CN118245709A - 一种温度控制方法、系统、智能冰箱及存储介质 - Google Patents
一种温度控制方法、系统、智能冰箱及存储介质 Download PDFInfo
- Publication number
- CN118245709A CN118245709A CN202410628833.6A CN202410628833A CN118245709A CN 118245709 A CN118245709 A CN 118245709A CN 202410628833 A CN202410628833 A CN 202410628833A CN 118245709 A CN118245709 A CN 118245709A
- Authority
- CN
- China
- Prior art keywords
- temperature control
- historical
- condensation cycle
- pulse
- temperature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009833 condensation Methods 0.000 claims abstract description 168
- 230000005494 condensation Effects 0.000 claims abstract description 167
- 239000003507 refrigerant Substances 0.000 claims abstract description 98
- 230000001105 regulatory effect Effects 0.000 claims abstract description 22
- 230000007704 transition Effects 0.000 claims description 39
- 230000001276 controlling effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 5
- 230000002195 synergetic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000007906 compression Methods 0.000 description 6
- 235000013305 food Nutrition 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- F25D11/00—Self-contained movable devices, e.g. domestic refrigerators
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Combustion & Propulsion (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Feedback Control In General (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本申请提供了一种温度控制方法、系统、智能冰箱及存储介质，通过从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲，确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控，可实现目标智能冰箱的低波动恒温控制。
Description
技术领域
本申请涉及温度控制技术领域，更具体的说，本申请涉及一种温度控制方法、系统、智能冰箱及存储介质。
背景技术
温度控制技术的核心目标是通过各种手段，确保特定系统或环境中的温度保持在预定的范围内，以满足安全、舒适、生产等需求，其在多个领域都有重要应用场景，例如在食品领域，从食品生产、运输到储存，适当的温度控制是保持食品新鲜度和安全性的关键，随着业务和生活需求对温度控制技术的依赖增加温度控制技术变得越来越重要。
智能冰箱的温度控制技术是通过对智能冰箱内的传感器监测的温度数据进行分析，达到控制智能冰箱的温度一种方法，智能冰箱温度控制的关键特点包括：提高冰箱寿命，减少能耗等，随着人们对食品的新鲜程度重视程度加深，对智能冰箱的温度控制变得越来越重要，而现有技术中，智能冰箱只能通过温度传感器监测温度数据与用户设定的目标温度之间的温度波动程度判断是否开始制冷，但此时智能冰箱内已经开始出现温度波动，而在智能冰箱开始制冷时，只能通过固定剂量的制冷剂来实现冰箱内部降温，忽略了开启冰箱门时的热量增加以及食材本身热量的影响，进而使得智能冰箱内部温度波动较大，因此，如何实现智能冰箱的低波动恒温控制成为亟需要解决的问题。
发明内容
本申请提供一种温度控制方法、系统、智能冰箱及存储介质，可实现智能冰箱的低波动恒温控制。
第一方面，本申请提供一种温度控制方法，包括下述步骤：
从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量；
根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲；
确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标；
根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数；
通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
在一些实施例中，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标具体包括：
对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点；
选取一个初始脉冲拟合点，根据所有温控效用熵确定该个初始脉冲拟合点的过渡漂移算子；
根据所述过渡漂移算子确定该个初始脉冲拟合点的过渡脉冲拟合点；
根据所述过渡脉冲拟合点确定该个初始脉冲拟合点对应的温控脉冲的热协同效能指标；
重复上述步骤，确定剩余初始脉冲拟合点对应的温控脉冲的热协同效能指标。
在一些实施例中，对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点具体包括：
将所述初始脉冲拟合图像所形成的平面作为三维坐标系（x，y，z）；
将目标智能冰箱的所有冷凝循环对应的历史温差量作为三维坐标系（x，y，z）中的X轴；
将目标智能冰箱的所有冷凝循环对应的历史制冷剂供给量作为三维坐标系（x，y，z）中的y轴；
将每个冷凝循环的历史温差量和历史制冷剂供给量对应的温控脉冲作为三维坐标系（x，y，z）中的Z轴，从而建立三维坐标系；
根据每个冷凝循环对应的历史温差量，历史制冷剂供给量，温控脉冲的值确定每个冷凝循环对应的三维坐标，将冷凝循环对应的三维坐标点作为该个冷凝循环的温控脉冲的初始脉冲拟合点，进而得到所有温控脉冲的初始脉冲拟合点。
在一些实施例中，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数具体包括：
根据所有热协同效能指标确定消冗温度趋近量；
根据所述消冗温度趋近量和所有历史温差量确定每个冷凝循环用于温度控制的导向系数。
在一些实施例中，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控具体包括：
首先获取一个导向系数和该个导向系数对应的冷凝循环中的历史制冷剂供给量；
然后用该个导向系数对该个导向系数对应的历史制冷剂供给量进行调控；
重复上述步骤，对剩余导向系数对应的历史制冷剂供给量进行调控。
在一些实施例中，将目标智能冰箱的一个制冷周期的过程作为一个冷凝循环。
在一些实施例中，历史温差量为该个历史温差量对应的冷凝循环中的温度值与前一个冷凝循环中的温度值的差值的绝对值。
第二方面，本申请提供一种温度控制系统，其包括：
获取模块，用于从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量；
处理模块，用于根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲；
所述处理模块，还用于确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标；
所述处理模块，还用于根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数；
调控模块，用于通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
第三方面，本申请提供一种智能冰箱，所述智能冰箱包括有上述的温度控制系统。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的温度控制方法的步骤。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的方案中通过从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲，确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控，本申请中，通过所述导向系数衡量每个冷凝循环的温度与前一个冷凝循环的温度之间的温度波动程度，根据每个冷凝循环相对前一个冷凝循环的温度波动程度对目标智能冰箱每个冷凝循环的制冷剂供给量进行调控，使得目标智能冰箱在开启冰箱门时的热量增加以及食材本身热量影响的情况下，能智能的分配每个冷凝循环的制冷剂供给量，进而降低了目标智能冰箱的温度波动，即实现了智能冰箱的低波动恒温控制。
附图说明
图1是根据本申请一些实施例所示的温度控制方法的示例性流程图；
图2是根据本申请一些实施例所示的确定每个温控脉冲的热协同效能指标的流程示意图；
图3是根据本申请一些实施例所示的对所有温控脉冲进行脉冲拟合的流程示意图；
图4是根据本申请一些实施例所示的温度控制系统的示意图；
图5是根据本申请一些实施例所示的实现温度控制方法的计算机设备的结构示意图。
具体实施方式
本申请核心是通过从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲，确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控，可实现智能冰箱的低波动恒温控制。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的温度控制方法的示例性流程图，该温度控制方法100主要包括如下步骤：
在步骤101，从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量。
需要说明的是，本申请中将目标智能冰箱的一个制冷周期的过程作为所述冷凝循环，所述制冷周期的过程包括压缩过程、冷凝过程、膨胀过程、蒸发过程、回流过程，所述压缩过程为通过压缩机将低温低压的制冷剂气体压缩成高温高压气体，将气体的温度和压力升高，所述冷凝过程为高温高压的制冷剂气体通过冷凝器，散发热量并冷却成高压液体，所述膨胀过程为将高压液体制冷剂通过膨胀阀进入蒸发器，所述蒸发过程为制冷剂气体吸收周围环境的热量，从而变成低温的气体，所述回流过程为制冷剂气体再次进入压缩机，开始新的制冷周期，所述冷凝循环数据库为包含目标智能冰箱的所有冷凝循环的历史温度值和历史制冷剂供给量的信息库；其中，所述历史温差量为该个历史温差量对应的冷凝循环中的温度值与前一个冷凝循环中的温度值的差值的绝对值，所述历史制冷剂供给量为该个历史制冷剂供给量对应的冷凝循环的压缩过程中，供给的制冷剂的量。
另外，需要说明的是，本申请中对目标智能冰箱以固定时长为监测周期进行数据监测，设定一个监测周期中的冷凝循环个数为N，另外，一个冷凝循环对应一个历史制冷剂供给量和一个温度值。
在步骤102，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲。
在一些实施例中，本步骤中，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲可采用下述步骤实现：
选取一个冷凝循环；
根据该个冷凝循环后的历史温差量和历史制冷剂供给量确定该个冷凝循环的温控脉冲；
重复上述步骤，确定剩余冷凝循环的温控脉冲。
其中，在一些实施例中，根据该个冷凝循环后的历史温差量和历史制冷剂供给量确定该个冷凝循环的温控脉冲可采用下述步骤实现：
获取该个冷凝循环历史温差量；
获取该个冷凝循环的历史制冷剂供给量；
确定目标智能冰箱的冷凝循环因子；
确定目标智能冰箱的压缩功效；
根据该个冷凝循环历史温差量，该个冷凝循环的历史制冷剂供给量/>，所述目标智能冰箱的制冷效率/>，所述目标智能冰箱的压缩功效/>确定该个冷凝循环的温控脉冲，该个冷凝循环的温控脉冲可采用下述公式确定：
其中为该个冷凝循环的温控脉冲。
其中，需要说明的是，本申请中的冷凝循环因子是标准目标智能冰箱的制冷速度的量化值，在一些实施例中可用目标智能冰箱的制冷效率来表示，所述冷凝循环因子越大，目标智能冰箱的制冷速度越快，所述压缩功效为目标智能冰箱的压缩机对制冷剂气体的压缩效率。
需要说明的是，所述温控脉冲是该个温控脉冲对应的冷凝循环的温度变化程度的映射值，所述温控脉冲越大，该个温控脉冲对应的冷凝循环的温度变化程度越大，另外，可将所述温控脉冲作为控制每个冷凝循环的历史制冷剂供给量的电脉冲的值，进而实现对目标智能冰箱的温度调控，使得目标智能冰箱在开启冰箱门时的热量增加以及食材本身热量影响的情况下，能智能的分配每个冷凝循环的制冷剂供给量，进而降低了目标智能冰箱的温度波动。
在步骤103，确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标。
在一些实施例中，本步骤中确定每个温控脉冲的温控效用熵可采用下述步骤实现：
确定所有冷凝循环的历史温差量的平稳温差趋势值；
确定所有冷凝循环的历史制冷剂供给量的稳态冷凝推移值；
获取第个冷凝循环对应的温控脉冲对应的历史温差量/>；
获取第个冷凝循环对应的温控脉冲对应的历史制冷剂供给量/>；
获取目标智能冰箱一个监测周期的冷凝循环数量；
根据所有冷凝循环的历史温差量的平均历史温差量，所有冷凝循环的历史制冷剂供给量的平均历史制冷剂供给量/>，所述第/>个温控脉冲对应的历史温差量/>，所述第个温控脉冲对应的历史制冷剂供给量/>，所述目标智能冰箱的冷凝循环数量/>，确定第个温控脉冲的温控效用熵/>，所述第/>个温控脉冲的温控效用熵可以采用下述公式实现：
其中，需要说明的是，所述平稳温差趋势值是用于表征目标智能冰箱的温度波动趋势的量化值，在一些实施例中将所有冷凝循环的历史温差量的平均值作为所述平稳温差趋势值；所述稳态冷凝推移值为随着冷凝循环的推移目标智能冰箱运行时的制冷剂的冷凝效果的量化值，在一些实施例中将所有冷凝循环的历史制冷剂供给量的平均值作为所述稳态冷凝推移值；所述温控效用熵是用于表征所述温控脉冲对目标智能冰箱恒温控制效果的显著程度的量化值，所述温控效用熵越大，该个温控效用熵对应温控脉冲的冷凝循环的历史温差量与平均历史温差量的离散程度越小，历史制冷剂供给量与平均历史制冷剂供给量的离散程度越小，则该个温控效用熵对应的温控脉冲对目标智能冰箱恒温控制效果越显著。
在一些实施例中，参考图2所示，该图是本申请一些实施例中确定每个温控脉冲的热协同效能指标的流程示意图，本实施例中根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标可以采用下述步骤实现：
首先，在步骤1021中，对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点；
然后，在步骤1022中，选取一个初始脉冲拟合点，根据所有温控效用熵确定该个初始脉冲拟合点的过渡漂移算子；
其次，在步骤1023中，根据所述过渡漂移算子确定该个初始脉冲拟合点的过渡脉冲拟合点；
随后，在步骤1024中，根据所述过渡脉冲拟合点确定该个初始脉冲拟合点对应的温控脉冲的热协同效能指标；
最后，在步骤1025中，重复上述步骤，确定剩余初始脉冲拟合点对应的温控脉冲的热协同效能指标。
其中，具体实现时，对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点，即：选取一个温控脉冲，根据该个温控脉冲，以及该个温控脉冲对应的历史制冷剂供给量，历史温差量，构成三维坐标系中的该个温控脉冲的初始脉冲拟合点，重复上述步骤，确定剩余温控脉冲的初始脉冲拟合点。
其中，在一些实施例中，参考图3所示，该图是本申请一些实施例中对所有温控脉冲进行脉冲拟合的流程示意图，本实施例中对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点可采用下述步骤实现：
首先，在步骤1031中，将所述初始脉冲拟合图像所形成的平面作为三维坐标系（x，y，z）；
然后，在步骤1032中，将目标智能冰箱的所有冷凝循环对应的历史温差量作为三维坐标系（x，y，z）中的X轴；
其次，在步骤1033中，将目标智能冰箱的所有冷凝循环对应的历史制冷剂供给量作为三维坐标系（x，y，z）中的y轴；
最后，在步骤1034中，将每个冷凝循环的历史温差量和历史制冷剂供给量对应的温控脉冲作为三维坐标系（x，y，z）中的Z轴，从而建立三维坐标系；根据每个冷凝循环对应的历史温差量，历史制冷剂供给量，温控脉冲的值确定每个冷凝循环对应的三维坐标，将冷凝循环对应的三维坐标点作为该个冷凝循环的温控脉冲的初始脉冲拟合点，进而得到所有温控脉冲的初始脉冲拟合点；例如，在冷凝循环中有一个冷凝循环的温控脉冲为1，该个温控脉冲对应的历史温差量为0.3，历史制冷剂供给量为2，则该个温控脉冲对应的初始脉冲拟合点的三维坐标为（0.3，2，1），在其它实施例中还可以采用其它方法进行对所有温控脉冲进行脉冲拟合，这里不做限定。
其中，需要说明的是，本申请对每个初始脉冲拟合点赋予速度矢量属性，例如，将每个温控脉冲对应的初始脉冲拟合点的速度矢量设置为0，并根据每个初始脉冲拟合点对应的历史温差量和历史制冷剂供给量对目标智能冰箱恒温控制的显著程度来进行速度矢量更新，从而实现所述初始脉冲拟合点在所述初始脉冲拟合图像上漂移。
其中，在一些实施例中，根据所有温控效用熵确定该个初始脉冲拟合点的过渡漂移算子可采用下述步骤实现：
确定极大温控效用熵；
获取该个初始脉冲拟合点第次漂移对应的温控效用熵/>；
获取该个初始脉冲拟合点第次漂移对应的历史温差量/>；
获取该个初始脉冲拟合点第次漂移对应的历史制冷剂供给量/>；
获取该个初始脉冲拟合点第次漂移对应的温控脉冲/>；
获取该个初始脉冲拟合点第次漂移对应的初始漂移算子/>；
确定个体漂移比例因子；
确定群体漂移比例因子；
确定调和惯性；
根据所述极大温控效用熵，该个初始脉冲拟合点第/>次漂移对应的温控效用熵/>，该个初始脉冲拟合点第/>次漂移对应的历史温差量/>，该个初始脉冲拟合点第/>次漂移对应的历史制冷剂供给量/>，该个初始脉冲拟合点第/>次漂移对应的温控脉冲/>，该个初始脉冲拟合点第/>次漂移对应的初始漂移算子/>，所述个体学习因子/>，所述群体学习因子/>，所述调和惯性/>，确定该个初始脉冲拟合点第/>次漂移对应的过渡漂移算子，其中，该个初始脉冲拟合点第/>次漂移对应的过渡漂移算子可以采用下述公式实现：
其中，需要说明的是，为该个初始脉冲拟合点，根据所述极大温控效用熵，该个初始脉冲拟合点对应的温控效用熵/>，该个初始脉冲拟合点对应的历史温差量/>，该个初始脉冲拟合点对应的历史制冷剂供给量/>，该个初始脉冲拟合点对应的温控脉冲/>，该个初始脉冲拟合点的初始漂移算子/>，所述个体学习因子/>，所述群体学习因子/>，所述调和惯性/>确定该个初始脉冲拟合点的过渡漂移算子/>。
另外，需要说明的是，本申请将所有初始脉冲拟合点对应的温控效用熵中的最大值作为极大温控效用熵；将所述初始脉冲拟合点具有的速度矢量作为该个初始脉冲拟合点的初始漂移算子，需要说明的是，该个初始脉冲拟合点为时，将该个初始脉冲拟合点的初始漂移算子/>设置为0；所述个体漂移比例因子用于调整过渡漂移算子受该个温控脉冲的影响，所述群体漂移比例因子用于调整过渡漂移算子受所有温控脉冲的影响，在本申请中，通过实验验证来确定所述个体漂移比例因子和所述群体漂移比例的具体值，所述个体漂移比例因子和所述群体漂移比例的取值范围为(0，4]；所述调和惯性为用于控制所述初始脉冲拟合点的速度矢量大小的参数值，有助于所述过渡脉冲拟合点的确定过程精细化，在一些实施例中可根据所述初始漂移算子的大小进行设置，所述调和惯性的取值范围为(0，1]。
其中，在一些实施例中，根据所述过渡漂移算子确定该个初始脉冲拟合点的过渡脉冲拟合点可以采用下述步骤实现：
获取该个初始脉冲拟合点第次漂移对应的过渡漂移算子/>；
获取该个初始脉冲拟合点第次漂移对应的对应的历史温差量/>；
获取该个初始脉冲拟合点第次漂移对应的对应的历史制冷剂供给量/>；
获取该个初始脉冲拟合点第次漂移对应的对应的温控脉冲/>；
确定漂移差分系数；
根据该个温控脉冲第次漂移对应的过渡漂移算子/>、该个初始脉冲拟合点第/>次漂移对应的历史温差量/>、该个初始脉冲拟合点第/>次漂移对应的历史制冷剂供给量/>、该个初始脉冲拟合点第/>次漂移对应的温控脉冲/>和所述漂移差分系数/>确定该个温控脉冲第/>次漂移对应的过渡脉冲拟合点/>，其中，该个温控脉冲第/>次漂移对应的过渡脉冲拟合点可以采用下述公式实现：
其中，需要说明的是，根据该个初始脉冲拟合点的过渡漂移算子，该个初始脉冲拟合点对应的历史温差量/>，该个初始脉冲拟合点对应的历史制冷剂供给量/>，该个初始脉冲拟合点对应的温控脉冲/>，所述漂移差分系数/>，确定该个初始脉冲拟合点的过渡脉冲拟合点/>。
另外，需要说明的是，所述漂移差分系数用于平衡所述初始脉冲拟合点的不同漂移次数的在时间序列上的差异，在一些实施例中，可以将目标智能冰箱的系统响应时间的值作为所述漂移差分系数，所述漂移差分系数的取值范围为(0，0.2]。
其中，需要说明的是，根据所述过渡脉冲拟合点确定该个初始脉冲拟合点对应的温控脉冲的热协同效能指标的过程中，将所述渡脉冲拟合点的对应的历史温差量和历史制冷剂供给量作为变量，进而根据上述确定该个温控脉冲的温控效用熵的方法，确定该个初始脉冲拟合点对应的温控脉冲的热协同效能指标，所述热协同效能指标是用于表征所述过渡脉冲拟合点对目标智能冰箱恒温控制效果的显著程度量化值，所述热协同效能指标越大，该个过渡脉冲拟合点对目标智能冰箱恒温控制效果越显著。
需要说明的是，根据所有的温控效用熵确定每个温控脉冲的热协同效能指标的过程中，通过将每个温控脉冲在所述坐标系中对应的初始脉冲拟合点赋予速度矢量进行漂移，得到每个初始脉冲拟合点对应的过渡脉冲拟合点，进而通过每个过渡脉冲拟合点的热协同效能指标来对该个过渡脉冲拟合点对应的历史温差量和历史制冷剂供给量对目标智能冰箱恒温控制效果的显著程度进行判断，从而得到所有对目标智能冰箱恒温控制效果的显著程度较高的历史温差量和历史制冷剂供给量，为目标智能冰箱提供优选的历史温差量和历史制冷剂供给量。
在步骤104，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数。
在一些实施例中，本步骤中根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数可以采用下述步骤实现：
根据所有热协同效能指标确定消冗温度趋近量；
根据所述消冗温度趋近量和所有历史温差量确定每个冷凝循环用于温度控制的导向系数。
具体实现时，根据所有热协同效能指标确定消冗温度趋近量，即：对所有的热协同效能指标进行协同阈值判断，当所有的热协同效能指标中存在大于等于预设协同阈值的热协同效能指标时，获取所有大于等于预设协同阈值的热协同效能指标对应过渡脉冲拟合点的历史温差量；当所有的热协同效能指标皆小于预设协同阈值，则将所有温控脉冲的过渡脉冲拟合点重新作为新的初始脉冲拟合点，重复上述根据所有的温控效用熵确定每个温控脉冲的热协同效能指标的步骤，直到出现大于等于预设协同阈值的热协同效能指标时，获取所有大于等于预设协同阈值的热协同效能指标对应过渡脉冲拟合点的历史温差量；将所有大于等于预设协同阈值的热协同效能指标对应过渡脉冲拟合点的历史温差量的平均值作为所述消冗温度趋近量。
需要说明的是，所述协同阈值是根据目标智能冰箱用户偏好预设温度确定的，在其他实施例中还可以采用另外的方法确定所述协同阈值，这里不做限定。
其中，在一些实施例中，根据所述消冗温度趋近量和所有历史温差量确定每个冷凝循环用于温度控制的导向系数可以采用下述步骤实现：
获取第个冷凝循环的历史温差量/>；
确定所述历史温差量的热放大增益；
确定所述历史温差量的热累计因子；
确定所述历史温差量的热瞬时权衡参数；
获取消冗温度趋近量；
根据所述第个冷凝循环的历史温差量/>，所述历史温差量的热放大增益/>，所述历史温差量的热累计增益/>，所述历史温差量的热瞬时增益/>，确定第/>个冷凝循环的导向系数/>，其中，所述第/>个冷凝循环的导向系数可采用下述公式确定：
其中，为第/>个冷凝循环的历史温差量，/>为第/>个冷凝循环的历史温差量，/>为目标智能冰箱的一个冷凝循环的时间，/>为所述第/>个冷凝循环之前的所有冷凝循环的个数的因变量，/>为该个冷凝循环的个数，/>。
需要说明的是，所述导向系数是表征该个冷凝循环相对上一个冷凝循环的温度变化程度的量化值，所述导向系数越接近1，该个导向系数对应的冷凝循环相对前一个冷凝循环的温度变化程度越小，所述导向系数的取值范围为（0.3，1.8）；所述热放大增益是用于调整系统识别温度变化的灵敏度的预设值，所述热放大增益越大，系统识别所述相邻冷凝循环温度波动的灵敏度越高，所述热放大增益的取值范围为（0.1，1）；所述热累计因子用于平衡该个冷凝循环之前的所有冷凝循环的温度变化的累积值对该个冷凝循环的导向系数的影响，所述热累计因子越大该个冷凝循环之前的所有冷凝循环的温度变化的累积值对该个冷凝循环的导向系数的影响越大，所述热累计因子的取值范围为（0.01，0.1）；所述热瞬时权衡参数表征了该个冷凝循环的前一个冷凝循环的温度变化对该个冷凝循环的导向系数的影响程度，所述热瞬时权衡参数越大，该个冷凝循环的前一个冷凝循环的温度变化对该个冷凝循环用于温度控制的导向系数的影响程度越大，所述热瞬时权衡参数的取值范围为（0.1，1）。
在步骤105，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
在一些实施例中，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控可采用下述步骤实现：
首先获取一个导向系数和该个导向系数对应的冷凝循环中的历史制冷剂供给量；
然后用该个导向系数对该个导向系数对应的历史制冷剂供给量进行调控；
重复上述步骤，对剩余导向系数对应的历史制冷剂供给量进行调控。
其中，具体实现时，用该个导向系数对该个导向系数对应的历史制冷剂供给量进行调控，在一些优选实施例中，可将该个导向系数与该个导向系数对应的历史制冷剂供给量相乘后，得到的结果作为该个导向系数对应的修正制冷剂供给量。
另外，需要说明的是，所述导向系数越接近1，该个导向系数对应的冷凝循环相对前一个冷凝循环的温度变化程度越小，则该个冷凝循环的修正制冷剂供给量越小，反之则该个冷凝循环的修正制冷剂供给量越大，本申请通过对所有冷凝循环中的历史制冷剂供给量进行调控，进而控制所有冷凝循环的蒸发步骤中吸收的热量的大小，使得目标智能冰箱在开启冰箱门时的热量增加以及食材本身热量影响的情况下，系统能智能的分配每个冷凝循环的制冷剂供给量，降低了目标智能冰箱的温度波动，从而实现对目标智能冰箱进行恒温控制。
另外，本申请的另一方面，在一些实施例中，本申请提供一种温度控制系统，参考图4，该图是根据本申请一些实施例所示的温度控制系统的示意图，该温度控制系统200包括：获取模块201、处理模块202和调控模块203，分别说明如下：
获取模块201，本申请中获取模块201主要用于从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量；
处理模块202，本申请中温控脉冲确定模块202主要用于根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲；
需要说明的是，本申请中处理模块202还用于确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的热协同效能指标；
另外，本申请中处理模块202还用于根据所有热协同效能指标确定每个冷凝循环的导向系数；
调控模块203，本申请调控模块203主要用于通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
另外，本申请还提供一种智能冰箱，所述智能冰箱包括有上述的温度控制系统，以实现目标智能冰箱的低波动恒温控制，这里不再赘述。
在一些实施例中，参考图5，该图是根据本申请一些实施例所示的应用温度控制方法的计算机设备的结构示意图。上述实施例中的温度控制方法可以通过图5所示的计算机设备来实现，该计算机设备包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器(central processing unit，CPU)、特定应用集成电路(application-specific integrated circuit，ASIC)或一个或多个用于控制本申请中的温度控制方法的执行。
通信总线302可包括一通路，在上述组件之间传送信息。
存储器303可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器（electricallyerasable programmable read-only memory，EEPROM）、只读光盘（compact disc read-only Memory，CD-ROM）或其它光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器303可以是独立存在，通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中，存储器303用于存储执行本申请方案的程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中温度控制方法可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304，使用任何收发器一类的装置，用于与其它设备或通信网络通信，如以太网，无线接入网（radio access network，RAN），无线局域网（wireless local areanetworks，WLAN）等。
在具体实现中，作为一种实施例，计算机设备可以包括多个处理器，这些处理器中的每一个可以是一个单核（single-CPU）处理器，也可以是一个多核（multi-CPU）处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑（personaldigital assistant，PDA）、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
另外，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的温度控制方法。
综上，本申请实施例公开的温度控制方法、系统、智能冰箱及存储介质中，首先，通过从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量，根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲，确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控，可实现目标智能冰箱的低波动恒温控制。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
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发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种温度控制方法，其特征在于，包括下述步骤：
从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量；
根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲；
确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标；
根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数；
通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
2.如权利要求1所述的方法，其特征在于，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标具体包括：
对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点；
选取一个初始脉冲拟合点，根据所有温控效用熵确定该个初始脉冲拟合点的过渡漂移算子；
根据所述过渡漂移算子确定该个初始脉冲拟合点的过渡脉冲拟合点；
根据所述过渡脉冲拟合点确定该个初始脉冲拟合点对应的温控脉冲的热协同效能指标；
重复上述步骤，确定剩余初始脉冲拟合点对应的温控脉冲的热协同效能指标。
3.如权利要求2所述的方法，其特征在于，对所有温控脉冲进行脉冲拟合，得到初始脉冲拟合图像，进而得到所有温控脉冲的初始脉冲拟合点具体包括：
将所述初始脉冲拟合图像所形成的平面作为三维坐标系（x，y，z）；
将目标智能冰箱的所有冷凝循环对应的历史温差量作为三维坐标系（x，y，z）中的X轴；
将目标智能冰箱的所有冷凝循环对应的历史制冷剂供给量作为三维坐标系（x，y，z）中的y轴；
将每个冷凝循环的历史温差量和历史制冷剂供给量对应的温控脉冲作为三维坐标系（x，y，z）中的Z轴，从而建立三维坐标系；
根据每个冷凝循环对应的历史温差量，历史制冷剂供给量，温控脉冲的值确定每个冷凝循环对应的三维坐标，将冷凝循环对应的三维坐标点作为该个冷凝循环的温控脉冲的初始脉冲拟合点，进而得到所有温控脉冲的初始脉冲拟合点。
4.如权利要求1所述的方法，其特征在于，根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数具体包括：
根据所有热协同效能指标确定消冗温度趋近量；
根据所述消冗温度趋近量和所有历史温差量确定每个冷凝循环用于温度控制的导向系数。
5.如权利要求1所述的方法，其特征在于，通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控具体包括：
获取一个导向系数和该个导向系数对应的冷凝循环中的历史制冷剂供给量；
用该个导向系数对该个导向系数对应的历史制冷剂供给量进行调控；
重复上述步骤，对剩余导向系数对应的历史制冷剂供给量进行调控。
6.如权利要求1所述的方法，其特征在于，将目标智能冰箱的一个制冷周期的过程作为一个冷凝循环。
7.如权利要求1所述的方法，其特征在于，历史温差量为该个历史温差量对应的冷凝循环中的温度值与前一个冷凝循环中的温度值的差值的绝对值。
8.一种温度控制系统，其特征在于，包括：
获取模块，用于从冷凝循环数据库中获取目标智能冰箱每个冷凝循环的历史温差量和历史制冷剂供给量；
处理模块，用于根据所有的历史温差量和所有的历史制冷剂供给量确定每个冷凝循环的温控脉冲；
所述处理模块，还用于确定每个温控脉冲的温控效用熵，根据所有的温控效用熵确定每个温控脉冲的对目标智能冰箱的热协同效能指标；
所述处理模块，还用于根据所有热协同效能指标确定每个冷凝循环用于温度控制的导向系数；
调控模块，用于通过所有的导向系数对目标智能冰箱的对应冷凝循环中的制冷剂供给值进行调控。
9.一种智能冰箱，其特征在于，所述智能冰箱包括有权利要求8中所述的温度控制系统。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的温度控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410628833.6A CN118245709B (zh) | 2024-05-21 | 2024-05-21 | 一种温度控制方法、系统、智能冰箱及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410628833.6A CN118245709B (zh) | 2024-05-21 | 2024-05-21 | 一种温度控制方法、系统、智能冰箱及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118245709A true CN118245709A (zh) | 2024-06-25 |
| CN118245709B CN118245709B (zh) | 2024-08-27 |
Family
ID=91552753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410628833.6A Active CN118245709B (zh) | 2024-05-21 | 2024-05-21 | 一种温度控制方法、系统、智能冰箱及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118245709B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160169572A1 (en) * | 2014-12-16 | 2016-06-16 | Johnson Controls Technology Company | Fault detection and diagnostic system for a refrigeration circuit |
| CN108595761A (zh) * | 2018-03-23 | 2018-09-28 | 中国科学院理化技术研究所 | 基于体积最小化的翘式换热器设计方法及装置 |
| CN116086007A (zh) * | 2023-01-04 | 2023-05-09 | 山东建筑大学 | 一种空气源热泵空调的室外机换热装置 |
| CN117369572A (zh) * | 2023-12-07 | 2024-01-09 | 广东凯得智能科技股份有限公司 | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 |
-
2024
- 2024-05-21 CN CN202410628833.6A patent/CN118245709B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160169572A1 (en) * | 2014-12-16 | 2016-06-16 | Johnson Controls Technology Company | Fault detection and diagnostic system for a refrigeration circuit |
| CN108595761A (zh) * | 2018-03-23 | 2018-09-28 | 中国科学院理化技术研究所 | 基于体积最小化的翘式换热器设计方法及装置 |
| CN116086007A (zh) * | 2023-01-04 | 2023-05-09 | 山东建筑大学 | 一种空气源热泵空调的室外机换热装置 |
| CN117369572A (zh) * | 2023-12-07 | 2024-01-09 | 广东凯得智能科技股份有限公司 | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118245709B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108375170B (zh) | 一种电子膨胀阀的控制方法、装置及空调器 | |
| EP1802925B1 (en) | A model prediction controlled refrigeration system | |
| US9625196B2 (en) | System and method for controlling of vapor compression system | |
| US10495364B2 (en) | System and method for controlling vapor compression systems | |
| CN113294885B (zh) | 空调器控制方法、装置、空调器及计算机可读存储介质 | |
| CN112749810B (zh) | 模型训练方法、控制参数确定方法及装置 | |
| CN112856736A (zh) | 空调器的控制方法、装置、空调器及可读存储介质 | |
| CN114543274B (zh) | 一种建筑中央空调温湿度优化控制方法及系统 | |
| CN118245709B (zh) | 一种温度控制方法、系统、智能冰箱及存储介质 | |
| CN117189547B (zh) | 用于无油移动式空压机的冷却优化调控方法及系统 | |
| CN116321999B (zh) | 一种云计算数据中心的空调智能调控方法、系统和介质 | |
| CN109506344A (zh) | 空调制冷量的控制方法、装置及电子设备 | |
| CN115906467A (zh) | 基于换电站的数据处理方法、装置、电子设备及存储介质 | |
| CN111288695B (zh) | 空调系统及其参数配置方法、装置、控制方法和控制装置 | |
| CN111306695A (zh) | 压缩机负载数据优化方法、装置、计算机设备和存储介质 | |
| CN116804496B (zh) | 基于二氧化碳制冷的冷库制冷机组控制方法和系统 | |
| CN118066664A (zh) | 空调控制方法、装置、空调和计算机设备 | |
| CN115811098B (zh) | 考虑功率裕度的风储电站agc指令优化方法和系统 | |
| CN117469918B (zh) | 一种智能冷柜控制系统及控制方法 | |
| CN114383293B (zh) | 用于空调控制的方法及装置、空调、存储介质 | |
| CN117190408A (zh) | 用于多联机空调制冷控制的方法及装置、多联机空调 | |
| CN117824092A (zh) | 基于能源管理的运行状态调节方法、装置、设备和介质 | |
| CN118375983A (zh) | 一种面向电力需求响应的空调系统控制方法、装置和存储介质 | |
| CN115638548A (zh) | 一种热泵循环系统中节流部件的控制方法 | |
| CN118310140A (zh) | 用于控制多联机的方法及装置、多联机、存储介质 |
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 |