净化器湍流拟合系统、评估系统以及控制系统技术方案

本发明专利技术涉及基于对抗神经网络的净化器湍流拟合系统、智能状态评估系统以及智能控制系统，其中智能控制系统包括云端净化器湍流向量预训练模型、净化器多点位流速传感器、神经网络湍流向量修正模块、湍流向量预处理模型、生成神经网络湍流向量单时间片生成模块、判别神经网络湍流向量单时间片评估模块、生成神经网络湍流向量多时间片生成模块、判别神经网络湍流向量多时间片评估模块、神经网络湍流向量拟合流向模块、神经网络净化器运行状况评估模块、智能控制系统。本发明专利技术用多个检测点位的共同检测，与净化器预训练模型，拟合并迭代修正净化器湍流输出，从而实现对净化器的准确控制。制。制。

【技术实现步骤摘要】
净化器湍流拟合系统、评估系统以及控制系统


[0001]本专利技术涉及净化器智能控制领域，具体涉及一种基于对抗神经网络的净化器湍流拟合系统、智能状态评估系统以及智能控制系统。

技术介绍

[0002]公共空间空气净化方案中，传统的方式为读取固定点位值，当其中有超标值时控制净化器进行固定角度与固定风量的净化，更进阶的也有采用智能控制自动调节净化器参数。但是，以往的智能调节方法没有拟合关键的输出湍流模型，进而无法有效拟合净化器实际的净化效能，不能有效的对净化器进行智能控制，同时也不能通过湍流拟合判断当前设备工作质量从而提示维修与更换。

技术实现思路

[0003]针对现有技术存在的问题，本专利技术的目的在于提供一种基于对抗神经网络的净化器湍流拟合系统、智能状态评估系统以及智能控制系统，以实现对净化器的更有效更准确地控制。
[0004]为实现上述目的，本专利技术采用的技术方案是：基于对抗神经网络的净化器湍流拟合系统，其包括净化器湍流向量预训练模型，用于根据净化器出厂前的运行情况模拟并输出湍流向量模型；邻域空气质量监测器集群，由多个设置在净化器不同位置点的空气质量监测器组成，其用于采集空气污染物浓度，每一空气污染物浓度都附带有位置信息；净化器多点位流速传感器，由多个设置在净化器不同为位置点的流速传感器组成，其用于采集为位置点的实时空气流速；神经网络湍流向量修正模块，连接云端净化器湍流向量预训练模型、领域空气质量监测器集群、净化器多点位流速传感器，用于输入湍流向量、附带位置信息的空气污染物浓度、以及多个位置点的实时空气流速；神经网络湍流向量修正模块根据输入的空气污染物浓度和实时空气流速对输入的湍流向量模型进行修正，得到湍流向量预处理模型；生成神经网络湍流向量单时间片生成模块，连接邻域空气质量监测器集群、净化器多点位流速传感器，该生成神经网络湍流向量单时间片生成模块用于输入附带位置信息的空气污染物浓度、多个位置点的实时空气流速，并根据输入的信息，生成多个单时间片湍流向量预拟合向量；判别神经网络湍流向量单时间片评估模块，连接湍流向量预处理模型、生成神经网络湍流向量单时间片生成模块，用于输入湍流向量预处理模型、以及多个单时间片湍流向量预拟合向量，并通过神经网络给每个湍流向量预拟合向量进行打分，从中选取评分最高的作为单时间片的湍流向量并输出；生成神经网络湍流向量多时间片生成模块，连接判别神经网络湍流向量单时间片
评估模块，输入当前单时间片的湍流向量，生成神经网络根据当前单时间片的湍流向量与多个之前时间片的湍流向量，生成多个多时间片湍流向量预拟合向量；判别神经网络湍流向量多时间片评估模块，用于输入湍流向量预处理模型、多个多时间片湍流向量预拟合向量、以及多时间片湍流向量预拟合向量对应的多个单时间片的湍流向量评分，通过训练好的神经网络给每个多时间片湍流向量预拟合向量进行打分，从中选取评分最高的作为单时间片的多时间片修正湍流向量并输出；神经网络湍流向量拟合流向模块，连接判别神经网络湍流向量多时间片评估模块，用于输入多时间片修正湍流向量，神经网络根据多时间片修正湍流向量，输出邻域湍流矢量图。
[0005]所述拟合系统还包括生成神经网络湍流向量单时间片生成模块实时训练模块，连接生成神经网络湍流向量单时间片生成模块、判别神经网络湍流向量单时间片评估模块，其每间隔一段时间输入生成神经网络湍流向量单时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍流向量单时间片评估模块给出的对应时间片的湍流向量拟合向量的评估得分，训练生成神经网络湍流向量单时间片生成模块的网络权重，并覆盖原先的网络权重。
[0006]所述拟合系统还包括生成神经网络湍流向量多时间片生成模块实时训练模块，连接判别神经网络湍流向量多时间片评估模块，每间隔一段时间输入生成神经网络湍流向量多时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍流向量多时间片评估模块给出的对应多时间片的湍流向量拟合向量的评估得分，训练生成神经网络湍流向量多时间片生成模块的网络权重，并覆盖原先的网络权重。
[0007]基于对抗神经网络的净化器智能状态评估系统，其包括净化器湍流向量预训练模型，用于根据净化器出厂前的运行情况模拟并输出湍流向量模型；邻域空气质量监测器集群，由多个设置在净化器不同位置点的空气质量监测器组成，其用于采集空气污染物浓度，每一空气污染物浓度都附带有位置信息；净化器多点位流速传感器，由多个设置在净化器不同为位置点的流速传感器组成，其用于采集为位置点的实时空气流速；神经网络湍流向量修正模块，连接云端净化器湍流向量预训练模型、领域空气质量监测器集群、净化器多点位流速传感器，用于输入湍流向量、附带位置信息的空气污染物浓度、以及多个位置点的实时空气流速；神经网络湍流向量修正模块根据输入的空气污染物浓度和实时空气流速对输入的湍流向量模型进行修正，得到湍流向量预处理模型；生成神经网络湍流向量单时间片生成模块，连接邻域空气质量监测器集群、净化器多点位流速传感器，该生成神经网络湍流向量单时间片生成模块用于输入附带位置信息的空气污染物浓度、多个位置点的实时空气流速，并根据输入的信息，生成多个单时间片湍流向量预拟合向量；判别神经网络湍流向量单时间片评估模块，连接湍流向量预处理模型、生成神经网络湍流向量单时间片生成模块，用于输入湍流向量预处理模型、以及多个单时间片湍流向量预拟合向量，并通过神经网络给每个湍流向量预拟合向量进行打分，从中选取评分最
高的作为单时间片的湍流向量并输出；生成神经网络湍流向量多时间片生成模块，连接判别神经网络湍流向量单时间片评估模块，输入当前单时间片的湍流向量，生成神经网络根据当前单时间片的湍流向量与多个之前时间片的湍流向量，生成多个多时间片湍流向量预拟合向量；判别神经网络湍流向量多时间片评估模块，用于输入湍流向量预处理模型、多个多时间片湍流向量预拟合向量、以及多时间片湍流向量预拟合向量对应的多个单时间片的湍流向量评分，通过训练好的神经网络给每个多时间片湍流向量预拟合向量进行打分，从中选取评分最高的作为单时间片的多时间片修正湍流向量并输出；神经网络净化器运行状况评估模块，连接判别神经网络湍流向量多时间片评估模块，用于输入多时间片修正湍流向量，神经网络根据多时间片修正湍流向量，输出净化器运行状况评估值。
[0008]所述状态评估系统还包括生成神经网络湍流向量单时间片生成模块实时训练模块，连接生成神经网络湍流向量单时间片生成模块、判别神经网络湍流向量单时间片评估模块，其每间隔一段时间输入生成神经网络湍流向量单时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍流向量单时间片评估模块给出的对应时间片的湍流向量拟合向量的评估得分，训练生成神经网络湍流向量单时间片生成模块的网络权重，并覆盖原先的网络权重。
[0009]所述状态评估系统还包括生成神经网络湍流向量多时间片生成模块实时训练模块，连接判别神经网络湍流向量多时间片评估模块，每间隔一段时间输入生成神经网络湍流向量多时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于对抗神经网络的净化器湍流拟合系统，其特征在于：所述系统包括净化器湍流向量预训练模型，用于根据净化器出厂前的运行情况模拟并输出湍流向量模型；邻域空气质量监测器集群，由多个设置在净化器不同位置点的空气质量监测器组成，其用于采集空气污染物浓度，每一空气污染物浓度都附带有位置信息；净化器多点位流速传感器，由多个设置在净化器不同为位置点的流速传感器组成，其用于采集为位置点的实时空气流速；神经网络湍流向量修正模块，连接云端净化器湍流向量预训练模型、领域空气质量监测器集群、净化器多点位流速传感器，用于输入湍流向量、附带位置信息的空气污染物浓度、以及多个位置点的实时空气流速；神经网络湍流向量修正模块根据输入的空气污染物浓度和实时空气流速对输入的湍流向量模型进行修正，得到湍流向量预处理模型；生成神经网络湍流向量单时间片生成模块，连接邻域空气质量监测器集群、净化器多点位流速传感器，该生成神经网络湍流向量单时间片生成模块用于输入附带位置信息的空气污染物浓度、多个位置点的实时空气流速，并根据输入的信息，生成多个单时间片湍流向量预拟合向量；判别神经网络湍流向量单时间片评估模块，连接湍流向量预处理模型、生成神经网络湍流向量单时间片生成模块，用于输入湍流向量预处理模型、以及多个单时间片湍流向量预拟合向量，并通过神经网络给每个湍流向量预拟合向量进行打分，从中选取评分最高的作为单时间片的湍流向量并输出；生成神经网络湍流向量多时间片生成模块，连接判别神经网络湍流向量单时间片评估模块，输入当前单时间片的湍流向量，生成神经网络根据当前单时间片的湍流向量与多个之前时间片的湍流向量，生成多个多时间片湍流向量预拟合向量；判别神经网络湍流向量多时间片评估模块，用于输入湍流向量预处理模型、多个多时间片湍流向量预拟合向量、以及多时间片湍流向量预拟合向量对应的多个单时间片的湍流向量评分，通过训练好的神经网络给每个多时间片湍流向量预拟合向量进行打分，从中选取评分最高的作为单时间片的多时间片修正湍流向量并输出；神经网络湍流向量拟合流向模块，连接判别神经网络湍流向量多时间片评估模块，用于输入多时间片修正湍流向量，神经网络根据多时间片修正湍流向量，输出邻域湍流矢量图。2.根据权利要求1所述的基于对抗神经网络的净化器湍流拟合系统，其特征在于：所述拟合系统还包括生成神经网络湍流向量单时间片生成模块实时训练模块，连接生成神经网络湍流向量单时间片生成模块、判别神经网络湍流向量单时间片评估模块，其每间隔一段时间输入生成神经网络湍流向量单时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍流向量单时间片评估模块给出的对应时间片的湍流向量拟合向量的评估得分，训练生成神经网络湍流向量单时间片生成模块的网络权重，并覆盖原先的网络权重。3.根据权利要求1所述的基于对抗神经网络的净化器湍流拟合系统，其特征在于：所述拟合系统还包括生成神经网络湍流向量多时间片生成模块实时训练模块，连接判别神经网络湍流向量
多时间片评估模块，每间隔一段时间输入生成神经网络湍流向量多时间片生成模块的当前网络权重，与本次时间间隔内的所有判别神经网络湍流向量多时间片评估模块给出的对应多时间片的湍流向量拟合向量的评估得分，训练生成神经网络湍流向量多时间片生成模块的网络权重，并覆盖原先的网络权重。4.基于对抗神经网络的净化器智能状态评估系统，其特征在于：所述系统包括净化器湍流向量预训练模型，用于根据净化器出厂前的运行情况模拟并输出湍流向量模型；邻域空气质量监测器集群，由多个设置在净化器不同位置点的空气质量监测器组成，其用...

【专利技术属性】
技术研发人员：张隽榕，郑智宏，林鸿剑，张静云，伍玉全，
申请(专利权)人：厦门中创环保科技股份有限公司，
类型：发明
国别省市：