一种制冷压缩机吸气压力的FID智能变频控制方法

    公开(公告)号:CN117212117A

    公开(公告)日:2023-12-12

    申请号:CN202311285482.5

    申请日:2023-10-07

    IPC分类号: F04B49/06

    摘要: 本发明涉及制冷系统技术领域,旨在提供一种制冷压缩机吸气压力的FID智能变频控制方法,该方法是一种前馈‑反馈控制模型,包括学习和控制阶段。学习阶段采用函数挖掘技术实现历史数据的学习,建立吸气压力的前馈控制模型——吸气压力的变化量与其它影响参数之间的函数规律;在前馈控制模型的基础上,控制阶段通过实时监控制冷压缩机的运行参数,准确预测下一控制时刻的吸气压力,并基于吸气压力的预测值与理想的设定值之间的差值,确定下一控制周期内的工作频率。本发明实现了制冷压缩机吸气压力的精确控制,可显著降低制冷压缩机的运行能耗。

    一种多模态特征融合神经网络的制冷设备故障诊断方法

    公开(公告)号:CN114970605A

    公开(公告)日:2022-08-30

    申请号:CN202210485072.4

    申请日:2022-05-06

    摘要: 本发明公开一种多模态特征融合神经网络的制冷设备故障诊断方法,属于计算机技术领域,包括:1)数据预处理;2)特征提取及特征融合;3)神经网络训练及优化;4)故障分类与诊断。本发明主要针对单模态输入故障诊断问题,由于单模态输入数据信息匮乏,现有的机器学习方法特征提取能力弱,准确率不高,对于一些难以分辨的故障容易产生误判。因此,本发明利用时频分析转换时域信号增加输入模态和基于注意力机制的特征融合,实现模态间互补信息的充分发挥,以达到提高诊断准确率的目标。实验验证表明,本发明能够有效地实现多模态特征提取与融合,解决单模态输入诊断准确率低下的问题。

    一种基于半监督对比学习的制冷机组故障诊断方法

    公开(公告)号:CN116467634A

    公开(公告)日:2023-07-21

    申请号:CN202310077202.5

    申请日:2023-02-07

    摘要: 一种基于半监督对比学习的制冷机组故障诊断方法,方法包含三个部分,首先,设计制冷机组数据增强技术对原始数据进行数据增强,对数据进行成对约束组合,创建具有成对约束关系的有标签数据集合。然后,构建基于对比学习的样本对预测网络,利用具有成对约束关系的有标签数据集合训练模型,学习一对数据间的关联关系用于创建具有成对约束关系的全数据集。最后,构建基于记忆增强的半监督设备故障诊断网络,从具有成对约束关系的全数据集中抓取数据隐含的类别信息,同时引入记忆模块令半监督设备故障诊断网络提取的特征更具区别性。本发明提出的方法能够有效挖掘同一故障类型无标签数据的内在关联,提高制冷机组设备诊断的性能。

    一种防止过度结冰的冰蓄冷系统及其控制方法

    公开(公告)号:CN116123627A

    公开(公告)日:2023-05-16

    申请号:CN202211410265.X

    申请日:2022-11-11

    摘要: 本发明提供了一种防止过度结冰的冰蓄冷系统及其控制方法,包括制冷压缩机、蒸发式冷凝器、冷却水泵、地源侧循环泵、蓄冰盘管、板式换热器、乙二醇循环泵、冷冻水循环泵;各设备、泵及阀门分别与S7‑300PLC连接。包括4种制冷运行模式:融冰单供冷模式、制冷压缩机单供冷模式、制冷压缩机与融冰联合供冷模式、制冷压缩机单独蓄冰模式。当蓄冰量达到95%时,制冷压缩机允许运行信号消失,无法启动制冷压缩机,以保证冰蓄冷系统不过度结冰。多种制冷运行模式,能够很好的适用于不同的制冷工况,蓄冰模式下,当蓄冰量达到设置值时,制冷压缩机允许运行信号消失,无法启动制冷压缩机,能够防止蓄冰量超过设置值时制冷压缩机启动导致继续蓄冰而导致的水箱胀裂。