CN117606119B - 基于环境分析的空气柜智能调参控制方法及系统 - Google Patents
基于环境分析的空气柜智能调参控制方法及系统 Download PDFInfo
- Publication number
- CN117606119B CN117606119B CN202410089213.XA CN202410089213A CN117606119B CN 117606119 B CN117606119 B CN 117606119B CN 202410089213 A CN202410089213 A CN 202410089213A CN 117606119 B CN117606119 B CN 117606119B
- Authority
- CN
- China
- Prior art keywords
- space
- control
- air cabinet
- establishing
- maintenance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000000746 purification Methods 0.000 claims abstract description 27
- 238000003891 environmental analysis Methods 0.000 claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims description 104
- 238000005457 optimization Methods 0.000 claims description 91
- 238000012795 verification Methods 0.000 claims description 69
- 238000011156 evaluation Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 abstract description 20
- 230000000694 effects Effects 0.000 abstract description 18
- 230000008859 change Effects 0.000 abstract description 10
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 6
- 238000004887 air purification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
Classifications
-
- 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
- F24F11/64—Electronic processing using pre-stored data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了基于环境分析的空气柜智能调参控制方法及系统,属于智能控制领域,其中方法包括:建立控制空间特征集;获取空气柜在目标空间的空间分布,进行空间影响网格分割,建立空间影响网格;设置空间净化需求,执行目标空间的初始态环境数据采集,建立初态环境数据;以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优;基于时序控制参数寻优结果建立解集空间,进行空气柜的智能调参控制。本申请解决了现有技术中空气柜控制无法实时感知环境变化,从而无法有效提升空气质量的技术问题,达到了通过环境分析实时感知空间变化,精确调控空气柜,从而有效提升空气质量的技术效果。
Description
技术领域
本发明涉及智能控制领域,具体涉及基于环境分析的空气柜智能调参控制方法及系统。
背景技术
随着人们环保意识的不断提高,对室内空气质量的关注日益增多。现有的各类空气柜在改善室内空气质量方面发挥着重要作用,通过空气过滤、杀菌、除螨等手段净化空气。但是,现有空气柜基于设定的阈值和时间表进行空气柜的开关调节,无法根据目标空间的实时环境参数变化如温度、湿度、污染物浓度等进行自适应优化控制,从而导致空气柜无法有效提升空气质量。
发明内容
本申请通过提供了基于环境分析的空气柜智能调参控制方法及系统,旨在解决现有技术中空气柜控制无法实时感知环境变化,从而无法有效提升空气质量的技术问题。
鉴于上述问题,本申请提供了基于环境分析的空气柜智能调参控制方法及系统。
本申请公开的第一个方面,提供了基于环境分析的空气柜智能调参控制方法,该方法包括:建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化。
本申请公开的另一个方面,提供了基于环境分析的空气柜智能调参控制系统,该系统包括:特征集建立模块,用于建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;空间影响网格模块,用于获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;初态环境数据模块,用于设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;控制参数寻优模块,用于以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;智能调参控制模块,用于基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了建立控制空间特征集,用于进行空间影响网格分割;获取空气柜空间分布数据,基于空气柜控制参数、空间分布数据和控制空间特征集,进行空间影响网格分割,建立空间影响网格模型,为阶梯自适应优化提供基础;设置空间净化需求,并布置环境传感器,采集初始态环境数据,作为控制优化的初始态输入;以初始态环境数据为分析基准,以空间净化需求为控制目标,执行空气柜时序参数寻优,获得时序控制参数寻优结果,实现对多目标的协同优化控制;依据时序控制参数寻优结果,构建解集空间,根据解集空间映射关系,实时调整空气柜控制参数,实现智能化自适应控制;并利用建立的空间影响网格,进行多级联动调节,实现控制的动态优化的技术方案,解决了现有技术中空气柜控制无法实时感知环境变化,从而无法有效提升空气质量的技术问题,达到了通过环境分析实时感知空间变化,精确调控空气柜,从而有效提升空气质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于环境分析的空气柜智能调参控制方法的一种流程示意图;
图2为本申请实施例提供了基于环境分析的空气柜智能调参控制方法中进行阶梯自适应优化的一种流程示意图;
图3为本申请实施例提供了基于环境分析的空气柜智能调参控制系统的一种结构示意图。
附图标记说明:特征集建立模块11,空间影响网格模块12,初态环境数据模块13,控制参数寻优模块14,智能调参控制模块15。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了基于环境分析的空气柜智能调参控制方法及系统。首先,建立控制空间特征集,以准确描述目标空间的空间数据,为实现后续空间影响网格划分提供基础。然后,获取空气柜空间分布信息,在控制空间特征集基础上,考虑空气柜自身的控制参数与空间布局信息,进行空间影响网格的划分,形成不同控制区域。随后,设置空间净化需求,使用环境传感器监测各区域的初态环境数据,为评估空气净化效果的依据。然后,以初态环境数据为基准,以空间净化需求为目标,对空气柜的运行参数进行优化,得到时序控制参数寻优结果,为实现精确调控的核心。之后,基于时序控制参数寻优结果,构建解集空间,进行自适应阶梯控制,实时调整空气柜的运行参数,实现对空间环境变化的主动响应,从而有效提升空气柜净化空气的性能,提升空气质量。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了基于环境分析的空气柜智能调参控制方法,该方法包括:
建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;
在本申请实施例中,首先,获取目标空间的三维模型数据及相关参数,包括空间的长、宽、高尺寸,墙体材质,门窗数量及大小,装修材料种类及装修面积等。同时,获取目标空间的人员及环境数据,包括目标空间的最大容纳人数、高峰期人流量,以及温度、湿度、PM2.5浓度等环境参数的数据分布情况。然后,检查所获取的目标空间的空间数据质量,处理缺失值,归一化处理等,得到规范化的空间数据。之后,将规范化的空间数据利用数据库技术整合存储,并建立索引,实现对数据的查询访问,得到控制空间特征集。
通过构建目标空间控制空间特征集,获取目标空间的具体情况,为后续智能控制参数优化提供基础数据支撑。
获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;
在本申请实施例中,首先,获取安装在目标空间内的空气柜的具体分布位置信息,包括空气柜的空间坐标、朝向角度等参数。然后,结合空气柜的控制参数,包括风量大小、净化方式、覆盖面积等,确定每个空气柜的空间影响范围,即空气净化作用可以覆盖的空间大小。同时,基于空气柜的空间分布和控制参数,计算出每个空气柜的空间影响范围在目标空间内的具体分布区域。
随后,将计算获得的空气柜空间影响范围与建立的控制空间特征集进行数据对接,以控制空间特征集的分布特征为依据,将目标空间分割成多个空间影响子区域,每个子区域内空气柜的空间影响范围有效覆盖,并形成空间影响网格,为后续控制参数优化提供空间映射依据。
设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;
在本申请实施例中,首先,明确定义目标空间的空气净化需求,即期望实现的空气净化效果指标,例如PM2.5浓度下降量要求、甲醛降解率要求、负氧离子浓度要求等。然后,依据建立的控制空间特征集中的空间特征,确定环境传感器的最佳布置位置,形成传感阵列,确保控制空间特征集的关键区域被传感器有效覆盖。布置完成环境传感阵列后,实现对目标空间环境参数的监测,并记录当前目标空间的环境参数,形成初始态环境数据,包括温度、湿度、PM2.5、甲醛浓度等。
通过设置空间净化需求,并采集初始态环境数据,为执行空气柜控制参数的优化提供目标依据和比较基准。
以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;
在本申请实施例中,确定初态环境数据和空间净化需求后,首先,将记录的初始态环境数据作为时序控制参数寻优的起点,以设置的空间净化需求为优化目标,构建速度评价函数、成本评价函数、稳定性评价函数三个评价体系。其中,速度评价函数用于评估空气柜在不同控制参数下使环境参数达标的时间;成本评价函数用于评估不同控制参数条件下的能耗水平;稳定性评价函数用于评估控制参数对长期稳定控制的影响。随后,在速度评价函数、成本评价函数和稳定性评价函数的约束条件下,改变空气柜的风速、模式、风向等时序控制参数,多次模拟空气柜的运行状况,并计算三类评价函数的综合得分。最终,确定出一组时序控制参数的组合,使评价函数达到最优,得到时序控制参数寻优结果。
基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化。
在本申请实施例中,在获得时序控制参数寻优结果后,首先,基于时序控制参数寻优结果,构建解集空间,形成包含多组优化控制参数。然后,从解集空间中选择优化控制参数,对空气柜进行调参控制,使空气柜按照时序控制参数寻优结果控制运行;同步,依据建立的空间影响网格,实时监测每个网格区域内的环境响应效果,采用阶梯式的自适应优化策略,先评估第一阶段的环境监测反馈效果,如未完全达标,则启动新一轮参数微调,输出目标环境指标,并进入第二阶段环境监测验证,循环往复,直至所有空间区域环境指标全部达标。
通过构建解集空间,实现对空气柜的智能调参控制,并借助空间影响网格,引入闭环反馈机制,使用阶梯式自适应方法达成动态优化,最终使空气柜的空气净化效果最大化,提升空气质量。
进一步的,本申请实施例还包括:
对空气柜进行历史工作数据调用,建立空气柜的历史工作数据集,历史工作数据集带有时间标识;
获取空气柜的历史维护数据,通过历史维护数据进行维护特征和维护节点标识;
以维护节点作为中心节点,建立维护时间窗口;
通过维护时间窗口进行历史工作数据集的数据调用,并执行维护特征的特征优化处理;
通过特征优化处理后的历史工作数据集进行时序衰减下的特征分析,基于分析结果建立稳定性评价函数。
在一种可行的实施方式中,首先,访问存储空气柜历史运行数据的数据库,调用自空气柜正式投入使用开始至今的全部运行状态数据,得到空气柜的历史工作数据集。该历史工作数据集包含空气柜在不同时段的风速、风量、滤网使用时长、错误代码等运行参数,每条历史运行数据都带有时间标识,即时间戳,记录参数的采集时间。同时,获取空气柜的维护保养记录数据,得到历史维护数据,来源于空气柜的定期保养、维修报告等,包含每次维护的时间、维护原因(需更换部件、出现故障等)、维护时长、维护结果等内容。然后,对历史维护数据中的各条维护数据进行解析,提取维护的关键特征,即维护的目标、类型及维护前后状态变化等,反映维护的具体详情;并标识出每条维护数据中对应的维护实施时间点,作为维护节点。
随后,以维护节点为基准,在每个维护节点前后设置一个时间跨度的窗口,即维护时间窗口。该维护时间窗口覆盖维护出现故障时空气柜的工作状态,以及维护修复完成后一段时间内的运行情况,以通过维护之前的工作数据判断故障的原因,并以维护之后的数据能反映故障是否得到彻底解决,使得能够针对维护时间窗口的数据进行差异化分析和处理,以消除维护对判断空气柜工作稳定性的影响。在设置完成维护时间窗口后,启用维护时间窗口作为区间筛选条件,从构建的历史工作数据集中调用对应时间段的运行数据,包含了空气柜在维护前后一段时间范围内的工作数据集,这部分数据受到维护的影响,存在故障或异常的特征。因此,对调用出的工作数据集采用填充缺失值、滤波平滑噪声等手段进行特征优化处理,使数据在维护时间窗口段内保持连续,消除维护过程带来的异常特征,得到特征优化处理后的历史工作数据集。
之后,考虑特征优化处理后的历史工作数据集为时间跨度较长的数据,其质量和代表性会存在衰减,因此在特征分析时,构建时间衰减函数,即给予最近时段的数据更高的权重,过往时段的数据赋予较低权重。然后,分析特征优化处理后的历史工作数据集中反映稳定性的各特征,包括风速波动范围、模式切换频率、故障率等,形成衡量空气柜工作稳定性好坏的稳定性评价函数,为选择更加可靠的时序控制参数提供支持。
进一步的,本申请实施例还包括:
将维护时间窗口内的对应特征从历史维护数据中剔除;
获取维护时间窗口内的初始故障特征,并以初始故障特征的特征值建立基础影响值;
获取维护时间窗口内的维护特征持续监测结果,通过维护特征持续监测结果生成附加影响值;
基于基础影响值、附加影响值和维护节点进行维护特征的特征状态重构;
根据特征状态重构结果完成特征优化处理。
在一种优选的实施方式中,对维护特征的特征优化处理时,首先,在历史维护数据中,将维护时间窗口内发生的所有数据剔除,即删除掉维护时间窗口内的所有维护特征。然后,提取维护时间窗口内空气柜发生故障时的初始特征状态,即导致设备无法正常工作而发生故障和停机的特征参数,如电机电流过大、滤网堵塞严重、进风口温度过高等,得到初始故障特征。接着,根据初始故障特征的参数数值,生成代表故障对设备影响大小的基础影响值。在获取维护时间窗口内的初始故障特征后,开始收集维护时间窗口内,维护过程中维护特征持续监测结果,例如,维护后的新滤网的气流通过率、电机的工作电流、进风口温度的输出值等,反映维护修复的过程与效果。随后,基于维护特征持续监测结果中维护前后参数值的变化,生成代表维护修正影响大小的附加影响值。
随后,综合基础影响值和附加影响值,根据维护节点及前后状态变化,构建维护特征的参数映射关系,即重新计算维护后特征参数的值,完成特征状态的重构,以保证反映维护过程的前提下,使得特征状态值变化连续。接着,基于得到的特征状态重构结果,采用插值、曲线拟合等优化算法,对特征数据进行进一步的平滑处理,使得维护时间窗口内的维护特征数据更加完整。之后,最后,利用特征状态重构后的维护时间窗口内的特征数据集,替换历史工作数据集中对应的数据集,完成特征优化处理。
进一步的,如图2所示,本申请实施例还包括:
基于解集空间确定初始优化参数;
以初始优化参数作为拟合参数,通过对应空间影响网格建立拟合环境控制结果,其中,拟合环境控制结果为带有时序标识的拟合结果;
通过拟合环境控制结果建立N个阶梯环境验证节点,并通过N个阶梯环境验证节点进行智能调参控制结果的时序验证;
根据时序验证结果进行控制的阶梯自适应优化。
在一种可行的实施方式中,解集空间为多组优化控制参数,从中随机提取一组优化控制参数,作为初始优化参数。然后,将初始优化参数代入空气柜数学模型,并根据空间影响网格中不同区域的位置布局、功能分区等信息,多次运行仿真程序,生成针对目标空间的气流流场、PM2.5浓度分布等环境控制效果的拟合环境控制结果,并在拟合环境控制结果中标注对应的时间标识,作为时序验证分析的依据。
随后,根据生成的拟合环境控制结果,按照其中的时间标识设置N个时间点作为阶梯环境验证节点,得到N个阶梯环境验证节点,这些验证节点按时间顺序离散分布,有效地覆盖从环境控制起点至最终目标状态的整个连续变化过程。接着,在第一个阶梯环境验证节点,对模拟环境参数的监测值与预设的目标空间的空间净化需求进行比较,计算控制效果的误差或偏差,得到带时间标识的逐节点验证结果,即时序验证结果,实现智能调参控制结果的时序验证。之后,根据时序验证结果进行控制的阶梯自适应优化,对不达标的节点进行阶梯式优化,逐步减少各验证节点的环境控制偏差,完成针对具体场景的闭环式自适应控制优化。
进一步的,本申请实施例还包括:
获取第一阶梯环境验证节点的验证偏差结果,并基于验证偏差结果和第二阶梯环境验证节点建立第一自适应优化空间,其中,第二阶梯环境验证节点为第一阶梯环境验证节点的顺序相邻验证节点;
在解集空间执行第一自适应优化空间的控制寻优,获取自适应寻优结果;
基于自适应寻优结果完成阶梯自适应优化。
在一种优选的实施方式中,获取时序验证结果后,从中锁定时间排序最靠前的阶梯环境验证节点,即第一阶梯环境验证节点,提取该节点的验证偏差结果。然后,锁定第一阶梯环境验证节点时间顺序相邻的后一阶梯环境验证节点,即第二阶梯环境验证节点。根据第一阶梯环境验证节点的验证偏差结果,并考虑到第二阶梯环境验证节点的时间位置,构建出第一自适应优化空间,为在整体解集空间范围内,选取可以有效消除第一阶梯环境验证节点的偏差而不过度影响第二阶梯环境验证节点的控制参数子空间,实现对参数搜寻范围的约束和缩小,为寻优提供目标向导。
得到第一自适应优化子空间后,开始在其范围内执行参数组合的优化搜索,沿用构建的评价函数,在子空间中遍历尝试不同的参数组合作为更新的控制输入,模拟运行结果,计算并比较出使第一阶梯环境验证节点的偏差最接近空间净化需求的参数组合,得到自适应寻优结果。之后,按照上述流程,对后续的阶梯环境验证节点依次进行自适应优化,逐步减小各阶梯环境验证节点的偏差,实现阶梯自适应优化。
进一步的,本申请实施例还包括:
基于N个阶梯环境验证节点顺序建立N-1个自适应优化空间;
通过N-1个自适应优化空间的自适应寻优结果完成阶梯自适应优化。
在一种可行的实施方式中,与构建第一自适应优化空间相同的方式,继续构建后续阶梯环境验证节点之间的自适应优化空间,得到N-1个自适应优化空间。其中,N代表阶梯环境验证节点的个数;N-1表示自适应优化空间的数量。随后,依次遍历N-1个自适应优化空间,以空间净化需求为控制目标,确定一组新的参数组合,作为当前自适应优化空间的自适应寻优结果。之后,将每一自适应寻优结果对应更新至初始优化参数中,形成新的优化参数,完成阶梯自适应优化,实现逐步逼近式阶梯自适应调参,使空气净化效果最大化。
进一步的,本申请实施例还包括:
基于验证偏差结果进行初始优化参数的控制偏差分析,生成响应的偏差补偿;
通过响应的偏差补偿对解集空间优化,通过优化后的解集空间完成控制寻优。
在一种可行的实施方式中,首先,针对每一阶梯环境验证节点的验证偏差结果,分析当前节点对应的初始优化参数可能存在的控制偏差类型和原因。然后,基于分析结果对各每一阶梯环境验证节点生成响应的偏差补偿,用于消除各节点带来的控制偏差。然后,将响应的偏差补偿反馈注入原有的解集空间中,实现解集空间的扩展优化,即在原有解集空间基础上,增加构建包含偏差补偿的新的参数组合,扩充优化后的解集空间扩大了参数选择范围,提高控制效果拟合度。最后,在此扩增优化后的解集空间内,重新执行最终控制变量的确认,选择整体偏差最小的一组参数,作为空气柜的最终控制变量投入使用,从而精确调控空气柜,有效提升空气质量。
综上,本申请实施例所提供的基于环境分析的空气柜智能调参控制方法具有如下技术效果:
建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成,获取目标空间的空间数据特征,为空间影响网格分割打基础。获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,为实现精细化控制提供基础。设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据,作为时序控制参数寻优的起点。以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,为进行空气柜的智能调参控制提供优选参数。基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化,实现了根据空间环境对空气柜进行精确调控,以动态优化空气净化效果,提升空气质量。
实施例二
基于与前述实施例中基于环境分析的空气柜智能调参控制方法相同的发明构思,如图3所示,本申请实施例提供了基于环境分析的空气柜智能调参控制系统,该系统包括:
特征集建立模块11,用于建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;
空间影响网格模块12,用于获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;
初态环境数据模块13,用于设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;
控制参数寻优模块14,用于以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;
智能调参控制模块15,用于基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化。
进一步的,控制参数寻优模块14包括以下执行步骤:
对空气柜进行历史工作数据调用,建立空气柜的历史工作数据集,历史工作数据集带有时间标识;
获取空气柜的历史维护数据,通过历史维护数据进行维护特征和维护节点标识;
以维护节点作为中心节点,建立维护时间窗口;
通过维护时间窗口进行历史工作数据集的数据调用,并执行维护特征的特征优化处理;
通过特征优化处理后的历史工作数据集进行时序衰减下的特征分析,基于分析结果建立稳定性评价函数。
进一步的,控制参数寻优模块14还包括以下执行步骤:
将维护时间窗口内的对应特征从历史维护数据中剔除;
获取维护时间窗口内的初始故障特征,并以初始故障特征的特征值建立基础影响值;
获取维护时间窗口内的维护特征持续监测结果,通过维护特征持续监测结果生成附加影响值;
基于基础影响值、附加影响值和维护节点进行维护特征的特征状态重构;
根据特征状态重构结果完成特征优化处理。
进一步的,智能调参控制模块15包括以下执行步骤:
基于解集空间确定初始优化参数;
以初始优化参数作为拟合参数,通过对应空间影响网格建立拟合环境控制结果,其中,拟合环境控制结果为带有时序标识的拟合结果;
通过拟合环境控制结果建立N个阶梯环境验证节点,并通过N个阶梯环境验证节点进行智能调参控制结果的时序验证;
根据时序验证结果进行控制的阶梯自适应优化。
进一步的,智能调参控制模块15还包括以下执行步骤:
获取第一阶梯环境验证节点的验证偏差结果,并基于验证偏差结果和第二阶梯环境验证节点建立第一自适应优化空间,其中,第二阶梯环境验证节点为第一阶梯环境验证节点的顺序相邻验证节点;
在解集空间执行第一自适应优化空间的控制寻优,获取自适应寻优结果;
基于自适应寻优结果完成阶梯自适应优化。
进一步的,智能调参控制模块15还包括以下执行步骤:
基于N个阶梯环境验证节点顺序建立N-1个自适应优化空间;
通过N-1个自适应优化空间的自适应寻优结果完成阶梯自适应优化。
进一步的,智能调参控制模块15还包括以下执行步骤:
基于验证偏差结果进行初始优化参数的控制偏差分析,生成响应的偏差补偿;
通过响应的偏差补偿对解集空间优化,通过优化后的解集空间完成控制寻优。
综上的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.基于环境分析的空气柜智能调参控制方法,其特征在于,所述方法包括:
建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;
获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;
设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;
以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;
基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化;
其中,所述稳定性评价函数包括:
对空气柜进行历史工作数据调用,建立空气柜的历史工作数据集,历史工作数据集带有时间标识;
获取空气柜的历史维护数据,通过历史维护数据进行维护特征和维护节点标识;
以维护节点作为中心节点,建立维护时间窗口;
通过维护时间窗口进行历史工作数据集的数据调用,并执行维护特征的特征优化处理;
通过特征优化处理后的历史工作数据集进行时序衰减下的特征分析,基于分析结果建立稳定性评价函数;
所述通过空间影响网格进行控制的阶梯自适应优化,包括:
基于解集空间确定初始优化参数;
以初始优化参数作为拟合参数,通过对应空间影响网格建立拟合环境控制结果,其中,拟合环境控制结果为带有时序标识的拟合结果;
通过拟合环境控制结果建立N个阶梯环境验证节点,并通过N个阶梯环境验证节点进行智能调参控制结果的时序验证;
根据时序验证结果进行控制的阶梯自适应优化。
2.如权利要求1的所述方法,其特征在于,方法还包括:
将维护时间窗口内的对应特征从历史维护数据中剔除;
获取维护时间窗口内的初始故障特征,并以初始故障特征的特征值建立基础影响值;
获取维护时间窗口内的维护特征持续监测结果,通过维护特征持续监测结果生成附加影响值;
基于基础影响值、附加影响值和维护节点进行维护特征的特征状态重构;
根据特征状态重构结果完成特征优化处理。
3.如权利要求1的所述方法,其特征在于,方法还包括:
获取第一阶梯环境验证节点的验证偏差结果,并基于验证偏差结果和第二阶梯环境验证节点建立第一自适应优化空间,其中,第二阶梯环境验证节点为第一阶梯环境验证节点的顺序相邻验证节点;
在解集空间执行第一自适应优化空间的控制寻优,获取自适应寻优结果;
基于自适应寻优结果完成阶梯自适应优化。
4.如权利要求3的所述方法,其特征在于,方法还包括:
基于N个阶梯环境验证节点顺序建立N-1个自适应优化空间;
通过N-1个自适应优化空间的自适应寻优结果完成阶梯自适应优化。
5.如权利要求4的所述方法,其特征在于,方法还包括:
基于验证偏差结果进行初始优化参数的控制偏差分析,生成响应的偏差补偿;
通过响应的偏差补偿对解集空间优化,通过优化后的解集空间完成控制寻优。
6.基于环境分析的空气柜智能调参控制系统,其特征在于,用于实施权利要求1-5任意一项的基于环境分析的空气柜智能调参控制方法,所述系统包括:
特征集建立模块,特征集建立模块用于建立控制空间特征集,控制空间特征集通过提取目标空间的空间数据构建而成;
空间影响网格模块,空间影响网格模块用于获取空气柜在目标空间的空间分布,并基于空气柜的控制参数、空间分布和控制空间特征集进行目标空间的空间影响网格分割,建立空间影响网格,其中,空间影响网格与控制参数具有对应关系;
初态环境数据模块,初态环境数据模块用于设置目标空间的空间净化需求,并依据控制空间特征集分布阵列环境传感器,执行目标空间的初始态环境数据采集,建立初态环境数据;
控制参数寻优模块,控制参数寻优模块用于以初态环境数据的采集节点为分析零点,以空间净化需求为控制目标,通过执行空气柜的时序控制参数寻优,其中,时序控制参数寻优的评价函数包括速度评价函数、成本评价函数和稳定性评价函数;
智能调参控制模块,智能调参控制模块用于基于时序控制参数寻优结果建立解集空间,通过解集空间进行空气柜的智能调参控制,并通过空间影响网格进行控制的阶梯自适应优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089213.XA CN117606119B (zh) | 2024-01-23 | 2024-01-23 | 基于环境分析的空气柜智能调参控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089213.XA CN117606119B (zh) | 2024-01-23 | 2024-01-23 | 基于环境分析的空气柜智能调参控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117606119A CN117606119A (zh) | 2024-02-27 |
CN117606119B true CN117606119B (zh) | 2024-04-09 |
Family
ID=89960154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410089213.XA Active CN117606119B (zh) | 2024-01-23 | 2024-01-23 | 基于环境分析的空气柜智能调参控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117606119B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021063033A1 (zh) * | 2019-09-30 | 2021-04-08 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调系统控制方法 |
CN116007148A (zh) * | 2023-01-09 | 2023-04-25 | 江苏悦达绿色建筑科技有限公司 | 一种基于物联网的智能家居空气净化系统 |
CN117006593A (zh) * | 2023-09-28 | 2023-11-07 | 博纳环境设备(太仓)有限公司 | 基于需求的工业空调出风控制方法及系统 |
CN117111664A (zh) * | 2023-10-25 | 2023-11-24 | 江苏辰星药业股份有限公司 | 用于植物空心胶囊储存的环境控制方法及系统 |
CN117346300A (zh) * | 2023-10-31 | 2024-01-05 | 苏州骋研电子技术有限公司 | 一种工业制造环境的预净化控制方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5793350B2 (ja) * | 2011-06-14 | 2015-10-14 | アズビル株式会社 | 空調制御装置および方法 |
CN105333559A (zh) * | 2014-07-04 | 2016-02-17 | 开利公司 | 暖通空调控制系统、暖通空调系统及控制方法 |
-
2024
- 2024-01-23 CN CN202410089213.XA patent/CN117606119B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021063033A1 (zh) * | 2019-09-30 | 2021-04-08 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调系统控制方法 |
CN116007148A (zh) * | 2023-01-09 | 2023-04-25 | 江苏悦达绿色建筑科技有限公司 | 一种基于物联网的智能家居空气净化系统 |
CN117006593A (zh) * | 2023-09-28 | 2023-11-07 | 博纳环境设备(太仓)有限公司 | 基于需求的工业空调出风控制方法及系统 |
CN117111664A (zh) * | 2023-10-25 | 2023-11-24 | 江苏辰星药业股份有限公司 | 用于植物空心胶囊储存的环境控制方法及系统 |
CN117346300A (zh) * | 2023-10-31 | 2024-01-05 | 苏州骋研电子技术有限公司 | 一种工业制造环境的预净化控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117606119A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046743A (zh) | 基于ga-ann的公共建筑能耗预测方法和系统 | |
CN109118384A (zh) | 一种风电机组健康预警方法 | |
EP2697695A2 (de) | Verfahren zur rechnergestützten generierung eines datengetriebenen modells eines technischen systems, insbesondere einer gasturbine oder windturbine | |
CN113656938A (zh) | 配电网变压器的监管方法、控制装置、及存储介质 | |
CN107622308A (zh) | 一种基于dbn网络的发电设备参数预警方法 | |
CN106842914A (zh) | 一种温度控制节能处理方法、装置及系统 | |
CN114462309B (zh) | 一种物理仿真模型训练方法、装置、设备和存储介质 | |
CN115860286B (zh) | 一种基于时序门机制的空气质量预测方法及系统 | |
CN116822115A (zh) | 一种基于数字孪生技术的智慧园区的环境管理方法及系统 | |
CN115689524A (zh) | 一种数据中心机房电气设备预测性维护系统及方法 | |
CN115222138A (zh) | 一种基于eemd-lstm微网光伏短期功率区间预测方法 | |
CN117606119B (zh) | 基于环境分析的空气柜智能调参控制方法及系统 | |
CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
CN117318033B (zh) | 一种结合数据孪生的电网数据管理方法及系统 | |
CN116757354A (zh) | 一种基于多层感知机的烟叶复烤段关键参数筛选方法 | |
CN116449779A (zh) | 基于Actor-Critic结构的汽车车身喷涂用环境数据分析方法 | |
CN116226263A (zh) | 一种可再生能源可视化智能管控制方法及系统 | |
CN112464552B (zh) | 一种适用于地下水封储油库渗流场时序预测方法及系统 | |
CN114676586A (zh) | 一种基于多维、多时空的数字模拟与仿真的建构方法 | |
CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
CN113408076A (zh) | 基于支持向量机模型的小样本机械剩余寿命预测方法 | |
CN117891644B (zh) | 一种基于数字孪生技术的数据采集系统及其采集方法 | |
CN112734285B (zh) | 一种电站送风机超温预警方法及系统 | |
CN114754396B (zh) | 一种经智能算法优化的热电厂集中供热系统和方法 | |
CN113469449B (zh) | 脱硫系统的寻优控制方法及系统 |
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 |