制子模型第/>次调节时的输出，/>为内层温度控制子模型第/>次调节时的输出，/>为第一外层温差系数，/>为第二外层温差系数，/>为第三外层温差反馈系数，/>为比例反馈系数。
所述内层温度控制子模型为：
，
其中，为内层温度控制子模型第/>次调节时的输出，/>为第一内层温差系数，为第二内层温差系数，/>为外层温度控制子模型第/>次调节时的输出，/>为外层温度控制子模型第/>次调节时的输出，/>为统计的调节次数。
所述温差的计算公式为：
，
，
其中，为第/>次调节时的温差，/>为第/>次调节时的实际室内温度值，/>为第次调节时的温度调节单元输出的温度值，/>为内层温度控制子模型第/>次调节时的输出，/>为温度比例系数。
在本实施例中，温度调节单元包括：地热电缆辐射供暖设备和空调设备。
将本发明温度自适应控制模型中的各系数构成系数序列，系数序列中各元素的值可通过以下方式率定：
A1、对系数序列中各元素赋予初值；
A2、将系数序列中各元素带入温度自适应控制模型中，得到收敛时间；
A3、判断收敛时间是否低于收敛阈值，若是，则当前的系数序列中各元素的值为温度自适应控制模型所需值，若否，则跳转至步骤A4；
A4、对系数序列中元素进行交叉和变异操作，得到新的系数序列/>，并跳转至步骤A2。
所述A4中交叉的公式为：
，
其中，为当前交叉概率，/>为初始交叉概率，/>为最大交叉概率，/>为收敛时间，/>为自然常数；
所述A4中变异的公式为：
，
其中，为当前变异概率，/>为初始变异概率，/>为最大变异概率，/>为收敛时间，/>为自然常数。
本发明中收敛时间越短，则意味着温度自适应控制模型收敛速度快，温控系统快速进入稳定运行阶段，温度实现平稳控制，本发明设计的交叉概率和变异概率均与温度自适应控制模型的收敛时间有关，在收敛时间越短时，交叉概率和变异概率越小，系数变化越小，逼近最优值，在收敛时间越长时，交叉概率和变异概率越大，系数变化越大，快速寻找最优值。
在本发明中，收敛时间为从温度自适应控制模型开始运行，到连续多次温差低于温差阈值的时间。
本发明中先采用温度传感器采集室内温度数据，并对其去噪处理，避免噪声对数据采集过程的影响，提高获取温度值的精度，再采用温度自适应控制模型，根据当前温度值，计算出温度控制量，将温度控制量传输给温度调节单元执行，实现温度自动调节的同时，实现对温度稳定调节和精准控制。
Claims (9)
1.一种基于温度自适应控制模型的楼宇温控系统，其特征在于，包括：温度传感器、温度控制单元、温度调节单元、无线传输单元和监控单元；
所述温度传感器用于采集室内温度数据，并去噪处理，得到当前温度值；
所述温度控制单元用于构建温度自适应控制模型，并基于温度自适应控制模型和当前温度值，计算温度控制量，将温度控制量传输至温度调节单元执行；
所述无线传输单元用于与其他无线传输单元构成自组网，将异常温度值传输回监控单元。
2.根据权利要求1所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述温度传感器包括：温度数据采集单元、温度去噪单元和温度计算单元；
所述温度数据采集单元用于采集室内温度数据；
所述温度去噪单元用于对室内温度数据进行去噪处理，得到去噪温度数据；
所述温度计算单元用于根据去噪温度数据，计算当前温度值。
3.根据权利要求2所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述温度去噪单元包括：异常值丢弃子单元和温度去噪子单元；
所述异常值丢弃子单元用于取最新的多个温度数据，将满足异常条件的温度数据去除，得到正常温度数据序列；
所述温度去噪子单元用于根据正常温度数据序列，计算去噪温度数据。
4.根据权利要求3所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述异常条件为：
，
，
其中，为第/>个采集的温度数据，/>为正常温度数据序列中第/>个温度数据，/>为比例系数，/>为正常温度数据序列中第/>个温度数据，/>为正常温度数据序列中第个温度数据，| |为绝对值运算，/>为调节系数，/>为统计的异常值丢弃阶段的温度数据的数量，/>为取最大值，/>为取最小值。
5.根据权利要求1所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述温度自适应控制模型包括：内层温度控制子模型和外层温度控制子模型。
6.根据权利要求5所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述外层温度控制子模型为：
，
其中，为外层温度控制子模型第/>次调节时的输出，/>为第/>次调节时的温差，/>为第/>次调节时的温差，/>为统计的调节次数，/>为内层温度控制子模型第/>次调节时的输出，/>为内层温度控制子模型第/>次调节时的输出，/>为第一外层温差系数，/>为第二外层温差系数，/>为第三外层温差反馈系数，/>为比例反馈系数。
7.根据权利要求6所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述内层温度控制子模型为：
，
其中，为内层温度控制子模型第/>次调节时的输出，/>为第一内层温差系数，/>为第二内层温差系数，/>为外层温度控制子模型第/>次调节时的输出，/>为外层温度控制子模型第/>次调节时的输出，/>为统计的调节次数。
8.根据权利要求7所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述温差的计算公式为：
，
，
其中，为第/>次调节时的温差，/>为第/>次调节时的实际室内温度值，/>为第/>次调节时的温度调节单元输出的温度值，/>为内层温度控制子模型第/>次调节时的输出，/>为温度比例系数。
9.根据权利要求8所述的基于温度自适应控制模型的楼宇温控系统，其特征在于，所述系数通过以下方法率定：
A1、对系数序列中各元素赋予初值；
A2、将系数序列中各元素带入温度自适应控制模型中，得到收敛时间；
A3、判断收敛时间是否低于收敛阈值，若是，则当前的系数序列中各元素的值为温度自适应控制模型所需值，若否，则跳转至步骤A4；
A4、对系数序列中元素进行交叉和变异操作，得到新的系数序列/>，并跳转至步骤A2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410057891.8A CN117570512B (zh) | 2024-01-16 | 2024-01-16 | 一种基于温度自适应控制模型的楼宇温控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410057891.8A CN117570512B (zh) | 2024-01-16 | 2024-01-16 | 一种基于温度自适应控制模型的楼宇温控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117570512A true CN117570512A (zh) | 2024-02-20 |
| CN117570512B CN117570512B (zh) | 2024-03-19 |
Family
ID=89864735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410057891.8A Active CN117570512B (zh) | 2024-01-16 | 2024-01-16 | 一种基于温度自适应控制模型的楼宇温控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117570512B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004094939A (ja) * | 2002-08-09 | 2004-03-25 | Omron Corp | モデル構造、制御装置、温度調節器および熱処理装置 |
| CN102392119A (zh) * | 2011-10-28 | 2012-03-28 | 重庆赛迪工业炉有限公司 | 热镀锌连续退火炉的在线综合控制方法 |
| CN111044152A (zh) * | 2019-12-31 | 2020-04-21 | 华中科技大学 | 图谱关联系统光谱偏置外场的自适应校正方法及系统 |
| CN111474856A (zh) * | 2020-05-25 | 2020-07-31 | 北京化工大学 | 一种隔离壁精馏塔的浓度软测量方法 |
| US20200394387A1 (en) * | 2019-06-17 | 2020-12-17 | Pixart Imaging Inc. | Recognition system employing thermal sensor |
| CN112596385A (zh) * | 2020-12-09 | 2021-04-02 | 中国农业科学院农业信息研究所 | 一种基于兽药仓库环境精准预调控方法及装置 |
| CN113485498A (zh) * | 2021-07-19 | 2021-10-08 | 北京工业大学 | 一种基于深度学习的室内环境舒适度调节方法及系统 |
| CN114859285A (zh) * | 2022-04-06 | 2022-08-05 | 威胜集团有限公司 | 时钟校准方法、电子设备及可读存储介质 |
| CN115123327A (zh) * | 2022-06-29 | 2022-09-30 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
| US20230022943A1 (en) * | 2021-07-22 | 2023-01-26 | Xidian University | Method and system for defending against adversarial sample in image classification, and data processing terminal |
| CN115833373A (zh) * | 2022-11-22 | 2023-03-21 | 盛隆电气集团有限公司 | 一种智能低压柜 |
| CN117130886A (zh) * | 2023-08-29 | 2023-11-28 | 中国工商银行股份有限公司 | 故障监测方法、装置、计算机设备和存储介质 |
| CN117320236A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市光明顶技术有限公司 | 无人机的照明控制方法及系统 |
-
2024
- 2024-01-16 CN CN202410057891.8A patent/CN117570512B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004094939A (ja) * | 2002-08-09 | 2004-03-25 | Omron Corp | モデル構造、制御装置、温度調節器および熱処理装置 |
| CN102392119A (zh) * | 2011-10-28 | 2012-03-28 | 重庆赛迪工业炉有限公司 | 热镀锌连续退火炉的在线综合控制方法 |
| US20200394387A1 (en) * | 2019-06-17 | 2020-12-17 | Pixart Imaging Inc. | Recognition system employing thermal sensor |
| CN111044152A (zh) * | 2019-12-31 | 2020-04-21 | 华中科技大学 | 图谱关联系统光谱偏置外场的自适应校正方法及系统 |
| CN111474856A (zh) * | 2020-05-25 | 2020-07-31 | 北京化工大学 | 一种隔离壁精馏塔的浓度软测量方法 |
| CN112596385A (zh) * | 2020-12-09 | 2021-04-02 | 中国农业科学院农业信息研究所 | 一种基于兽药仓库环境精准预调控方法及装置 |
| CN113485498A (zh) * | 2021-07-19 | 2021-10-08 | 北京工业大学 | 一种基于深度学习的室内环境舒适度调节方法及系统 |
| US20230022943A1 (en) * | 2021-07-22 | 2023-01-26 | Xidian University | Method and system for defending against adversarial sample in image classification, and data processing terminal |
| CN114859285A (zh) * | 2022-04-06 | 2022-08-05 | 威胜集团有限公司 | 时钟校准方法、电子设备及可读存储介质 |
| CN115123327A (zh) * | 2022-06-29 | 2022-09-30 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
| CN115833373A (zh) * | 2022-11-22 | 2023-03-21 | 盛隆电气集团有限公司 | 一种智能低压柜 |
| CN117130886A (zh) * | 2023-08-29 | 2023-11-28 | 中国工商银行股份有限公司 | 故障监测方法、装置、计算机设备和存储介质 |
| CN117320236A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市光明顶技术有限公司 | 无人机的照明控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| JIA XJ等: "Condition monitoring and performance forecasting of wind turbines based on denoising autoencoder and novel convolutional neural networks", 《ENERGY REPORTS》, 25 October 2021 (2021-10-25) * |
| 程斌斌: "基于降噪自编码的风力机参数异常预警研究", 《热力透平》, 31 March 2022 (2022-03-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117570512B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105135592B (zh) | 一种空调自适应调节方法及系统 | |
| CN109581879B (zh) | 基于广义预测控制的松散回潮控制方法及系统 | |
| CN110598906A (zh) | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 | |
| CN115013861B (zh) | 一种基于供热系统的室内温度控制方法及装置 | |
| CN116545954B (zh) | 基于物联网的通信网关数据传输方法及系统 | |
| CN110426953B (zh) | 基于火电机组发电模型的agc性能评价方法 | |
| CN107423433A (zh) | 一种数据采样率控制方法及装置 | |
| CN116191572B (zh) | 一种光伏逆变器的智能控制方法及系统 | |
| CN117387172B (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
| CN117570512B (zh) | 一种基于温度自适应控制模型的楼宇温控系统 | |
| CN114156910A (zh) | 一种基于信号同源的agc负荷解耦控制方法和自动寻优装置 | |
| CN110410854B (zh) | 一种换热站运行特性曲线自动修正调控方法及系统 | |
| CN117093823A (zh) | 基于数据分析的工厂能源消耗管理方法 | |
| CN112128934A (zh) | 空调器的智能控制方法与智能控制设备 | |
| CN113218053B (zh) | 空调负荷调控系统 | |
| CN111123699A (zh) | 基于动态仿真的控制参数优化方法及装置 | |
| CN116167604B (zh) | 一种基于生产全流程跟踪的电力产品生产智能管理系统 | |
| WO2020195768A1 (ja) | 農業ハウスの環境制御システム、ハウス制御装置 | |
| CN117235642A (zh) | 基于时间和空间的供热、供冷异常数据诊断处理方法 | |
| CN108332362B (zh) | 基于向量化分析的暖通循环水系统节能控制系统及方法 | |
| CN114781945B (zh) | 热电联产机组负荷分配方法、设备、终端及存储介质 | |
| CN115952695A (zh) | 基于供热控制系统的温度探测数据远程交互方法 | |
| CN114400928B (zh) | 云控智能无刷电机驱动系统 | |
| CN114662056A (zh) | 镀膜厚度控制方法、装置和存储介质 | |
| CN114576816A (zh) | 基于红外传感器的空调调节方法及装置 |
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 |