一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和存儲(chǔ)介質(zhì)
文章來源：http://www.gxshunjiang.com/ 2024年11月04日 點(diǎn)擊數(shù)：545
一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和存儲(chǔ)介質(zhì)
技術(shù)領(lǐng)域
本發(fā)明涉及潔凈室通風(fēng)系統(tǒng)技術(shù)領(lǐng)域，尤其是指一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
背景技術(shù)
潔凈室指對(duì)空氣潔凈度、溫度、濕度、壓力、噪聲等參數(shù)根據(jù)需要進(jìn)行控制的密閉性較好的空間。潔凈室技術(shù)在制藥、微電子、生物工程等產(chǎn)業(yè)中至關(guān)重要，確保產(chǎn)品制造過程中的無菌和無塵環(huán)境。然而，潔凈室的運(yùn)行成本高昂，其通風(fēng)系統(tǒng)的能耗占總能耗的比重較大。
隨著對(duì)提高能源利用率的日益重視，優(yōu)化潔凈室通風(fēng)系統(tǒng)成為了研究的熱點(diǎn)�，F(xiàn)有的潔凈室通風(fēng)系統(tǒng)通常采用傳統(tǒng)的測(cè)試、調(diào)整和平衡（Testing Adjusting andBalancing，簡(jiǎn)稱TAB）方法進(jìn)行風(fēng)量分配和壓差控制。例如，在潔凈室通風(fēng)系統(tǒng)的初始調(diào)試階段，技術(shù)人員花費(fèi)大量時(shí)間進(jìn)行風(fēng)量測(cè)量、閥門開度調(diào)整以及風(fēng)機(jī)頻率校準(zhǔn)，以達(dá)到設(shè)計(jì)要求的風(fēng)量指標(biāo)和壓差指標(biāo)�；谌斯そ�(jīng)驗(yàn)的方法耗時(shí)長(zhǎng)，效率較低，在面對(duì)復(fù)雜工況時(shí)難以快速響應(yīng)。
雖然有些研究嘗試引入機(jī)器學(xué)習(xí)技術(shù)來解決上述問題，但往往局限于面向單一區(qū)域的風(fēng)量預(yù)測(cè)，缺乏對(duì)多區(qū)域之間相互影響的預(yù)測(cè)處理，不能同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量?jī)深愵A(yù)測(cè)，且風(fēng)量預(yù)測(cè)不夠全面、壓差預(yù)測(cè)精度不高，效率較低，不能滿足短時(shí)高頻的仿真預(yù)測(cè)需求。
發(fā)明內(nèi)容
為此，本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中的潔凈室通風(fēng)系統(tǒng)不能同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測(cè)，且風(fēng)量預(yù)測(cè)不夠全面、壓差預(yù)測(cè)精度不高，效率較低的問題，提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，風(fēng)量預(yù)測(cè)全面，壓差預(yù)測(cè)精度較高，且可以同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測(cè)，響應(yīng)速度快，效率較高。
第一方面，為解決上述技術(shù)問題，本發(fā)明提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法，包括：
步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間，確定M組可控變量；
步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時(shí)間滿足設(shè)定要求后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；
步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實(shí)采數(shù)據(jù)樣本；基于所述M條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集；
步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：對(duì)所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集；
步驟S6：基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型；
步驟S7：基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制；
步驟S8：基于節(jié)能率對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)；
其中，構(gòu)建所述預(yù)測(cè)模型時(shí)，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的輸入層，基于多級(jí)萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的共享層，基于所述預(yù)測(cè)模型的輸出層輸出所述受控變量的預(yù)測(cè)值。
在本發(fā)明的一個(gè)實(shí)施例中，在所述多級(jí)萃取網(wǎng)絡(luò)中，每一級(jí)萃取網(wǎng)絡(luò)均包括送風(fēng)專家模塊、回風(fēng)專家模塊、排風(fēng)專家模塊和共享專家模塊，所述送風(fēng)專家模塊由Ne
個(gè)送風(fēng)專家組成，所述回風(fēng)專家模塊由Ne
個(gè)回風(fēng)專家組成，所述排風(fēng)專家模塊由Ne
個(gè)排風(fēng)專家組成，所述共享專家模塊由Nse
個(gè)共享專家組成；所述每一級(jí)萃取網(wǎng)絡(luò)均在內(nèi)部設(shè)置有送風(fēng)門網(wǎng)絡(luò)、回風(fēng)門網(wǎng)絡(luò)、排風(fēng)門網(wǎng)絡(luò)和共享門網(wǎng)絡(luò)，分別對(duì)應(yīng)于所述送風(fēng)專家模塊、所述回風(fēng)專家模塊、所述排風(fēng)專家模塊和所述共享專家模塊；所述每一級(jí)萃取網(wǎng)絡(luò)的輸出均作為下一級(jí)萃取網(wǎng)絡(luò)的輸入；其中，第一級(jí)萃取網(wǎng)絡(luò)直接接收來自所述輸入層輸入的特征向量，最后一級(jí)萃取網(wǎng)絡(luò)的輸出作為所述多級(jí)萃取網(wǎng)絡(luò)的輸出。
在本發(fā)明的一個(gè)實(shí)施例中，所述送風(fēng)門網(wǎng)絡(luò)與所述送風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
所述回風(fēng)門網(wǎng)絡(luò)與所述回風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
所述排風(fēng)門網(wǎng)絡(luò)與所述排風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
所述共享門網(wǎng)絡(luò)與所述共享專家模塊的對(duì)應(yīng)關(guān)系為：
；
其中，為多分類問題的激活函數(shù)，表示第j級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述送風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出；表示第j級(jí)萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中回風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述回風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出；表示第j級(jí)萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中排風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述排風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出；表示第j級(jí)萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中共享專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述送風(fēng)專家、Ne
個(gè)所述回風(fēng)專家、Ne
個(gè)所述排風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出。
在本發(fā)明的一個(gè)實(shí)施例中，基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制的方法為：使用IoT云平臺(tái)將多區(qū)域的壓差設(shè)計(jì)值和風(fēng)量設(shè)計(jì)值作為主要控制目標(biāo)輸入至所述預(yù)測(cè)模型的優(yōu)化器，基于所述優(yōu)化器對(duì)所述可控變量進(jìn)行迭代優(yōu)化以滿足約束條件；在每次迭代中，所述優(yōu)化器對(duì)所述預(yù)測(cè)模型進(jìn)行調(diào)用，基于所述可控變量對(duì)所述受控變量進(jìn)行預(yù)測(cè)，再基于目標(biāo)函數(shù)計(jì)算預(yù)測(cè)工況與設(shè)計(jì)工況的偏差；在滿足所述約束條件的前提下，所述優(yōu)化器通過迭代得到所述目標(biāo)函數(shù)最小化時(shí)對(duì)應(yīng)的可控變量值；基于所述可控變量值進(jìn)行最優(yōu)可控參數(shù)的下發(fā)。
在本發(fā)明的一個(gè)實(shí)施例中，所述目標(biāo)函數(shù)最小化的方法為：
；
所述約束條件為：
；
其中，表示最小化函數(shù)，Z表示所述目標(biāo)函數(shù)，表示風(fēng)機(jī)個(gè)數(shù)，表示壓差個(gè)數(shù)，表示預(yù)測(cè)壓差數(shù)組，表示設(shè)計(jì)壓差數(shù)組，表示風(fēng)機(jī)頻率，s.t.表示受約束條件，表示任意區(qū)域的壓差偏差，表示預(yù)設(shè)的壓差偏差閾值，表示設(shè)計(jì)送風(fēng)量，表示預(yù)測(cè)送風(fēng)量，表示設(shè)計(jì)排風(fēng)量，表示預(yù)測(cè)排風(fēng)量，表示末端風(fēng)閥開度。
在本發(fā)明的一個(gè)實(shí)施例中，對(duì)所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集的方法為：先排除不可用樣本，再基于z-score歸一化方法將所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布，再按照自主設(shè)定的比例隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。
在本發(fā)明的一個(gè)實(shí)施例中，在基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型時(shí)，采用均方誤差函數(shù)作為損失函數(shù)來計(jì)算所述預(yù)測(cè)模型的預(yù)測(cè)值與實(shí)際值之間的差異；基于所述合成數(shù)據(jù)集對(duì)所述預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，再基于所述實(shí)采數(shù)據(jù)集的訓(xùn)練集對(duì)所述預(yù)測(cè)模型進(jìn)行微調(diào)；基于所述實(shí)采數(shù)據(jù)集的驗(yàn)證集對(duì)所述預(yù)測(cè)模型進(jìn)行實(shí)時(shí)驗(yàn)證；在全部訓(xùn)練完成后，基于所述實(shí)采數(shù)據(jù)集的測(cè)試集對(duì)所述預(yù)測(cè)模型進(jìn)行檢測(cè)。
在本發(fā)明的一個(gè)實(shí)施例中，基于拉丁超立方采樣策略確定所述M組可控變量；通過現(xiàn)場(chǎng)的IoT云平臺(tái)和PLC對(duì)所述M組可控變量進(jìn)行下發(fā)。
第二方面，為解決上述技術(shù)問題，本發(fā)明還提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制系統(tǒng)，包括：
數(shù)據(jù)采集模塊，依次執(zhí)行：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間，確定M組可控變量；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時(shí)間滿足設(shè)定要求后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實(shí)采數(shù)據(jù)樣本；基于所述M條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集；步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
模型構(gòu)建與訓(xùn)練模塊，對(duì)所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集；基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型；
優(yōu)化控制模塊，基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制；
性能評(píng)價(jià)模塊，基于節(jié)能率對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)；
其中，構(gòu)建所述預(yù)測(cè)模型時(shí)，所述模型構(gòu)建與訓(xùn)練模塊采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的輸入層，基于多級(jí)萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的共享層，基于所述預(yù)測(cè)模型的輸出層輸出所述受控變量的預(yù)測(cè)值。
第三方面，為解決上述技術(shù)問題，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法的步驟。
本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下有益效果：
本發(fā)明提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型來構(gòu)建預(yù)測(cè)模型，可以充分利用不同類型風(fēng)量之間的耦合關(guān)系，風(fēng)量預(yù)測(cè)全面，壓差預(yù)測(cè)精度較高，且可以同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測(cè)；基于預(yù)測(cè)模型對(duì)通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制，響應(yīng)速度快，效率較高。
附圖說明
為了使本發(fā)明的內(nèi)容更容易被清楚的理解，下面根據(jù)本發(fā)明的具體實(shí)施例并結(jié)合附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。
圖1為本發(fā)明優(yōu)選實(shí)施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法的步驟圖；
圖2為本發(fā)明優(yōu)選實(shí)施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法的預(yù)測(cè)模型架構(gòu)圖；
圖3為本發(fā)明實(shí)施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制系統(tǒng)的模塊圖。
說明書附圖標(biāo)記說明：
Input輸入層；Shared Layer共享層；Tower Layer任務(wù)塔層；Output輸出層；
First level Extraction Network第一級(jí)萃取網(wǎng)絡(luò)；Extraction Network j-1th第j-1級(jí)萃取網(wǎng)絡(luò)；Extraction Network jth第j級(jí)萃取網(wǎng)絡(luò)；Extraction Network j+1th第j+1級(jí)萃取網(wǎng)絡(luò)；Final level Extraction Network最后一級(jí)萃取網(wǎng)絡(luò)；
Experts on SA送風(fēng)門專家；Experts on RA回風(fēng)門專家；Experts on EA排風(fēng)門專家；Shared Experts共享門專家；Tower Room a多區(qū)域中的區(qū)域a；Tower SA送風(fēng)任務(wù)；Tower OA新風(fēng)任務(wù)；
風(fēng)機(jī)頻率；末端風(fēng)閥開度；g門網(wǎng)絡(luò)函數(shù)符號(hào)；H張量；預(yù)測(cè)壓差數(shù)組；預(yù)測(cè)送風(fēng)量；預(yù)測(cè)排風(fēng)量；
：的簡(jiǎn)寫，表示第一級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)；
：的簡(jiǎn)寫，表示第一級(jí)萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)；
：的簡(jiǎn)寫，表示第一級(jí)萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)；
：的簡(jiǎn)寫，表示第一級(jí)萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)；
：第j級(jí)萃取網(wǎng)絡(luò)中的第1個(gè)，第2個(gè)，…，第Ne
個(gè)送風(fēng)門專家；
：第j級(jí)萃取網(wǎng)絡(luò)中的第1個(gè)，第2個(gè)，…，第Ne
個(gè)回風(fēng)門專家；
：第j級(jí)萃取網(wǎng)絡(luò)中的第1個(gè)，第2個(gè)，…，第Ne
個(gè)排風(fēng)門專家；
：第j級(jí)萃取網(wǎng)絡(luò)中的第1個(gè)，第2個(gè)，…，第Nse
個(gè)共享門專家；
：的簡(jiǎn)寫，表示對(duì)第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)送風(fēng)專家和Nse
個(gè)共享專家進(jìn)行整合后的初步輸出；
：第j級(jí)萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入；
：的簡(jiǎn)寫，表示第j級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)。
具體實(shí)施方式
應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本申請(qǐng)，并不用于限定本申請(qǐng)。
下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請(qǐng)的一部分實(shí)施例，而不是全部的實(shí)施例。
現(xiàn)有的潔凈室通風(fēng)系統(tǒng)通常采用傳統(tǒng)的TAB方法進(jìn)行風(fēng)量分配和壓差控制，但是耗時(shí)長(zhǎng)，效率較低，在面對(duì)復(fù)雜工況時(shí)難以快速響應(yīng)。有些研究嘗試引入機(jī)器學(xué)習(xí)技術(shù)來解決上述問題，但往往局限于面向單一區(qū)域的風(fēng)量預(yù)測(cè)，缺乏對(duì)多區(qū)域之間相互影響的預(yù)測(cè)處理，不能同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量?jī)深愵A(yù)測(cè)，且風(fēng)量預(yù)測(cè)不夠全面、壓差預(yù)測(cè)精度不高，效率較低，不能滿足短時(shí)高頻的仿真預(yù)測(cè)需求。
為此，本申請(qǐng)實(shí)施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
實(shí)施例一
本實(shí)施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法，請(qǐng)參照?qǐng)D1所示，包括：
步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間，確定M組可控變量；
步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時(shí)間滿足設(shè)定要求后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；
步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實(shí)采數(shù)據(jù)樣本；基于所述M條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集；
步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：對(duì)所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集；
步驟S6：基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型；
步驟S7：基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制；
步驟S8：基于節(jié)能率對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)；
其中，構(gòu)建所述預(yù)測(cè)模型時(shí)，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的輸入層，基于多級(jí)萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的共享層，基于所述預(yù)測(cè)模型的輸出層輸出所述受控變量的預(yù)測(cè)值。
本實(shí)施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法，（1）采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型來構(gòu)建預(yù)測(cè)模型，可以充分利用不同類型風(fēng)量之間的耦合關(guān)系，風(fēng)量預(yù)測(cè)全面，壓差預(yù)測(cè)精度較高，且可以同時(shí)完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測(cè)；（2）基于預(yù)測(cè)模型對(duì)通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制，響應(yīng)速度快，效率較高，減少了因通風(fēng)過度或者通風(fēng)不足導(dǎo)致的能源浪費(fèi)。
接下來對(duì)本實(shí)施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法進(jìn)行詳細(xì)介紹：
一、工作步驟：
步驟S1：
具體的，設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間，確定M組可控變量；
可選的，基于拉丁超立方采樣策略確定所述M組可控變量；通過現(xiàn)場(chǎng)的IoT云平臺(tái)和PLC對(duì)所述M組可控變量進(jìn)行下發(fā)。
可選的，所述可控變量包括設(shè)備運(yùn)行可控參數(shù)：各風(fēng)機(jī)頻率、各風(fēng)閥開度。
可選的，所述受控變量包括系統(tǒng)受控參數(shù)：各區(qū)域壓差、系統(tǒng)風(fēng)量。
可選的，所述等待時(shí)間設(shè)定為2min。
步驟S2：
具體的，下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時(shí)間滿足設(shè)定要求后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；
步驟S3：
具體的，重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實(shí)采數(shù)據(jù)樣本；基于所述M條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集；
步驟S4：
具體的，基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：
具體的，對(duì)所述實(shí)采數(shù)據(jù)集D1和所述合成數(shù)據(jù)集D2進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集。
可選的，先排除不可用樣本，再基于z-score歸一化方法將所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布，再按照自主設(shè)定的比例隨機(jī)劃分為所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集。
可選的，所述不可用樣本包括不完整樣本。
可選的，按照8：1：1的比例隨機(jī)劃分所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集。
步驟S6：
具體的，基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型。
具體的，請(qǐng)參照?qǐng)D2所示，構(gòu)建所述預(yù)測(cè)模型時(shí)，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的輸入層Input，基于多級(jí)萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的共享層Shared Layer，基于所述預(yù)測(cè)模型的輸出層Output輸出所述受控變量的預(yù)測(cè)值。
可選的，所述預(yù)測(cè)模型采用Leaky ReLU作為基礎(chǔ)激活函數(shù)。
可選的，在所述多級(jí)萃取網(wǎng)絡(luò)中，每一級(jí)萃取網(wǎng)絡(luò)均包括送風(fēng)專家模塊ESA
、回風(fēng)專家模塊ERA
、排風(fēng)專家模塊EEA
和共享專家模塊ES
，所述送風(fēng)專家模塊ESA
由Ne
個(gè)送風(fēng)專家組成，所述回風(fēng)專家模塊ERA
由Ne
個(gè)回風(fēng)專家組成，所述排風(fēng)專家模塊EEA
由Ne
個(gè)排風(fēng)專家組成，所述共享專家模塊ES
由Nse
個(gè)共享專家組成，請(qǐng)參照?qǐng)D2所示。
具體的，所述每一級(jí)萃取網(wǎng)絡(luò)均在內(nèi)部設(shè)置有送風(fēng)門網(wǎng)絡(luò)、回風(fēng)門網(wǎng)絡(luò)、排風(fēng)門網(wǎng)絡(luò)和共享門網(wǎng)絡(luò)，分別對(duì)應(yīng)于所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
、所述排風(fēng)專家模塊EEA
和所述共享專家模塊ES
。
具體的，所述每一級(jí)萃取網(wǎng)絡(luò)的輸出均作為下一級(jí)萃取網(wǎng)絡(luò)的輸入；其中，第一級(jí)萃取網(wǎng)絡(luò)直接接收來自所述輸入層輸入的特征向量，最后一級(jí)萃取網(wǎng)絡(luò)的輸出作為所述多級(jí)萃取網(wǎng)絡(luò)的輸出。
具體的，所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
和所述排風(fēng)專家模塊EEA
為三類特定專家模塊，每類所述特定專家模塊僅負(fù)責(zé)提取潔凈室通風(fēng)系統(tǒng)中相應(yīng)的氣流特征；所述共享專家模塊ES
對(duì)不同氣流特征之間的耦合交互信息進(jìn)行提取。
具體的，所述多級(jí)萃取網(wǎng)絡(luò)的級(jí)數(shù)是在所述預(yù)測(cè)模型的訓(xùn)練過程中確定的。
具體的，所述送風(fēng)門網(wǎng)絡(luò)與所述送風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
其中，為多類分類問題的激活函數(shù)，表示第j級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述送風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出。
具體的，所述回風(fēng)門網(wǎng)絡(luò)與所述回風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
其中，表示第j級(jí)萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中回風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述回風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出。
具體的，所述排風(fēng)門網(wǎng)絡(luò)與所述排風(fēng)專家模塊的對(duì)應(yīng)關(guān)系為：
；
其中，表示第j級(jí)萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中排風(fēng)專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述排風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出。
具體的，所述共享門網(wǎng)絡(luò)與所述共享專家模塊的對(duì)應(yīng)關(guān)系為：
；
其中，表示第j級(jí)萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)，表示所述第j級(jí)萃取網(wǎng)絡(luò)中共享專家模塊的輸入，表示所述第j級(jí)萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對(duì)所述第j級(jí)萃取網(wǎng)絡(luò)中的Ne
個(gè)所述送風(fēng)專家、Ne
個(gè)所述回風(fēng)專家、Ne
個(gè)所述排風(fēng)專家和Nse
個(gè)所述共享專家進(jìn)行整合后的初步輸出。
具體的，所述、所述、所述和所述可分別表示為：
其中，T表示轉(zhuǎn)置。
可選的，所述特征向量包括各風(fēng)機(jī)頻率、各末端風(fēng)閥開度。
具體的，請(qǐng)參照?qǐng)D2所示，經(jīng)過所述多級(jí)萃取網(wǎng)絡(luò)對(duì)氣流特征的逐步分離后，將所述最后一級(jí)萃取網(wǎng)絡(luò)輸出的數(shù)據(jù)拼接組合為張量H傳入任務(wù)塔層Tower Layer。
可選的，在所述任務(wù)塔層Tower Layer中，每個(gè)任務(wù)都有獨(dú)立分支塔，比如多區(qū)域中的區(qū)域a的獨(dú)立分支塔Tower Room a；所述任務(wù)塔層Tower Layer采用多層全連接網(wǎng)絡(luò)對(duì)所述共享層Shared Layer萃取的深層特征進(jìn)行再學(xué)習(xí)，最終輸出各區(qū)域壓差、系統(tǒng)送風(fēng)量、系統(tǒng)回風(fēng)量、系統(tǒng)排風(fēng)量、系統(tǒng)新風(fēng)量；其中，所述新風(fēng)量并未設(shè)置有對(duì)應(yīng)的特定專家，所述新風(fēng)量由其他類型風(fēng)量綜合計(jì)算得到。
可選的，采用均方誤差函數(shù)（Mean Squared Error，簡(jiǎn)稱MSE）作為損失函數(shù)L2來計(jì)算所述預(yù)測(cè)模型的預(yù)測(cè)值與實(shí)際值之間的差異；基于所述合成數(shù)據(jù)集D2對(duì)所述預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，再基于所述實(shí)采數(shù)據(jù)集的訓(xùn)練集對(duì)所述預(yù)測(cè)模型進(jìn)行微調(diào)；基于所述實(shí)采數(shù)據(jù)集的驗(yàn)證集對(duì)所述預(yù)測(cè)模型進(jìn)行實(shí)時(shí)驗(yàn)證；在全部訓(xùn)練完成后，基于所述實(shí)采數(shù)據(jù)集的測(cè)試集對(duì)所述預(yù)測(cè)模型進(jìn)行檢測(cè)。
步驟S7：
具體的，基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制。
可選的，所述預(yù)測(cè)模型基于增強(qiáng)精英保留的遺傳算法對(duì)所述通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制。
具體的，使用IoT云平臺(tái)將多區(qū)域的壓差設(shè)計(jì)值和風(fēng)量設(shè)計(jì)值作為主要控制目標(biāo)輸入至所述預(yù)測(cè)模型的優(yōu)化器，基于所述優(yōu)化器對(duì)所述可控變量進(jìn)行迭代優(yōu)化以滿足約束條件；在每次迭代中，所述優(yōu)化器對(duì)所述預(yù)測(cè)模型進(jìn)行調(diào)用，基于所述可控變量對(duì)所述受控變量進(jìn)行預(yù)測(cè)，再基于目標(biāo)函數(shù)Z計(jì)算預(yù)測(cè)工況與設(shè)計(jì)工況的偏差；在滿足所述約束條件的前提下，所述優(yōu)化器通過迭代得到所述目標(biāo)函數(shù)最小化時(shí)對(duì)應(yīng)的可控變量值；基于所述可控變量值進(jìn)行最優(yōu)可控參數(shù)的下發(fā)。
可選的，所述目標(biāo)函數(shù)最小化的方法為：
；
其中，表示最小化函數(shù)，Z表示所述目標(biāo)函數(shù)，表示風(fēng)機(jī)個(gè)數(shù)，表示壓差個(gè)數(shù)，表示預(yù)測(cè)壓差數(shù)組，表示設(shè)計(jì)壓差數(shù)組，表示風(fēng)機(jī)頻率。
可選的，所述約束條件為：
；
其中，s.t.表示受約束條件，表示任意區(qū)域的壓差偏差，表示預(yù)設(shè)的壓差偏差閾值，表示設(shè)計(jì)送風(fēng)量，表示預(yù)測(cè)送風(fēng)量，表示設(shè)計(jì)排風(fēng)量，表示預(yù)測(cè)排風(fēng)量，表示末端風(fēng)閥開度。
可選的，采用AdamW優(yōu)化器作為所述優(yōu)化器對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練；所述AdamW優(yōu)化器結(jié)合了自適應(yīng)矩估計(jì)（Adaptive Moment Estimation，簡(jiǎn)稱Adam）優(yōu)化器的優(yōu)點(diǎn)和所述損失函數(shù)L2的正則化效果，有助于所述預(yù)測(cè)模型快速收斂。
步驟S8：
具體的，基于節(jié)能率對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)。
具體的，風(fēng)機(jī)功率P與所述風(fēng)機(jī)頻率的三次方成正比，即。
進(jìn)一步的，通過降低所有風(fēng)機(jī)的平均工作頻率，可在滿足壓差梯度和換氣次數(shù)要求的基礎(chǔ)上實(shí)現(xiàn)節(jié)能運(yùn)行，因此，將平均頻率相對(duì)于參考頻率降低的百分比作為評(píng)價(jià)控制節(jié)能率的直接指標(biāo)：
；
二、舉例說明：
示例性的，某個(gè)多區(qū)域潔凈廠房具有a、b、c、d、e、f共計(jì)6個(gè)獨(dú)立區(qū)域，其通風(fēng)系統(tǒng)的關(guān)鍵組件包括3個(gè)風(fēng)機(jī)、7個(gè)送風(fēng)閥、4個(gè)回風(fēng)閥和4個(gè)排風(fēng)閥。
具體的，所述風(fēng)機(jī)頻率的取值范圍為0~50Hz，其最小可控度為0.1Hz；所述末端風(fēng)閥開度的取值范圍為0~90°，其最小可控度為5°。
實(shí)采數(shù)據(jù)集D1：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間為2min，采用所述拉丁超立方采樣策略制定436組可控變量（3個(gè)風(fēng)機(jī)頻率+15個(gè)末端風(fēng)閥開度）樣本；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量，等待2min直至所述通風(fēng)系統(tǒng)穩(wěn)定后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述436組可控變量得到436組所述可控變量，形成436條實(shí)采數(shù)據(jù)樣本，基于所述436條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集D1；
合成數(shù)據(jù)集D2：基于現(xiàn)場(chǎng)數(shù)據(jù)建立所述BIM仿真模型，其風(fēng)機(jī)頻率最小可控度1Hz，其末端風(fēng)閥開度最小可控度1°；采用所述拉丁超立方采樣策略制定400,000組可控變量，并通過仿真計(jì)算其對(duì)應(yīng)受控變量。
進(jìn)一步的，對(duì)D1和D2中的樣本數(shù)據(jù)進(jìn)行預(yù)處理：排除不完整數(shù)據(jù)等不可用樣本后，使用z-score歸一化方法將D1和D2中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布。
具體的，D1被隨機(jī)劃分成含403條訓(xùn)練樣本的訓(xùn)練集A1、含12條驗(yàn)證樣本的驗(yàn)證集A2和含21條測(cè)試樣本的測(cè)試集A3；D2被隨機(jī)劃分成含319,890條訓(xùn)練樣本的訓(xùn)練集B1、含39,986條驗(yàn)證樣本的驗(yàn)證集B2和含39,987條測(cè)試樣本的測(cè)試集B3。
進(jìn)一步的，基于所述訓(xùn)練集A1、所述驗(yàn)證集A2、所述測(cè)試集A3、所述訓(xùn)練集B1、所述驗(yàn)證集B2和所述測(cè)試集B3構(gòu)建并訓(xùn)練預(yù)測(cè)模型。具體的，輸入特征向量包括所述3個(gè)風(fēng)機(jī)頻率和所述15個(gè)末端風(fēng)閥開度，采用所述多任務(wù)學(xué)習(xí)架構(gòu)和所述混合專家構(gòu)建所述預(yù)測(cè)模型；所述預(yù)測(cè)模型采用Leaky ReLU作為基礎(chǔ)激活函數(shù)；所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
和所述排風(fēng)專家模塊EEA
分別使用一組等寬的全連接網(wǎng)絡(luò)構(gòu)建，所述多級(jí)萃取網(wǎng)絡(luò)的總級(jí)數(shù)為J；獨(dú)立任務(wù)分支塔的深度和寬度分別為DT
和WT
；采用所述AdamW優(yōu)化器作為所述預(yù)測(cè)模型的優(yōu)化器，采用MSE作為所述損失函數(shù)L2；使用所述合成數(shù)據(jù)集D2對(duì)所述預(yù)測(cè)模型進(jìn)行預(yù)訓(xùn)練，然后在所述訓(xùn)練集A1上對(duì)所述預(yù)測(cè)模型進(jìn)行微調(diào)；對(duì)Ne
、De
、We
、J、Nse
、Dse
、Wse
、DT
、WT
、訓(xùn)練學(xué)習(xí)率Ir
和批規(guī)模BS這些參數(shù)進(jìn)行自動(dòng)調(diào)優(yōu)。
具體的，在微調(diào)訓(xùn)練過程中使用所述驗(yàn)證集A2的數(shù)據(jù)對(duì)所述預(yù)測(cè)模型的性能進(jìn)行實(shí)時(shí)驗(yàn)證，可以確保所述預(yù)測(cè)模型的正確訓(xùn)練。
進(jìn)一步的，在全部訓(xùn)練完畢后使用所述測(cè)試集A3的數(shù)據(jù)對(duì)訓(xùn)練好的所述預(yù)測(cè)模型的性能進(jìn)行檢測(cè)，可以確保訓(xùn)練好的所述預(yù)測(cè)模型具有較好的預(yù)測(cè)精度和泛化能力。
進(jìn)一步的，所述預(yù)測(cè)模型基于所述增強(qiáng)精英保留的遺傳算法對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制。
進(jìn)一步的，基于所述節(jié)能率ξ對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)。
具體的，本實(shí)施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法僅需人工手動(dòng)調(diào)試時(shí)間的3%（約17.21秒）即可找到更優(yōu)工況點(diǎn)并部署，極大提高了調(diào)試效率；通過對(duì)系統(tǒng)送風(fēng)量、系統(tǒng)回風(fēng)量和系統(tǒng)排風(fēng)量的精確控制，合理安排各區(qū)域的換氣次數(shù)和壓差梯度，可以減少不必要的通風(fēng)冗余，降低整體能耗和潔凈室的運(yùn)行成本。
實(shí)施例二
本實(shí)施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制系統(tǒng)，請(qǐng)參照?qǐng)D3所示，包括：
數(shù)據(jù)采集模塊，依次執(zhí)行：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時(shí)間，確定M組可控變量；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時(shí)間滿足設(shè)定要求后對(duì)該組可控變量和該組受控變量的實(shí)際值進(jìn)行采集，形成一條實(shí)采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實(shí)采數(shù)據(jù)樣本；基于所述M條實(shí)采數(shù)據(jù)樣本得到實(shí)采數(shù)據(jù)集；步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
模型構(gòu)建與訓(xùn)練模塊，對(duì)所述實(shí)采數(shù)據(jù)集和所述合成數(shù)據(jù)集進(jìn)行預(yù)處理，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集；基于所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集構(gòu)建并訓(xùn)練預(yù)測(cè)模型；
優(yōu)化控制模塊，基于所述預(yù)測(cè)模型對(duì)該通風(fēng)系統(tǒng)進(jìn)行優(yōu)化控制；
性能評(píng)價(jià)模塊，基于節(jié)能率對(duì)優(yōu)化控制后的所述通風(fēng)系統(tǒng)進(jìn)行性能評(píng)價(jià)；
其中，構(gòu)建所述預(yù)測(cè)模型時(shí)，所述模型構(gòu)建與訓(xùn)練模塊采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的輸入層，基于多級(jí)萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測(cè)模型的共享層，基于所述預(yù)測(cè)模型的輸出層輸出所述受控變量的預(yù)測(cè)值。
對(duì)于本實(shí)施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制系統(tǒng)的介紹請(qǐng)參照實(shí)施例一，本實(shí)施例在此不再贅述。
本實(shí)施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制系統(tǒng)，具有和上述一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法相同的有益效果。
實(shí)施例三
本實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如實(shí)施例一所描述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法的步驟。
對(duì)于本實(shí)施例所提供的一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)的介紹請(qǐng)參照實(shí)施例一，本實(shí)施例在此不再贅述。
本實(shí)施例所提供的一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)具有和所述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測(cè)控制方法相同的有益效果。
本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)（包括但不限于磁盤存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等）上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。
本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、設(shè)備（系統(tǒng)）、和計(jì)算機(jī)程序產(chǎn)品的流程圖和／或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和／或方框圖中的每一流程和／或方框、以及流程圖和／或方框圖中的流程和／或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和／或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。
這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和／或方框圖一個(gè)方框或多個(gè)方框中指定的功能。
這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和／或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。
顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式變化或變動(dòng)。這里無需也無法對(duì)所有的實(shí)施方式予以窮舉。而由此所引申出的顯而易見的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。
相關(guān)文章：
Tags：
上一條：一種潔凈室通風(fēng)管空氣過濾裝置下一條：一種用于潔凈室的過濾送風(fēng)裝置
