[发明专利]基于神经网络的环冷机温度控制方法及系统

摘要

本发明实公开了一种基于神经网络的环冷机温度控制方法及系统，该方法首先通过设置在环冷机各个温区的温度检测装置，分别获取各个温区的当前检测温度；然后将各个温区的当前检测温度输入预先训练好的神经网络模型中，得到各个温区的预测温度，即考虑各温区内温度之间相互耦合和其它干扰因子影响后得到的各个温区的温度。最后，将各个温区的预测温度与其温区对应的温度阈值度进行比较，并对超出其温度阈值的温区对应的鼓风机输出风量进行调节，从而实现对各温区内温度的调节。本发明实施例，通过对环冷机中多区域温度进行监控，并利用神经网络模型能有效解耦控制，实现环冷机中各温区温度的平稳控制。

主权项

1.一种基于神经网络的环冷机温度控制方法，其特征在于，所述方法包括：/n利用设置在环冷机各个温区的温度检测装置，分别获取所述各个温区的当前检测温度；/n将所述各个温区的当前检测温度输入预先训练好的神经网络模型中，输出所述各个温区温度耦合后的预测温度；/n分别判断所述各个温区的预测温度是否超出其温区对应的温度阈值度；/n如果至少有一个温区的预测温度超出其温区对应的温度阈值时，则分别对超出其温度阈值的温区对应的鼓风机输出风量进行调节；/n其中，所述神经网络模型的训练方法包括：/n分别将所述各个温区对应的鼓风机输出风量设定为不同的值，获取不同输出风量对应的所述各个温区的理想温度、以及与所述理想温度对应的耦合温度；/n将所述各个温区的理想温度和耦合温度分为样本集数据和验证集数据；/n将所述样本集数据中的理想温度和耦合温度分别作为输入变量和输出变量对神经网络进行训练，得到训练后的神经网络模型；/n将所述验证集数据中的理想温度输入到所述训练后的神经网络模型中，得到实际输出温度；/n分别判断所述验证集数据中理想温度对应的耦合温度与实际输出温度之间的差值是否小于预设误差值；/n如果小于预设误差值，则将训练后的神经网络模型作为最终的神经网络模型。/n