基于机器学习的恒温空调送风扰量两级检测方法

本发明涉及恒温空调送风扰量检测的，尤其是涉及一种基于机器学习的恒温空调送风扰量两级检测方法。

背景技术：

1、半导体工业和高能物理研究等行业要求室内环境具有较高的空气稳定性，往往需要达到高精密级(-0.5℃≤δt≤0.5℃)甚至超高精密级(-0.1℃≤δt≤0.1°c)。针对高精密级及其之下等级的恒温室，需要针对性设计气流组织以适配高精度温度控制需求，例如水平单向流等，并采用“小温差、大流量”的送风方式，从而降低空调系统扰量作用。然而，空调送风系统在运行过程中，往往仍然会出现各式各样由的空调系统扰量产生的扰量，对于高精密级或超高精密级恒温营造需求而言，这些扰量如果不及时消除，会对工艺过程和设备产生不可逆的损害。实现空调送风系统扰量的快速诊断，可以有助于快速针对性采取相对应措施对其消除或降低。

2、但是，目前的扰量检测方法无法检测出对应的扰量的类型和程度，导致扰量检测的精度不足，不利于及时调整维护。

技术实现思路

1、本发明的目的就是为了及时检测出恒温空调送风系统的扰量的类型和程度而提供的一种基于机器学习的恒温空调送风扰量两级检测方法。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于机器学习的恒温空调送风扰量两级检测方法，方法包括以下步骤：

4、s1、构建恒温空调送风系统的数据集，所述数据集中包括多个扰量数据，所述扰量数据为不同工况中单个扰量下各个测点的时序温度、扰量类型标签和扰量程度；

5、s2、将所述时序温度作为输入，扰量类型标签作为预期输出数据进行扰量类型诊断网络的训练，得到第一级扰量类型诊断模型；

6、s3、将所述时序温度以及扰量类型标签作为输入，扰量程度作为预期输出数据进行扰量程度诊断网络的训练，得到第二级扰量程度诊断模型；

7、s4、获取实际扰动时序温度数据，将实际扰动时序温度数据输入第一级扰量类型诊断模型，得到设有实际扰量类型的实际扰动时序温度数据，将设有实际扰量类型的实际扰动时序温度数据输入第二级扰量程度诊断模型，得到实际扰动时序温度数据对应的实际扰量类型和实际扰量程度。

8、进一步地，所述构建恒温空调送风系统的数据集的具体步骤为：

9、构建仿真的恒温空调送风系统，所述恒温空调送风系统包括恒温室、送风系统、内部设备热源和和温度监测系统；

10、在各个工况下调节仿真的恒温空调送风系统中的扰量类型和扰量程度，获取各个测点的不同扰量类型和扰量程度下的时序温度，并采用实际的数据调整各个测点的不同扰量类型和扰量程度下的时序温度，然后整合得到恒温空调送风系统的数据集。

11、进一步地，仿真的恒温空调送风系统基于流体动力学仿真软件构建。

12、进一步地，所述各个测点设于恒温室内部。

13、进一步地，基于所述温度监测系统获取各个测点的不同扰量类型和扰量程度下的时序温度。

14、进一步地，所述温度监测系统为温度传感器阵列。

15、进一步地，所述送风系统、内部设备热源和和温度监测系统设于恒温室内。

16、进一步地，所述扰量类型标签包括送风温度波动、送风风量波动和电缆散热量波动。

17、进一步地，所述扰量类型诊断网络采用机器学习聚类分析k-means算法进行扰量类型的分类，利用反向传播算法进行训练。

18、进一步地，所述扰量程度诊断网络为bp神经网络，利用反向传播算法进行训练。

19、与现有技术相比，本发明具有以下有益效果：

20、本发明利用机器学习技术处理非线性多输入问题的优势，分别通过机器学习聚类算法和回归算法利用监测数据分别对恒温空调送风系统的扰量类型和程度进行分级诊断，采用两级的诊断模型分别得到扰动的类型和程度，提高了诊断精度，同时填补了实测数据缺少扰量工况的缺点，构建的数据集可以概括各类扰量工况，提高了数据集的完整性，可以检测出不同工况下的扰量类型和程度。

技术特征：

1.一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，方法包括以下步骤：

2.根据权利要求1所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述构建恒温空调送风系统的数据集的具体步骤为：

3.根据权利要求2所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，仿真的恒温空调送风系统基于流体动力学仿真软件构建。

4.根据权利要求2所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述各个测点设于恒温室内部。

5.根据权利要求2所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，基于所述温度监测系统获取各个测点的不同扰量类型和扰量程度下的时序温度。

6.根据权利要求5所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述温度监测系统为温度传感器阵列。

7.根据权利要求2所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述送风系统、内部设备热源和和温度监测系统设于恒温室内。

8.根据权利要求1所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述扰量类型标签包括送风温度波动、送风风量波动和电缆散热量波动。

9.根据权利要求1所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述扰量类型诊断网络采用机器学习聚类分析k-means算法进行扰量类型的分类，利用反向传播算法进行训练。

10.根据权利要求1所述的一种基于机器学习的恒温空调送风扰量两级检测方法，其特征在于，所述扰量程度诊断网络为bp神经网络，利用反向传播算法进行训练。

技术总结本发明涉及一种基于机器学习的恒温空调送风扰量两级检测方法，方法包括以下步骤：S1、构建恒温空调送风系统的数据集，所述数据集中包括多个扰量数据，所述扰量数据为单个扰量下各个测点的时序温度、扰量类型标签和扰量程度；S2、将所述时序温度作为输入，扰量类型标签作为预期输出数据进行扰量类型诊断网络的训练，得到第一级扰量类型诊断模型；S3、训练得到第二级扰量程度诊断模型；S4、获取实际扰动时序温度数据，将实际扰动时序温度数据输入第一级扰量类型诊断模型和第二级扰量程度诊断模型，得到实际扰量类型和实际扰量程度。与现有技术相比，本发明具有及时检测出恒温空调送风系统的扰量的类型和程度等优点。技术研发人员：叶蔚,郭炜辰,何玲受保护的技术使用者：同济大学技术研发日：技术公布日：2024/10/10