一种基于自学习模糊控制节电器的制作方法

本发明涉及节能，特别涉及一种基于自学习模糊控制节电器。

背景技术：

1、随着工业发展的进步，现代工厂内的各个车间都配备了大量的生产设备，如切割机、分拣机等，这些设备在工艺上发挥着关键作用。为了确保这些生产设备的有效运行和最大化的节能效率，需要对车间内的生产设备运行强度参数和环境参数进行合理的控制和监测。

2、然而，目前许多工厂在生产过程中仍然存在一些问题。一些生产设备可能被设置在高负荷的非节能区间运行，这导致了不必要的能源浪费和运行成本的增加。而且，一些生产设备可能由于长时间的高强度运行或恶劣的环境参数而损坏，这不仅影响了生产进度，还增加了设备维修和更换的费用。

技术实现思路

1、本发明的目的在于提供一种基于自学习模糊控制节电器，其能够改善上述问题。

2、本发明的实施例是这样实现的：

3、本发明提供一种基于自学习模糊控制节电器，设置于目标车间内，所述目标车间内配置有至少一个生产设备，该基于自学习模糊控制节电器包括：控制器以及与所述控制器连接的温度传感器和摄像头；

4、所述温度传感器，用于获取所述目标车间内的当前环境温度值；

5、所述摄像头设置于所述目标车间顶部，用于实时拍摄包含所述目标车间内所有所述生产设备的车间环境画面；

6、所述控制器，用于执行基于自学习模糊控制的生产设备控制方法，所述基于自学习模糊控制的生产设备控制方法包括以下步骤：

7、s1：获取所述当前环境温度值，根据所述当前环境温度值判断当前温度区间；

8、s2：根据所述当前温度区间，确定所述目标车间内每个所述生产设备的运行强度等级；

9、s3：获取所述车间环境画面，通过图像处理方式判断各个所述生产设备的散热条件；

10、s4：根据所述散热条件，确定对应的所述生产设备的实际运行比值；

11、s5：根据所述运行强度等级和所述实际运行比值，向对应的所述生产设备发送目标运行强度参数。

12、其中,s1、s2等仅为步骤标识，方法的执行顺序并不一定按照数字由小到大的顺序进行，比如可以是先执行步骤s2再执行步骤s1，本发明不做限制。

13、在本发明实施例中，所述目标运行强度参数包括运行功率、运行速度、运行转速、运行负载中的至少一项。

14、可以理解，本发明公开了一种基于自学习模糊控制节电器，不仅通过温度传感器采集当前环境温度，还通过摄像头拍摄的车间环境画面确定各个生产设备的散热条件；控制器通过模糊控制算法对当前环境温度和散热条件进行模糊化分级，再进行模糊推理判断出每个生产设备的目标运行强度参数。本发明通过模糊控制方法，对多元的传感输入因素进行分析，使得每个生产设备都运行在最合理的节能范围内，可以应对更多场景的智能化逻辑设计。

15、在本发明可选的实施例中，所述步骤s1包括：

16、s11：获取所述当前环境温度值；

17、s12：在所述当前环境温度值小于第一温度阈值的情况下，判断当前温度区间为低温区间；

18、s13：在所述当前环境温度值大于或等于所述第一温度阈值且小于第二温度阈值的情况下，判断当前温度区间为适中温区间；

19、s14：在所述当前环境温度值大于或等于所述第二温度阈值的情况下，判断当前温度区间为高温区间。

20、可以理解，本发明通过将温度传感器采集的当前环境温度值进行模糊化处理，简单地分为低温区间、适中温区间和高温区间，以便于后续根据当前温度区间确定目标车间内每个生产设备的运行强度等级。

21、在本发明可选的实施例中，所述步骤s2包括以下至少一项：

22、在所述当前温度区间为低温区间的情况下，确定所述目标车间内每个所述生产设备的运行强度等级为高强度等级；

23、在所述当前温度区间为适中温区间的情况下，确定所述目标车间内每个所述生产设备的运行强度等级为中强度等级；

24、在所述当前温度区间为高温区间的情况下，确定所述目标车间内每个所述生产设备的运行强度等级为低强度等级。

25、可以理解，与传统的精确数学模型和控制方法不同，模糊控制算法允许在控制过程中使用模糊的、非精确的信息和规则。控制器使用模糊规则集来描述输入和输出之间的关系。这些规则是基于专家知识和经验构建的，而不需要准确的数学模型。在本发明中，根据经验可以建议步骤s2的判断模型，即低温区间的环境下生产设备的运行强度可适当提高，高温区间的环境下生产设备的运行强度需要适当调低。

26、在本发明可选的实施例中，所述步骤s3包括以下至少一项：

27、s31：获取所述车间环境画面，通过yolo模型识别出所述车间环境画面中的生产设备预测区域；

28、s32：逐一将所述车间环境画面中的所述生产设备预测区域作为目标区域；

29、s33：计算所述目标区域与相邻的其他生产设备预测区域的直线距离，若所述直线距离小于预设距离值，则将对应的所述其他生产设备预测区域作为障碍物区域；

30、s34：统计所述目标区域对应的障碍物区域个数；

31、s35：根据所述障碍物区域个数，判断所述目标区域对应的所述生产设备的散热条件。

32、可以理解，温度传感器只能宏观地反馈整个目标车间的环境温度，无法针对每一个生产设备的具体情况进行考虑。在目标车间中，由于具体生产需求的需要，有的生产设备可能会密集排布，有的生产设备可能零散排布，密集排布的生产设备的散热条件较差，也需要适当降低运行强度。本发明不仅通过温度传感器反馈整个目标车间的环境温度，还通过对车间环境画面的图像分析，判断每个生产设备的散热条件，为单独调整每个生产设备的运行强度提供依据。

33、可选地，所述步骤s35包括以下至少一项：

34、在障碍物区域个数小于第一数量阈值的情况下，判断所述目标区域对应的所述生产设备的散热条件为优等散热条件；

35、在障碍物区域个数大于或等于所述第一数量阈值且小于第二数量阈值的情况下，判断所述目标区域对应的所述生产设备的散热条件为中等散热条件；

36、在障碍物区域个数大于或等于所述第二数量阈值的情况下，判断所述目标区域对应的所述生产设备的散热条件为低等散热条件。

37、可以理解，车间环境画面中，与目标生产设备距离过小的其他生产设备数量过多，则说明该目标生产设备的散热条件较差；反之，车间环境画面中，与目标生产设备距离过小的其他生产设备数量较少，则说明该目标生产设备的散热条件较优。

38、可选地，所述步骤s4包括以下至少一项：

39、在所述散热条件为优等散热条件的情况下，确定对应的所述生产设备的实际运行比值为第一比值；

40、在所述散热条件为中等散热条件的情况下，确定对应的所述生产设备的实际运行比值为第二比值，所述第二比值低于所述第一比值；

41、在所述散热条件为低等散热条件的情况下，确定对应的所述生产设备的实际运行比值为第三比值，所述第三比值低于所述第二比值。

42、在本发明可选的实施例中，所述步骤s5包括：

43、s51:根据所述运行强度等级确定所述生产设备的运行强度参数范围；

44、s52:将所述运行强度参数范围的最大值和最小值分别乘以所述实际运行比值，更新所述运行强度参数范围；

45、s53：在更新后的所述运行强度参数范围中，选取最接近所述生产设备的初始运行强度参数的目标值作为所述目标运行强度参数；

46、s54：向对应的所述生产设备发送目标运行强度参数。

47、上述初始运行强度参数可以是启动生产设备时向该生产设备发出的运行强度参数，即生产设备最初执行的运行强度参数。

48、可以理解，本发明不仅通过温度传感器采集到的当前环境温度模糊推理出生产设备的运行强度参数范围，还通过车间环境画面中目标生产设备的“障碍物”模糊推理出目标生产设备的实际运行比值；通过模糊控制方法，对多元的传感输入因素进行分析，使得目标设备运行在最合理的节能范围内，可以应对更多场景的智能化逻辑设计。

49、可选地，所述步骤s51包括：

50、在所述运行强度等级为高强度等级的情况下，取所述生产设备的额定运行强度参数范围的第一区间，作为所述生产设备的运行强度参数范围；

51、在所述运行强度等级为中强度等级的情况下，取所述生产设备的额定运行强度参数范围的第二区间，作为所述生产设备的运行强度参数范围，所述第二区间的最大值小于所述第一区间的最小值；

52、在所述运行强度等级为低强度等级的情况下，取所述生产设备的额定运行强度参数范围的第三区间，作为所述生产设备的运行强度参数范围，所述第三区间的最大值小于所述第二区间的最小值。

53、在本发明可选的实施例中，所述控制器包括相互连接的处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述任一项所述基于自学习模糊控制的照明控制方法。

54、有益效果

55、本发明公开了一种基于自学习模糊控制节电器，不仅通过温度传感器采集当前环境温度，还通过摄像头拍摄的车间环境画面确定各个生产设备的散热条件；控制器通过模糊控制算法对当前环境温度和散热条件进行模糊化分级，再进行模糊推理判断出每个生产设备的目标运行强度参数。本发明通过模糊控制方法，对多元的传感输入因素进行分析，使得每个生产设备都运行在最合理的节能范围内，可以应对更多场景的智能化逻辑设计。

56、温度传感器只能宏观地反馈整个目标车间的环境温度，无法针对每一个生产设备的具体情况进行考虑。在目标车间中，由于具体生产需求的需要，有的生产设备可能会密集排布，有的生产设备可能零散排布，密集排布的生产设备的散热条件较差，也需要适当降低运行强度。本发明不仅通过温度传感器反馈整个目标车间的环境温度，还通过对车间环境画面的图像分析，判断每个生产设备的散热条件，为单独调整每个生产设备的运行强度提供依据。

57、为使本发明的上述目的、特征和优点能更明显易懂，下文特举可选实施例，并配合所附附图，作详细说明如下。