【技术实现步骤摘要】
一种应用于压力精密控制的自动机器学习系统和方法
[0001]本专利技术属于人工智能范畴，尤其是将自动机器学习方法应用于压力精密控制技术。
技术介绍
[0002]传统自动控制是建立在确定模型基础上，且控制对象为线性变化的条件下控制效果最优。而压力控制对象由于流体介质的快速变化、管道材料形变及泄漏等因素造成控制模型存在严重的不确定性，且压力控制对象为非线性变化。当如果需要在大量程范围内任意多点设定控制时，传统自动控制在某设定点整定的最优控制参数并不能在其它控制点取得最佳理想控制效果，甚至控制效果劣化。在工业过程中，应用机器学习方法实现大量程范围任意多点压力的精密控制，具有重大的现实意义和理论价值。
[0003]本专利技术是利用自动机器学习方法实现压力控制对象的精密控制，是自动机器学习方法的创新探索及尝试，通过实用化实现0—100MPa 量程范围任意多点压力控制对象
±
0.005MPa偏差的精密控制。
技术实现思路
[0004]本专利技术的目的在于对一种应用于压力精密控制的自动机器学习方法...
【技术保护点】
【技术特征摘要】
1.一种应用于压力精密控制的自动机器学习系统，其特征在于包括：高精度数字压力传感器、自动机器学习装置、气体压力精密控制装置和高压气液增压装置依次连接，其中：高精度数字压力传感器、用于对压力进行测量并通过输出数字量信号；自动机器学习装置、包括数据预处理模块、监督机制模块、数据集存储模块、深度学习模块、人机交互模块连接组成，数据预处理模块、用于采集高压气液增压装置的输出数字量信号，剃除错误数据；监督机制模块、用于实时计算压力控制偏差pe、压力变化率et，能根据用户设定的压力值及容忍边界条件，调用数据集存储模块中的最优参数并输出数字量控制信号，同时自动判断并向深度学习模块发出学习指令；同时对多次学习结果进行最优选择，并保存到数据集存储模块中；数据集存储模块、用于保存历史最优参数及当前深度学习最优选择结果，并重新按用户设定的容忍边界条件进行最优选择；深度学习模块、用于根据监督机制模块发出的学习指令，自动进行参数学习并将学习结果数据上传监督机制模块，如果该次学习结果不满意，则再次发出学习指令，再次进行第二次学习，直到收到结束指令停止学习；人机交互模块、用于提供用户参数设定及相关参数显示；气体压力精密控制装置、用于接收数字量控制信号，并转换为精密控制气源信号；并恒定输出气源；高压气液增压装置、用于接收精密控制气源信号，线性输出压力回路。2.根据权利要求1所述的应用于压力精密控制的自动机器学习系统，其特征在于，所述气体压力精密控制装置包括数字量电压信号装置、高精度比例气动阀、稳压阀、气源；其中数字量电压信号装置通过RS485通讯口接收数字量控制信号转换为0
‑
10VDC直流输出信号，信号分辨率0.0001VDC；高精度比例气动阀电气侧接收0
‑
10VDC直流信号，并线性输出0
‑
1.0MPa精密控制气源信号；稳压阀将气源输出气体压力恒定为1.0MPa输出，并提供给高精度比例气动阀气源侧。3.根据权利要求1所述的应用于压力精密控制的自动机器学习系统，其特征在于，所述高压气液增压装置包括气液增压泵、输出压力回路、油箱；其中气液增压泵增压比例为1:100，并线性输出0—100MPa压力至输出压力回路。4.一种应用于压力精密控制的自动机器学习方法，其特征在于，包括以下步骤：S1、采集高压气液增压装置的压力进行测量并输出数字量信号；S2、实时计算压力控制偏差pe、压力变化率et，根据用户设定的压力值及容忍边界条件，调用最优参数并输出数字量控制信号，同时自动判断是否发出深度学习指令；深度学习时，同时对多次学习结果进行最优选择；并重新按用户设定的容忍边界条件进行最优选择；S3、进行参数学习并获得学习结果数据，如果该次学习结果数据不满意，则再次发出学习指令，再次进行学习，可循环N次，直到收到结束指令停止学习，形成数字量控制信号；S4、接收数字量控制信号，并转换为精密控制气源信号；并恒定输出气源；S5、接收精密控制气源信号，线性输出压力回路。5.根据权利要求4所述的一种应用于压力精密控制的自动机器学习方法，其特征在于，所述步骤S1还包括：被控压力对象压力测量信号P，通过数据清洗，剃除错误数据，并对连续
数据取N次中值，以降低压力测量值的波动；步骤S2还包括：通过压力...
【专利技术属性】
技术研发人员：杨舒琬，余正涛，何程，方莹，李煜煌，
申请(专利权)人：云南兆讯科技有限责任公司，
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。