[发明专利]基于转矩流量智能软测量的涡旋压缩机控制系统及方法

权利要求书

1.一种基于转矩流量智能软测量的涡旋压缩机控制系统，其特征在于，包括设置于电动机与涡旋式压缩机连接轴上的转速传感器，以及设置于储气罐上的气体压力传感器，所述转速传感器和气体压力传感器均与上位机相连，上位机与变频器相连，变频器与电动机相连。

2.一种利用权利要求1所述的控制系统的控制方法，其特征在于，步骤如下：

1)将转速传感器安装于电动机与涡旋式压缩机的连接轴上；

2)在储气罐上安装气体压力传感器；

3)将转速传感器和气体压力传感器分别与上位机相连；

4)将转速传感器采集到的涡旋压缩机转速和气体压力传感器采集到排气压力数据传输至上位机中，进行数据处理分析，对其转矩和流量进行预测估计；

5)根据转速以及气体压力传感器的数据，以及预测出的涡旋式压缩机转矩以及排气流量的大小，实时计算出涡旋式压缩机的工作效率，并通过变频器随时更改其工作状态，以使涡旋式压缩机能一直工作在高效区间内。

3.根据权利要求2所述的方法，其特征在于，所述步骤4)中的数据处理分析包括以下步骤：

a.初始化粒子群，包括群体规模，每个粒子的位置与速度；

b.计算每个粒子的适应度值，并更新个体与全局极值；

c.判断是否满足收敛条件：若不满足则进入步骤d；若满足则将全局极值解码后作为小波神经网络的关键参数并退出；

d.判断是否已达到最大迭代次数：若未达到则更新每个粒子的位置与速度以及惯性权重，并回到步骤b；若已达到最大迭代次数，则选择目前最优的粒子进入BP优化过程；

e.判断是否达到BP优化最大迭代次数：若未达到则计算方差并调整权值和阈值并进入下一次循环；如已达到最大迭代次数，则将方差与粒子群算法得到的全局极值相比较，取二者中的较小值作为小波神经网络的关键参数并退出。