[发明专利]一种精确控温制冷系统

说明书

本发明提供了一种精确控温制冷系统，包括工作热量预测模块，用于预测降温对象在未来各个工作阶段的发热效率；制冷数据采集模块，用于采集温度信息以及制冷机器的工作参数并发送至数据处理与控制模块；数据处理与控制模块，用于根据所述温度信息以及制冷机器的工作参数并基于降温对象在各个工作阶段的发热效率对制冷机器进行闭环控制。通过本发明实现了利用温度与运行功率对制冷机器进行双闭环控制，并且通过引入预测结果来对控制量进行影响，从而解决传热延迟的问题，并且利用预测结果进行对于输出功率的定量计算使制冷机器的输出功率更为精准，从而达到了准确控温的目的。

技术领域

本发明涉及自动控制技术领域，特别涉及本发明提供的一种精确控温制冷系统。

背景技术

随着社会的不断发展，大生产厂家对生产技术要求的不断提高，对机械设备的制冷温控系统的要求也在不断的提高，对机械设备的制冷温控进行得更准确，则机械设备出现故障的概率就会越低，并生产产品的次品率也会得到降低，同时提高产品的质量让厂家在同行业竞争中取得更大的优势。

现有温控制冷系统仍然使用老式的温度采集反馈调节方式，对机械设备的温度进行降温，在生产产品要求不严格的情况下能够继续进行使用，但对于要求更为严格、要求生产参数更为精确的生产作业线来说精确程度已然不够，因此需要一种更为精确的控温制冷系统。

发明内容

本发明提供的一种精确控温制冷系统，用于解决背景技术中所提到的问题。

本发明提供一种精确控温制冷系统，包括：

工作热量预测模块，用于预测降温对象在未来各个工作阶段的发热效率；

制冷数据采集模块，用于采集温度信息以及制冷机器的工作参数并发送至数据处理与控制模块；

数据处理与控制模块，用于根据所述温度信息以及制冷机器的工作参数并基于降温对象在各个工作阶段的发热效率对制冷机器进行闭环控制。

优选的，所述工作热量预测模块执行以下操作：

提取降温对象在云端存储的历史工作数据；

对所述历史工作数据进行特征提取，并将其中存在的具有相同特征的循环类工作数据及该工作数据在产生时所对应的环境数据一并截取，并生成工作样本集；

在工作样本集中提取影响因子数据和发热效率数据，并对影响因子数据和发热效率数据进行基于Z-Score方法的标准化处理；其中，影响因子数据的选取包括：降温对象的运行功率、外界环境温度及环境湿度；

对标准化处理后的影响因子数据进行选取特征基于累计贡献度阈值调整的主成分分析，得到主成分特征组合；

将得到的主成分特征组合以及标准化处理后的发热功率数据导入长短期记忆神经网络中进行训练，得到长短期记忆神经网络预测模型；

采集降温对象当前的实时工作数据以及环境数据并导入所述长短期记忆神经网络进行运算，得到降温对象在未来各个工作阶段的发热效率。

优选的，所述对标准化处理后的影响因子数据进行选取特征基于累计贡献度阈值调整的主成分分析，得到主成分特征组合包括：

基于标准化处理后的影响因子数据，构建原始影响因子样本矩阵的协方差矩阵；

计算协方差矩阵的特征值序列以及与特征值序列对应的特征向量序列；

将得到的特征值按由大到小的顺序进行排列，将与排列完成的特征值对应的特征向量排列得到矩阵，根据矩阵中每个元素累计贡献度提取前行构成矩阵；

结合已得到的样本矩阵计算降维后的数据集，降维后的数据集中的元素即为主成分特征组合。