一种基于人工智能算法的非均匀温度场实时调控系统及方法

1.本发明涉及通风系统的技术领域，特别涉及一种基于人工智能算法的非均匀温度场实时调控系统及方法。


背景技术：

2.暖通空调的主要目的是为建筑营造合适的环境参数(温度、风速、湿度、污染物浓度等)，以保障室内人员或设备的需求。不合理的空调通风将带来诸多问题，虽然通风系统秉承保障需求的理念在不断发展，但目前大部分通风系统面向于室内单一参数需求(如室内设计温度26℃)，最终营造出大体上一致的室内参数环境。在许多情况下，同一房间中的不同区域或位置可能有不同的参数要求。如在数据中心中，电子元件的高密度引起的热耦合导致了高温环境的出现。由于硬件布局，热负荷在空间中分布不均匀。以此为背景，该技术目的是创造出一种可以解决不均匀温度场控制的方法。现阶段技术手段是采取单回路反馈控制去解决这个问题，但实际房间中各个点之间会有耦合，这种系统比较难稳定。


技术实现要素：

3.针对现有技术中存在的不足之处，本发明的目的是提供一种基于人工智能算法的非均匀温度场实时调控系统及方法，更加智能化、精度高、稳定性强、可按照自身需求营造出非均匀温度装置，解决了目前大部分通风系统面向于室内单一参数需求，最终只可以营造出一致的室内参数环境的弊端。为了实现根据本发明的上述目的和其他优点，提供了一种基于人工智能算法的非均匀温度场实时调控系统，包括：
4.新风管，所述新风管包括新回风混合段、与所述新回风混合段一体式连通的空气过滤段、与所述空气过滤段一体式连通的表冷段、与所述表冷段一体式连通的风机段及与所述风机段一体式连通的出风段，所述表冷段内设置有表冷器，表冷器入口段配备有水量调节阀；
5.送风管，所述送风管与出风段相连通，送风管连接有多个分支送风管，且所述送风管有多个分支送风管道，每个所述分支送风管道上设置有送风口风阀和温度传感器，且所述分支送风管道连通房间，所述房间内设置有多个温度传感器，房间内有回风管，所述温度传感器信号连接有可编辑逻辑控制器，所述可编辑逻辑控制器信号连接有嵌入式计算机、表冷器、送风口风阀、温度传感器及水量调节阀。
6.优选的，所述温度传感器用于读取室内温度且将物理信号转化成电信号传输进可编程逻辑控制器，所述可编程逻辑控制器用于将获得的电信号转变为数字信号传递给嵌入式计算机或可编程逻辑控制器用于电信号来控制送风口风阀与表冷器的大小。
7.优选的，所述嵌入式计算机用于完成室内非均匀环境场的控制算法，所述算法得到的数字命令转化为数字信号返还给可编程逻辑控制器。
8.一种基于人工智能预测算法的非均匀温度场实时调控系统方法，包括以下步骤：
9.s1、预设室内房间风量及水量的变化范围，确定区间；
10.s2、利用cfd软件建立模拟热环境所需要的物理模型；
11.s3、设定cfd计算的边界条件，选取多个预测算法所需模拟工况；
12.s4、提取各个工况数据，将数据予以整理和计算；
13.s5、根据公式5重构出新的流场信息，并储存到文本文件中用于后续的调节与分析；
14.s6、将s5中得到的最佳送风参数储存至嵌入式计算机中；
15.s7、送风参数结果以电信号的形式从嵌入式计算机输入给可编程逻辑控制器(plc)；
16.s8、通过热电耦温度传感器采集自定义非均匀温度场中的温度信号；
17.s9、通过温度传感器采集信号输入给plc；
18.s10、plc读取到的温度值利用python中的modbus模块来实现传输控制协议进行数据交换，将数据信号传输给嵌入式计算机；
19.s11、嵌入式计算机先与房间实测温度进行比较，再将修正后结果作为信号输入，得出在需求温度值下的最佳送风参数、最佳工况值；
20.s12、与所述步骤s10中同样的数据交换方法，将修正过的数据传输回plc；
21.s13、通过plc将算法所得结果通过电信号传输控制各个支管风阀和水量调节阀，控制房间实际送风温度和送风速度，完成闭环控制。
22.一种基于人工智能机械学习算法的非均匀温度场实时调控系统方法，包括以下步骤：
23.s1、预设某实验舱或房间环境的送风参数边界条件，即各个送风口的送风温度范围，送风速度范围，在预测范围内依次设计若干组送风条件；
24.s2、训练集的选取。设定第一组为初始训练工况，待房间内温度稳定(由房间内温度传感器确定)，运行房间空调机组七天，每一小时自动读取储存数据，储存数据分别为，输入端：4个室内温度监测点温度，1个室外温度；输出端：4个送风口各自送风速度，送风温度。将读取到的数据集汇总至plc并转换为电信号供嵌入式计算机计算；
25.s3、采用bp神经网络对输出端和输入端进行训练，得到初始网络；
26.s4、在预设送风参数范围内，以第二组作为输入端输入参数，再次运行房间空调机组七天，每一小时自动读取储存数据，将所得输出值送至各个风阀及水量调节阀，控制房间温度；
27.s5、合并第一组和第二组监测输入集输出集，并且对数据集合进行优化和预处理，剔除多余或粗大误差以及多次出现的数据，处理后数据结果训练得到新的网络；
28.s6、在预设送风参数范围内，以第三组作为输入端输入参数，再次运行房间空调机组七天，每一小时自动读取储存数据，将所得输出值送至各个风阀及水量调节阀，控制房间温度；
29.s7、再次结合s5、s6数据结果，对数据集合进行优化得到新的网络，实现了网络的不断更新及迭代。
30.本发明与现有技术相比，其有益效果是：
31.(1)本发明的基于可编程逻辑控制器按照嵌入式计算机反馈指令再通过导线连接控制空调机组的风阀、水阀的开度大小，受到控制的风阀、水阀通过风管、水管和空调箱等
共同作用，得到送入房间内的实际送风情况(各个送风口的送风速度和送风温度)，最终实现调控室内温度传感器温度至目标范围。
32.(2)本发明通过对房间内各个传感器监测点数据利用可编辑逻辑控制器汇总，信息输入到嵌入式ai控制器，利用非均匀温度场的人工智能算法进行计算的得到对应送风参数，利用算法对房间内的各点之间的温度进行解耦和分析，进而实现基于人工智能算法的非均匀温度场实时调控。
附图说明
33.图1为根据本发明的基于人工智能算法的非均匀温度场实时调控系统及方法的非均匀温度场实时调控系统连接图；
34.图2为根据本发明的基于人工智能算法的非均匀温度场实时调控系统及方法的逻辑关系图；
35.图3为根据本发明的基于人工智能算法的非均匀温度场实时调控系统及方法的本征正交分解方法的监测与修正系统流程框图。
具体实施方式
36.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.参照图1-3，一种基于人工智能算法的非均匀温度场实时调控系统，包括：新风管，所述新风管包括新回风混合段、与所述新回风混合段一体式连通的空气过滤段、与所述空气过滤段一体式连通的表冷段、与所述表冷段一体式连通的风机段及与所述风机段一体式连通的出风段，所述表冷段内设置有表冷器，表冷器入口段配备有水量调节阀；送风管，所述送风管与出风段相连通，且所述送风管有多个分支送风管道，每个所述分支送风管道上设置有送风口风阀和送风温度传感器，且所述分支送风管道连通房间，所述房间内设置有多个温度传感器，房间内远离分支送风管道一端上连接有回风管，所述温度传感器信号连接有可编辑逻辑控制器，所述表冷器上设置有冷却水管，所述冷却水管上设置有冷却水管阀门，所述可编辑逻辑控制器信号连接有嵌入式计算机、表冷器、送风口风阀、温度传感器及冷却水管阀门，首先将温度传感器布置在合适的位置，通过系统开启，将信号依次送入可编辑逻辑控制器和可嵌入式计算机中。借助已有的智能算法，通过运算得到的控制信号返还给可编辑逻辑控制器，进而控制不同送风口的风阀开度和冷却水水阀开度，影响送风速度和送风温度，最终得到设定的目标非均匀温度环境。本发明用于营造空间内自定义非均匀温度场，该装置具有温度营造的自适应性、精度高、易于安装、稳定性强的优点，受到控制的风阀、水阀通过风管、水管和空调箱等共同作用，得到送入房间内的实际送风情况(各个送风口的送风速度和送风温度)，最终实现调控室内温度传感器温度至目标范围。
38.进一步的，所述温度传感器用于读取室内温度且将物理信号转化成电信号传输进可编程逻辑控制器，所述可编程逻辑控制器用于将获得的电信号转变为数字信号传递给嵌入式计算机或可编程逻辑控制器用于电信号来控制送风口风阀与表冷器的大小。
39.进一步的，所述嵌入式计算机用于完成室内非均匀环境场的控制算法，所述算法得到的数字命令转化为数字信号返还给可编程逻辑控制器。
40.实施例1
41.预测算法
42.pod方法基本原理：该方法首先通过计算流体力学(computational fluid dynamics,cfd)对建筑内环境场进行模拟，获得少量的数据样本，样本数量由评判差值相邻样本结果与cfd模拟结果的误差来确定，然后利用本征正交分解(proper orthogonal decomposition，pod)方法通过fluent的提取样本数据特征，建立送风参数与室内环境场的因果关系，从而可以快速重构出任意送风参数下的流场信息，基于该方法，本文利用python语言编写出处理数据的一套程序，以提高pod方法的计算效率。在此基础上，提出根据多个需求点的不同目标温度对送风参数寻优计算，即重构出需求点在区间内所有送风参数下的温度值，评判其与设定的目标温度的误差，确定满足需求的最佳送风参数，一种基于人工智能算法的非均匀温度场实时调控系统方法，包括以下步骤：
43.基于预测的智能控制算法：
44.s1、预设室内房间风量及水量的变化范围，确定区间；
45.s2、利用cfd软件建立模拟热环境所需要的物理模型；
46.s3、设定cfd计算的边界条件，选取多个预测算法所需模拟工况；
47.s4、提取各个工况数据，将数据予以整理和计算，计算理论及细节如下：
48.首先，数据中流场变量u可由边界参数(q1,q2,
…qn
)唯一确定，那么对于由m个流场变量组成的样本数据库可通过提取pod模态获得一组最具有代表性的本征正交基即使样本数据库中任一向量在该正交基上的投影最大化，即：
[0049][0050]
式中，λi为由样本数据组成的自协方差矩阵对应的特征值，并按照从大到小的顺序排列，其特征值的大小代表了该向量含能的多少。于是有：
[0051][0052]
式中，即为该样本数据库里所有的模态，νi为重新排序后的λi，为λi对应的特征向量。因为数据库中任一向量均可投影到求出的模态上，于是有：
[0053][0054][0055]
式中，为模态系数，求解至此就可以通过差值获得任意一组参数对应的模态系数，并将其与模态线性组合来获得预测的流场数据。即：
[0056][0057]
s5、根据公式5重构出新的流场信息，并储存到文本文件中用于后续的调节与分析。
[0058]
定义寻优公式为：
[0059][0060]
式中，e为平均误差，n为选取重构点的个数，ui为第i个点的重构值，vi为第i个点的目标值。寻优的过程即找到当e值最小时的送风参数。
[0061]
s6、将s5中得到的最佳送风参数储存至嵌入式计算机中；
[0062]
s7、送风参数结果以电信号的形式从嵌入式计算机输入给可编程逻辑控制器(plc)；
[0063]
s8、通过热电耦温度传感器采集自定义非均匀温度场中的温度信号；
[0064]
s9、通过温度传感器采集信号输入给plc；
[0065]
s10、plc读取到的温度值利用python中的modbus模块来实现传输控制协议进行数据交换，将数据信号传输给嵌入式计算机；
[0066]
s11、嵌入式计算机先与房间实测温度进行比较，得到预设温度值与实际温度值的差值δt：
[0067]
若δt《0.5℃，则视为算法效果良好，直接得出在需求温度值下的最佳送风参数、最佳工况值；
[0068]
若δt≥0.5℃，对参数进行修正：
[0069]
t
′m＝t
m-(t
c-tm)＝2t
m-t
c7[0070]
式中，t
′m为新的目标温度，tm为原目标温度(期望的温度)，tc为实测得到的温度。
[0071]
再将修正后结果作为信号输入，得出在需求温度值下的最佳送风参数、最佳工况值；
[0072]
s12、与所述步骤s9中同样的数据交换方法，将修正过的数据传输回plc；
[0073]
s13、通过plc将算法所得结果通过电信号传输控制各个支管风阀和水量调节阀，控制房间实际送风温度和送风速度，完成闭环控制。
[0074]
本方法采用可编程逻辑控制器(plc)集中采样、集中输出的工作方法，减少了外界空气参数的干扰影响，节约时间，保障算法可靠、快速的进行；采用的嵌入式ai控制器(树莓派)可实现对目标房间参数的远程操控、解放人力物力，有较强的智能算法运算能力，寻优计算过程效率高，容易获得最佳设计参数，有利于营造出期望的非均匀温度场。两者控制器通过python平台的modbus模块进行通讯，实现传输控制，具有权威可靠的依托平台，保证其高效稳定的运行。
[0075]
实施例2
[0076]
机械学习训练
[0077]
s1、预设某实验舱或房间环境的送风参数边界条件，即各个送风口的送风温度范围，送风速度范围，在预测范围内依次设计若干组送风条件；
[0078]
s2、训练集的选取。设定第一组为初始训练工况，待房间内温度稳定(由房间内温度传感器确定)，运行房间空调机组七天，每一小时自动读取储存数据，储存数据分别为，输入端：4个室内温度监测点温度，1个室外温度；输出端：4个送风口各自送风速度，送风温度。将读取到的数据集汇总至plc并转换为电信号供嵌入式计算机计算；
[0079]
s3、采用bp神经网络对输出端和输入端进行训练，设定五个输入，一个含有十个神经元的隐含层，以及有五个神经元的输出层，得到初始网络；
[0080]
s4、在预设送风参数范围内，以第二组作为输入端输入参数，再次运行房间空调机组七天，每一小时自动读取储存数据，将所得输出值送至各个风阀及水量调节阀，控制房间温度；
[0081]
s5、合并第一组和第二组监测输入集输出集，并且对数据集合进行优化和预处理，剔除多余或粗大误差以及多次出现的数据，处理后数据结果训练得到新的网络；
[0082]
s6、在预设送风参数范围内，以第三组作为输入端输入参数，再次运行房间空调机组七天，每一小时自动读取储存数据，将所得输出值送至各个风阀及水量调节阀，控制房间温度；
[0083]
s7、再次结合s5、s6数据结果，对数据集合进行优化得到新的网络，实现了网络的不断更新及迭代。
[0084]
这里说明的设备数量和处理规模是用来简化本发明的说明的，对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
[0085]
尽管本发明的实施方案已公开如上，但其并不仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。