【技术实现步骤摘要】
一种结霜检测与热气融霜相结合的智能化制冷方法
[0001]本专利技术涉及一种结霜检测与热气融霜相结合的智能化制冷方法,适用于制冷系统领域。
技术介绍
[0002]传统制冷系统在操作过程中常常会出现结霜问题,这是由于制冷循环中的蒸发器表面温度低于周围空气中的露点温度,导致水蒸气凝结形成冰霜。结霜不仅会降低制冷系统的效率,还会增加能源消耗,并且可能对设备造成损坏。因此,解决结霜问题成为智能化制冷系统设计中的重要环节。
[0003]在过去的研究中,许多方法被提出用于结霜检测和处理,如基于温度传感器的方法、基于压力变化的方法等。然而,这些方法存在着一些限制,例如无法实时监测结霜情况、误差较大或者需要额外的硬件设备支持。因此,我们需要一种更加准确、可靠的结霜检测方法。另一方面,热气融霜技术作为一种常见的结霜处理手段被广泛应用。该方法通过向结霜表面供应热气,使冰霜迅速融化并排出系统外部。然而,现有的热气融霜方法存在能源消耗大、融霜效率低的问题。因此,我们需要一种更加高效、节能的热气融霜技术。
[0004]为了解决上述问题,本研究将结霜检测与热气融霜相结合,提出了一种智能化制冷系统。该系统利用先进的结霜检测技术实时监测结霜情况,并通过精确控制热气供应来实现快速融霜。通过智能化算法的优化和调节,可以提高制冷系统的效率、减少能源消耗,并且保证用户舒适的使用体验。
技术实现思路
[0005]本专利技术的目的是提供一种结霜检测与热气融霜相结合的智能化制冷方法,适用于制冷系统领域,具有提高能效、节能减排、保护 ...
【技术保护点】
【技术特征摘要】
1.一种结霜检测与热气融霜相结合的智能化制冷方法,其特征在于,所述方法包含以下步骤:1)监测点位的布置;2)监测图像的获取;3)图像的预处理;4)构建标签图像数据集;5)识别模型的构建;6)识别模型的训练;7)识别模型的应用;所述监测点位的布置,包括在制冷设备规定位置布置红外线图像采集装置,所述规定位置为统一的制冷设备起霜观察位置,所述红外线图像采集装置为高清红外热成像仪,所述图像采集的固定大小为12
×
12cm;所述监测图像的获取,包括在制冷设备的使用全流程中按照一定的时间间隔t1采集红外线图像,最终获得大量图像;所述图像预处理,包括对红外线图像进行图像增强和图像去噪,所述图像增强采用直方图均衡化方法,所述图像去噪采用高斯滤波器,所述高斯滤波器大小范围为5
×
5,所述高斯滤波器标准差为1.5,最终获得处理后的图像,根据处理后的图像构建图像数据集A{m1,m2,...m
n
};所述构建标签图像数据集,包括对每个图像进行图像分类分析,获得标签0或者标签1,根据标签将图像数据集A{m1,m2,...m
n
}分割为标签0的数据集A0{m1,m2,...m
i
}和标签1的数据集A1{m1,m2,...m
j
},所述图像分类分析的步骤为:a)选择图像数据集A{m1,m2,...m
n
}中一个图像m
k
;b)采用自适应阈值法对图像m
k
进行结霜区域分割获得分割后图像m
k1
,计算图像m
k
的像素点个数N
k
,计算分割后图像m
k1
的像素点个数N
k1
;c)计算像素比f,如果f≤10%则赋予图像m
k
标签0,如果f>10%则赋予图像m
k
标签1,所述像素比f的计算公式为式(1);
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)d)循环进行步骤a
‑
步骤c直到图像数据集A{m1,m2,...m
n
}中每个图像都获得标签;所述识别模型的构建,包括构建卷积神经网络图像识别模型,所述卷积神经网络图像识别模型包括4个卷积层、4个池化层、5
×
5个卷积层提取特征的卷积核和2个全连接层组成,所述卷积神经网络图像识别模型采用分段式线性激活函数作为卷积神经网络的激活函数,所述卷积神经网络图像识别模型使用交叉熵损失函数来量化卷积神经网络图像识别模型的准确性;所述识别模型的训练,包括基于标签0的数据集A0{m1,m2,...m
i
}和标签1的数据集A1{m1,m2,...m
j
}对卷积神经网络图像识别模型进行训练,训练迭代轮数设置为5000,最终获得训练后的卷积神经网络图像识别模型;所述识别模型的应用,包括将训练后卷积神经网络图像识别模型应用到制冷设备霜冻检测与处理中,所述识别模型的应用步骤为:
a)制冷设备以固定的时间间隔t1采用红外线图像采集装置获得红外线图像,对红外线图像进行预处理获得预处理...
【专利技术属性】
技术研发人员:龚千,严宝会,晏朋,罗立勃,
申请(专利权)人:广州冰泉制冷设备有限责任公司,
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。