一种基于机器学习的脉管制冷机工况预测方法及系统

    公开(公告)号:CN112966399A

    公开(公告)日:2021-06-15

    申请号:CN202110407253.0

    申请日:2021-04-15

    Abstract: 本发明涉及一种基于机器学习的脉管制冷机工况预测方法及系统,方法包括以下步骤:采集脉管制冷机运行时的工况参数数据,并将工况参数数据分为二个部分:训练数据、检验数据;基于训练数据采用LM优化的反向传播算法搭建工况预测模型,通过迭代的方法不断提高工况预测模型的精度;将检验数据输入到工况预测模型中,并将通过工况预测模型计算得出的预测值和实际测量的数据进行比对,验证工况预测模型的精度;系统包括:数据采集模块、学习训练模块、检验模块。本发明通过采集脉管制冷机运行时的工况参数数据搭建训练学习模型,准确预测较难测量的给定PTC的活塞行程和压力幅值,该方法测量成本低于加装传感器且预测值与实际值偏差较小。

    一种基于机器学习的脉管制冷机工况预测方法及系统

    公开(公告)号:CN112966399B

    公开(公告)日:2023-08-22

    申请号:CN202110407253.0

    申请日:2021-04-15

    Abstract: 本发明涉及一种基于机器学习的脉管制冷机工况预测方法及系统,方法包括以下步骤:采集脉管制冷机运行时的工况参数数据,并将工况参数数据分为二个部分:训练数据、检验数据;基于训练数据采用LM优化的反向传播算法搭建工况预测模型,通过迭代的方法不断提高工况预测模型的精度;将检验数据输入到工况预测模型中,并将通过工况预测模型计算得出的预测值和实际测量的数据进行比对,验证工况预测模型的精度;系统包括:数据采集模块、学习训练模块、检验模块。本发明通过采集脉管制冷机运行时的工况参数数据搭建训练学习模型,准确预测较难测量的给定PTC的活塞行程和压力幅值,该方法测量成本低于加装传感器且预测值与实际值偏差较小。

Patent Agency Ranking