System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及流场预测,特别涉及一种流场预测方法、流场预测装置、计算机可读存储介质及计算机程序产品。
技术介绍
1、随着工业生产规模的不断扩大,工业车间的建设也越来越高大。在高大的工业车间中,温度和湿度分布不均匀的问题日益明显。然而,在工业车间中,不均匀的温度分布和不均匀的湿度分布会直接影响工业车间中的机械设备的工作寿命以及工作人员的舒适度。此外,在卷烟的工业车间中,不均匀的温度分布和不均匀的湿度分布还会影响卷烟的生产和存储。因此,监测工业车间的温度和湿度的分布情况是一个值得关注的问题。
2、目前,通过工业车间中安装的传感器对工业车间的温度和湿度进行检测,进而对温度和湿度进行控制。通过各个传感器检测工业车间的温度和湿度,得到的是各个传感器所在位置的离散的温度数据和湿度数据,难以全面地反映工业车间的温度和湿度分布情况。
技术实现思路
1、本公开所要解决的技术问题是:如何全面地反映工业车间的温度和湿度的分布情况。
2、根据本公开的第一方面的一些实施例,提供了一种流场预测方法,包括:实时获取由多个传感器采集的待预测空间中的离散环境数据;将离散环境数据输入流场预测模型以进行实时流场预测,得到预测的表征待预测空间的连续环境数据分布的流场云图;流场预测模型通过如下模型训练方法得到:通过流体力学,得到多个模拟流场云图和多个模拟离散环境数据集;将模拟离散环境数据集输入流场预测模型进行流场预测,得到预测流场云图;根据预测流场云图和模拟流场云图的差异,对流场预测模型的参数进行优化。
3、在一些实施例中,通过流体力学,得到多个模拟流场云图和多个模拟离散环境数据集包括:获取通过流体力学对待预测空间的流场进行模拟得到的多个模拟流场云图;根据待预测空间中多个传感器的布局,从多个模拟流场云图中的每个模拟流场云图中提取模拟离散环境数据集。
4、在一些实施例中,离散环境数据包括温度数据或湿度数据中的至少一项;或者待预测空间的流场云图包括温度云图或湿度云图中的至少一项。
5、在一些实施例中,待预测空间包括工业生产车间。
6、在一些实施例中,流场预测方法还包括:根据待预测空间的流场云图所表征的连续环境数据分布,调整待预测空间中的空调的运行参数,以使流场云图满足预设的环境需求,其中,运行参数包括送风参数或加湿量中的至少一项。
7、在一些实施例中,根据待预测空间中传感器的布局,从多个模拟流场云图中的每个模拟流场云图中提取模拟离散环境数据集包括:根据待预测空间中多个传感器的布局,得到多个传感器的位置信息;从多个模拟流场云图中的每个模拟流场云图中提取与位置信息对应的模拟离散环境数据,得到模拟离散环境数据集。
8、在一些实施例中,流场预测模型包括依次连接的全连接层、重构层以及反卷积层。
9、在一些实施例中,将模拟离散环境数据集输入流场预测模型进行流场预测,得到预测流场云图包括:对模拟离散环境数据集进行清洗数据,以处理模拟离散环境数据集中的缺失值或异常值;对模拟离散环境数据集进行标准化处理;将处理后的模拟离散环境数据集输入流场预测模型进行流场预测,得到预测流场云图。
10、在一些实施例中,根据预测流场云图和模拟流场云图的差异,对流场预测模型的参数进行优化包括:将预测流场云图和模拟流场云图之间的均方误差函数,作为流场预测模型的损失函数;利用适应性矩估计优化算法,根据损失函数,对流场预测模型的参数进行优化,其中,流场预测模型的参数包括流场预测模型层数、流场预测模型的神经元数量、学习率或批大小中的至少一项。
11、在一些实施例中,模型训练方法还包括:实时检测流场预测模型的损失函数的值,在损失函数的值小于或等于预设的损失函数阈值的情况下,停止对流场预测模型进行训练。
12、在一些实施例中,获取通过流体力学对待预测空间的流场进行模拟得到的多个模拟流场云图包括:
13、根据待预测空间的空间参数,对待预测空间进行三维建模,得到待预测空间的三维空间模型,其中,空间参数包括空间几何参数、空间设备参数或空间空调管道分布状况参数中的至少一项;对三维空间模型进行网格划分,对三维空间模型的出风口和回风口进行局部网格加密;根据网格划分后的三维空间模型和多个初始离散环境参数中的每个初始离散环境参数,利用流体力学对待预测空间的流场分别进行模拟,得到多个模拟流场云图,其中,每个初始离散环境参数包括待预测空间的空调参数或待预测空间的初始环境参数中的至少一项,待预测空间的初始环境参数包括待预测空间的温度或湿度中的至少一项。
14、根据本公开的第二方面的一些实施例,提供了一种流场预测装置,包括:获取模块,被配置为实时获取由多个传感器采集的待预测空间中的离散环境数据;预测模块,被配置为将离散环境数据输入流场预测模型以进行实时流场预测,得到预测的表征待预测空间的连续环境数据分布的流场云图;训练模块,被配置为:通过流体力学,得到多个模拟流场云图和多个模拟离散环境数据集;将模拟离散环境数据集输入流场预测模型进行流场预测,得到预测流场云图;根据预测流场云图和模拟流场云图的差异,对流场预测模型的参数进行优化。
15、在一些实施例中,训练模块还被配置为:获取通过流体力学对待预测空间的流场进行模拟得到的多个模拟流场云图;根据待预测空间中多个传感器的布局,从多个模拟流场云图中的每个模拟流场云图中提取模拟离散环境数据集。
16、在一些实施例中,离散环境数据包括温度数据或湿度数据中的至少一项;或者待预测空间的流场云图包括温度云图或湿度云图中的至少一项。
17、在一些实施例中,待预测空间包括工业生产车间。
18、在一些实施例中,流场预测装置还包括:调整模块,被配置为根据待预测空间的流场云图所表征的连续环境数据分布,调整待预测空间中的空调的运行参数,以使流场云图满足预设的环境需求,其中,运行参数包括送风参数或加湿量中的至少一项。
19、在一些实施例中,训练模块还被配置为根据待预测空间中多个传感器的布局,得到多个传感器的位置信息;从多个模拟流场云图中的每个模拟流场云图中提取与位置信息对应的模拟离散环境数据,得到模拟离散环境数据集。
20、在一些实施例中,流场预测模型包括依次连接的全连接层、重构层以及反卷积层。
21、在一些实施例中,训练模块还被配置为对模拟离散环境数据集进行清洗数据,以处理模拟离散环境数据集中的缺失值或异常值;对模拟离散环境数据集进行标准化处理;将处理后的模拟离散环境数据集输入流场预测模型进行流场预测,得到预测流场云图。
22、在一些实施例中,训练模块还被配置为将预测流场云图和模拟流场云图之间的均方误差函数,作为流场预测模型的损失函数;利用适应性矩估计优化算法,根据损失函数,对流场预测模型的参数进行优化,其中,流场预测模型的参数包括流场预测模型层数、流场预测模型的神经元数量、学习率或批大小中的至少一项。
23、在一些实施例中,训练模块还被配置本文档来自技高网...
【技术保护点】
1.一种流场预测方法,包括:
2.根据权利要求1所述的流场预测方法,其中,所述通过流体力学,得到多个模拟流场云图和多个模拟离散环境数据集包括:
3.根据权利要求1所述的流场预测方法,其中,
4.根据权利要求1所述的流场预测方法,其中,所述待预测空间包括工业生产车间。
5.根据权利要求1所述的流场预测方法,还包括:
6.根据权利要求1-5中任一项所述的流场预测方法,其中,所述根据所述待预测空间中传感器的布局,从所述多个模拟流场云图中的每个模拟流场云图中提取模拟离散环境数据集包括:
7.根据权利要求1-5中任一项所述的流场预测方法,其中,所述流场预测模型包括依次连接的全连接层、重构层以及反卷积层。
8.根据权利要求1-5中任一项所述的流场预测方法,其中,所述将所述模拟离散环境数据集输入所述流场预测模型进行流场预测,得到预测流场云图包括:
9.根据权利要求1-5中任一项所述的流场预测方法,其中,所述根据所述预测流场云图和所述模拟流场云图的差异,对所述流场预测模型的参数进行优化包括:
< ...【技术特征摘要】
1.一种流场预测方法,包括:
2.根据权利要求1所述的流场预测方法,其中,所述通过流体力学,得到多个模拟流场云图和多个模拟离散环境数据集包括:
3.根据权利要求1所述的流场预测方法,其中,
4.根据权利要求1所述的流场预测方法,其中,所述待预测空间包括工业生产车间。
5.根据权利要求1所述的流场预测方法,还包括:
6.根据权利要求1-5中任一项所述的流场预测方法,其中,所述根据所述待预测空间中传感器的布局,从所述多个模拟流场云图中的每个模拟流场云图中提取模拟离散环境数据集包括:
7.根据权利要求1-5中任一项所述的流场预测方法,其中,所述流场预测模型包括依次连接的全连接层、重构层以及反卷积层。
8.根据权利要求1-5中任一项所述的流场预测方法,其中,所述将所述模拟离散环境数据集输入所述流场预测模型进行流场预测,得到预测流场云图包括:
9.根据权利要求1-5中任...
【专利技术属性】
技术研发人员:邓卫卫,陈盛炜,刘超,吴忠云,高寿泉,苏福彬,兰佛荣,游龙华,刘庆锋,谢明盛,
申请(专利权)人:龙岩烟草工业有限责任公司,
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。