[发明专利]一种基于BP神经网络调节的压缩机转速控制方法

说明书

本发明涉及一种基于BP神经网络调节的压缩机转速控制方法，通过搭建包括1个输入层，至少2个隐藏层和1个输出层的BP神经网络，整合多个PID模型，在传统的独立PID控制的基础上，实现更为快速、稳定的交叉调节。在机载环境监控系统中，综合考虑温度、压力、电子膨胀活门开度、压缩机内部电机温度、压缩机过热活门开度等因素，合理调节压缩机转速，避免因反复振荡导致调节迟滞。

技术领域

本发明涉及但不限于机载环境监控系统技术领域，提出了一种基于BP神经网络调节的压缩机转速控制方法。

背景技术

大型客机环境监控系统中普遍采用多个独立PID模型生成各模型自身的控制律，如蒸发器热边出口温度指令及温度反馈通过位置式PID模型调节输出压缩机转速指令，蒸发器制冷剂出口压力指令及压力反馈通过增量式PID模型调节输出电子膨胀活门开度增量。

然而在实际环境监控系统中，电子膨胀活门开度亦会影响到蒸发器热边出口温度，从而间接改变压缩机转速。此外，压缩机内部电机温度、压缩机过热活门开度也是压缩机转速指令输出的重要参考因素。由此可见，单一的PID模型无法完全描述环境监控系统的交叉调节关系，多个独立的PID模型先后调节可能导致输出振荡，系统响应迟滞。

发明内容

本发明的目的：

本发明实施例提供一种基于BP神经网络调节的压缩机转速控制方法，以解决现有环境监控系统中的压缩机转速指令调方式，由于通过单一的PID模型无法完全描述环境监控系统的交叉调节关系，从而导致输出振荡，系统响应迟滞等问题。

本发明的技术方案：

本发明实施例提供一种基于BP神经网络调节的压缩机转速控制方法，包括：

步骤1，搭建包括1个输入层，至少2个隐藏层和1个输出层的BP神经网络；

步骤2，整合多个PID模型，提取独立模型间压缩机转速控制的多个影响因素互相作用的变化规律；

步骤3，通过综合所述多个影响因素互相作用的变化规律，对压缩机转速进行交叉调节。

可选地，如上所述的基于BP神经网络调节的压缩机转速控制方法中，所述步骤1之前，还包括：

对PID模型进行动态数据采集。

可选地，如上所述的基于BP神经网络调节的压缩机转速控制方法中，所述对PID模型进行动态数据采集，包括：

将蒸发器热边出口温度指令和温度反馈作为输入，通过位置式PID模型控制输出压缩机转速指令；

将蒸发器制冷剂出口压力指令和压力反馈作为输入，通过增量式PID模型控制输出电子膨胀活门开度增量；

通过依次设定多组温度指令与压力指令，对PID模型进行动态数据采集。

可选地，如上所述的基于BP神经网络调节的压缩机转速控制方法中，所述步骤2包括：

采用对多个PID模型动态采集到的数据，对BP神经网络进行网络训练，得到压缩机转速的多个影响因素互相作用的变化规律，根据变化规律获得用于调节压缩机转速的参数。

可选地，如上所述的基于BP神经网络调节的压缩机转速控制方法中，所述步骤1中构建的BP神经网络包括：1个输入层，3个隐藏层和1个输出层，其中，所述隐藏层从输入到输出依次包含8个、5个、3个神经元，每层还设置有参数传递的偏置项，各神经元采用修正线性单元ReLU作为激活函数。

可选地，如上所述的基于BP神经网络调节的压缩机转速控制方法中，所述BP神经网络输入层的影响因素包括：蒸发器热边出口温度指令、蒸发器热边出口温度反馈、电子膨胀活门开度、压缩机内部电机温度、压缩机过热活门开度。