【技术实现步骤摘要】
本专利技术涉及过滤网调节领域，具体来说，涉及一种基于大数据的过滤网自适应调节方法及系统。
技术介绍
1、在现代社会中，空气质量已经成为人们生活中的一项重要关注点，尤其是在城市环境中，空气净化器以及其过滤网的使用变得越来越普遍，而如何确定空气过滤网的使用寿命以及何时需要更换过滤网，却是一个复杂的问题，当过早更换过滤网时会导致资源浪费，而过晚更换则会影响空气净化效果甚至可能对健康产生危害，其中，传统的空气过滤网更换方式通常基于制造商的推荐，通常是根据平均使用条件下的理论寿命来预设的，但不能够考虑到实际使用环境的影响，比如空气质量、使用频率等。
2、而大数据通常是指无法使用常规软件工具对其进行捕获、管理、分析和处理的巨大数据集，可以通过大数据分析，发现人工分析方法无法发现的隐藏模式和关系，获得更深入的洞察，且大数据分析可以帮助企业开发新产品和新服务，通过优化运营、提升效率等方式降低企业成本。
3、但现有基于大数据的过滤网自适应调节方法及系统在进行使用时，仅是通过基础的计算预测过滤网的寿命，无法根据过滤网使用时的环境情况和过滤网自身材质的特点进行寿命预测，导致现有基于大数据的过滤网自适应调节方法及系统无法准确预测过滤网的寿命，且现有的基于大数据的过滤网自适应调节方法及系统多为静态预测，无法根据使用时的环境变化情况进行及时的参数更新，导致对过滤板进行自适应调方案设置时无法进行及时的更新调整，极大的影响了基于大数据的过滤网自适应调节方法及系统的使用效率。
4、针对相关技术中的问题，目前尚未提出有效的解决方
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于大数据的过滤网自适应调节方法及系统，具备提高过滤网寿命预测的准确度的优点，进而解决过滤网寿命预测精准度底的问题。
2、为实现上述提高过滤网寿命预测的准确度的优点，本专利技术采用的具体技术方案如下：
3、根据本专利技术的一个方面，一种基于大数据的过滤网自适应调节方法，包括以下步骤：
4、s1、获取标准空气参数和过滤网参数，并计算滤网完美使用寿命参数；
5、s2、预设损害特征值，并根据损害特征值对标准空气参数进行特征提取，获取损害参数；
6、s3、根据损害参数和过滤网参数计算滤网寿命初级预测参数，并与滤网完美使用寿命参数进行比对，将比对结果根据更新阈值进行更新判断；
7、s4、根据更新后的标准空气参数和滤网参数，进行获取地区空气参数和滤网种类参数；
8、s5、根据地区空气参数和滤网种类参数进行计算滤网寿命进阶预测参数，并将滤网寿命进阶预测参数和滤网寿命初级预测参数进行比较；
9、s6、预设正常阈值，将滤网寿命进阶预测参数和滤网寿命初级预测参数的比较结果根据正常阈值进行分析，并根据分析结果对滤网寿命进阶预测参数进行验证；
10、s7、预设自适应分级调节方法，将验证后的滤网寿命进阶预测参数与自适应分级调节方法相匹配，并根据匹配结果对过滤网进行自适应分级调节。
11、作为优选方案，根据损害参数和过滤网参数计算滤网寿命初级预测参数，并与滤网完美使用寿命参数进行比对，将比对结果根据更新阈值进行更新判断包括以下步骤：
12、s31、将损害参数和过滤网参数进行归一化处理；
13、s32、将处理后的损害参数和过滤网参数通过神经网络模型进行构建初级预测参数模型，并根据初级预测参数模型计算初级预测参数；
14、s33、将初级预测参数与滤网完美使用寿命参数通过计算百分比差异进行比对；
15、s34、预设更新阈值和更新规则，并将初级预测参数与滤网完美使用寿命参数的比对结果根据更新阈值进行更新判断；
16、s35、根据更新判断结果进行匹配更新规则，并对初级预测参数执行匹配的更新规则。
17、作为优选方案，根据地区空气参数和滤网种类参数进行计算滤网寿命进阶预测参数，并将滤网寿命进阶预测参数和滤网寿命初级预测参数进行比较包括以下步骤；
18、s51、获取地区空气参数，并将地区空气参数与标准空气参数进行比较，获取地区空气特征；
19、s52、获取滤网种类参数，并根据滤网种类参数和过滤网参数，得到滤网区别特征；
20、s53、根据地区空气特征和滤网区别特征计算损害变化值，并根据损害变化值对损害参数进行更新；
21、s54、根据更新后的损害参数和滤网种类参数进行计算滤网寿命进阶预测参数，并将滤网寿命进阶预测参数和滤网寿命初级预测参数进行比较。
22、作为优选方案，根据地区空气特征和滤网区别特征计算损害变化值，并根据损害变化值对损害参数进行更新包括以下步骤：
23、s531、根据地区空气特征和滤网区别特征进行权重分配；
24、s532、根据地区空气特征和滤网区别特征的权重分配结果计算地区空气特征值和滤网区别特征值，并结合疲劳分析算法构建损害变化模型；
25、s533、对损害变化模型进行训练，并对训练完成后的损害变化模型进行验证；
26、s534、将地区空气特征值和滤网区别特征值代入验证后的损害变化模型计算损害变化值；
27、s535、根据损害变化值更新损害参数。
28、作为优选方案，结合疲劳分析算法构建损害变化模型的计算公式为：
29、；
30、其中， p为滤网损害变化率；
31、 y为激活函数；
32、 g为地区空气特征值 k的权重值；
33、 k为地区空气特征值；
34、为地区空气特征值 k的形状参数；
35、 l为滤网区别特征值；
36、 m为滤网区别特征值 l的权重值。
37、作为优选方案，预设正常阈值，将滤网寿命进阶预测参数和滤网寿命初级预测参数的比较结果根据预测正常阈值进行分析，并根据分析结果对滤网寿命进阶预测参数进行验证包括以下步骤：
38、s61、根据更新后的标准空气参数和滤网参数进行预设正常阈值；
39、s62、将滤网寿命进阶预测参数和滤网寿命初级预测参数进行差值计算，并将差值计算结果与正常阈值进行对比分析；
40、s63、根据分析结果对滤网寿命进阶预测参数进行评估验证；
41、s64、根据评估验证结果对滤网寿命进阶预测参数进行调整。
42、作为优选方案，预设自适应分级调节方法本文档来自技高网...
【技术保护点】
1.一种基于大数据的过滤网自适应调节方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据损害参数和过滤网参数计算滤网寿命初级预测参数，并与滤网完美使用寿命参数进行比对，将比对结果根据更新阈值进行更新判断包括以下步骤：
3.根据权利要求2所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据地区空气参数和滤网种类参数进行计算滤网寿命进阶预测参数，并将滤网寿命进阶预测参数和滤网寿命初级预测参数进行比较包括以下步骤；
4.根据权利要求3所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据地区空气特征和滤网区别特征计算损害变化值，并根据损害变化值对损害参数进行更新包括以下步骤：
5.根据权利要求4所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述结合疲劳分析算法构建损害变化模型的计算公式为：；
6.根据权利要求1所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述预设正常阈值，将滤网寿命进阶预测参数和滤网寿命初级预测参数的比较
7.根据权利要求1所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述预设自适应分级调节方法，将验证后的滤网寿命进阶预测参数与自适应分级调节方法相匹配，并根据匹配结果对过滤网进行自适应分级调节包括以下步骤：
8.根据权利要求7所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述预设调节方案，根据动态阈值分级结果进行匹配调节方案，并根据匹配的调节方案进行滤网调节包括以下步骤：
9.根据权利要求7所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述采集滤网调节后的参数进行实时反馈，并根据反馈结果进行调节方案更新包括以下步骤：
10.一种基于大数据的过滤网自适应调节系统，用于实现权利要求1-9中任一项所述的基于大数据的过滤网自适应调节方法的步骤，其特征在于，该系统包括：
...【技术特征摘要】
1.一种基于大数据的过滤网自适应调节方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据损害参数和过滤网参数计算滤网寿命初级预测参数，并与滤网完美使用寿命参数进行比对，将比对结果根据更新阈值进行更新判断包括以下步骤：
3.根据权利要求2所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据地区空气参数和滤网种类参数进行计算滤网寿命进阶预测参数，并将滤网寿命进阶预测参数和滤网寿命初级预测参数进行比较包括以下步骤；
4.根据权利要求3所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述根据地区空气特征和滤网区别特征计算损害变化值，并根据损害变化值对损害参数进行更新包括以下步骤：
5.根据权利要求4所述的一种基于大数据的过滤网自适应调节方法，其特征在于，所述结合疲劳分析算法构建损害变化模型的计算公式为：；
6.根据权利要求1所述的一种基于大数据的过滤网自适应调节方法，...
【专利技术属性】
技术研发人员：张风波，陈晨，陆铮，仇颖，
申请(专利权)人：江苏科跃过滤设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。