基于机器学习的中央空调的优化控制策略

针对中央空调时变、大滞后、非线性、模型复杂度高的问题,提出了一种基于机器学习的优化控制策略。首先,建立中央空调系统的物理模型,根据系统采集的数据信息,进行分类和预处理;其次,利用机器学习的相关算法,建立采集数据之间的机器学习模型,并验证模型的精度;然后,根据构造的机器模型,设计了一种优化控制策略,解决中央空调实际运行中存在的问题,并给出控制算法;最后,用Python进行了仿真,验证了方法的有效性。

数据驱动的自寻阶最小二乘法及其在电机中的应用

为解决电机性能测试中某些性能曲线阶次难以确定,无法进行在线最佳阶次拟合的问题,本研究证明了转速-转矩曲线的泰勒多项式逼近,提出了一种基于数据驱动的自寻阶最小二乘算法,并应用于Visual Studio平台开发的电机测试系统中。该算法基于电机测试中采集的电参数数据,利用随机梯度算法,对要拟合的电机性能多项式曲线的参数进行逐次逼近,通过阶次评价函数选择出最佳阶次,从而实现在线最优拟合。经现场验证表明:该算法拟合速度快,能够给出最佳逼近模型,达到在线最佳阶次拟合的要求。

基于ECS-100的聚氯乙烯引发剂生产控制算法与组态设计

以浙大中控ECS-100 DCS系统为平台,对聚氯乙烯引发剂生产过程,设计了单回路控制、分程控制、串级控制等过程控制算法;并通过SCKey组态软件对控制站、操作站及工艺流程进行组态设计。现场实际运行表明,系统设计的过程控制算法可以使聚氯乙烯引发剂生产过程控制更加稳定,高效,达到生产工艺所要求的控制精度。