CN114326561A - 一种空压机控制方法 - Google Patents

Abstract

本发明公开了一种空压机控制方法，包括以下步骤：步骤S1）收集实验用空压机的运行数据，并将运行数据分类处理；步骤S2）收集场景数据并进行无人机线路规划；步骤S3）实时监测待测空压机并将待测空压机的实时运行数据反馈；步骤S4）根据实时运行数据，判断待测空压机是否存在故障；步骤S5）若是，则继续诊断故障原因；若否，则返回步骤S3；步骤S6）根据故障原因制定解决方案；步骤S7）按照解决方案向待测空压机的PLC控制器下发控制命令；步骤S8）PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定。本发明及时对空压机故障做出处理，控制空压机恢复正常运行状态。

Description

一种空压机控制方法

技术领域

本发明涉及空压机技术领域，具体涉及一种空压机控制方法。

背景技术

空气压缩机是一种用来压缩气体的设备，空气压缩机与水泵构造类似。大多数空气压缩机是往复活塞式，采用旋转叶片或旋转螺杆，主要是由电动机直接驱动压缩机，使曲轴产生旋转运动，带动连杆使活塞产生往复运动，引起气缸容积变化，由于气缸内压力的变化，通过进气阀使空气经过空气滤清器进入气缸。在压缩行程中，由于气缸容积的缩小，压缩空气经过排气阀的作用，经排气管、单向阀进入储气罐。当排气压力达到额定压力0.7MPa时，由压力开关控制而自动停机；当储气罐压力降至0.5-0.6MPa时，压力开关自动联接启动。随着能源危机的到来，空压机已成为很多工业领域不可或缺的设备，空压机的运行状态也影响和制约着工业生产效率，因此，空压机故障检测并针对故障问题控制调整运行状态的相关技术，对于工业发展来说至关重要。现有技术中已经出现不少空压机故障诊断及运行状态控制方法，但都需要人工进行故障诊断然后调整运行状态，工作效率低，工作量大，影响工作人员工作积极性；同时，由于需要人工调控，空压机的故障维修周期长，不能及时控制空压机恢复正常运行状态，造成能源损耗，不利于节能环保。例如，中国专利号CN107120262A公开了一种电动空压机控制策略与故障诊断方法，该发明虽然能够及时有效地判断故障，但是无法及时控制空压机恢复正常运行状态，容易发生危险，危害工作人员的健康安全，且会造成能源耗损，降低空压机能效。

发明内容

本发明主要是为了解决现有技术中针对空压机故障的控制方法需要人工操作，危害工作人员人身安全，效率低的问题，提供了一种空压机控制方法，采用无人机监测空压机的运行状态，然后对空压机进行故障诊断，根据故障原因制定解决方案，依据解决方案下发控制命令，按照控制命令对空压机的运行状态进行调整控制，同时基于鸡群优化算法进行PID整定，实现智能化控制空压机，减小工作量，提高工作效率，避免危害工作人员的人身安全；及时对空压机故障做出处理，控制空压机恢复正常运行状态，时效性好，避免造成能源损耗，提升能效，节能环保。

为了实现上述目的，本发明采用以下技术方案：

一种空压机控制方法，包括以下步骤：步骤S1)收集实验用空压机的运行数据，并将运行数据分类处理；步骤S2)收集场景数据并进行无人机线路规划；步骤S3)实时监测待测空压机并将待测空压机的实时运行数据反馈；步骤S4)根据实时运行数据，判断待测空压机是否存在故障；步骤S5)若是，则继续诊断故障原因；若否，则返回步骤S3；步骤S6)根据故障原因制定解决方案；步骤S7)按照解决方案向待测空压机的PLC控制器下发控制命令；步骤S8)PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定。本发明提供了一种空压机控制方法，采用无人机监测空压机的运行状态，根据运行状态进行故障诊断并制定解决方案，根据解决方案下发控制命令，按照控制命令对空压机的运行状态进行调整控制，实现智能化控制空压机，具体过程为：

(1)收集实验用空压机的运行数据，并将运行数据分类处理：工作人员对无人机进行部署，同时将无人机与用户设备进行通信连接，工作人员操控无人机收集实验用空压机各状态运行数据，并对运行数据进行分类处理；

(2)收集场景数据并进行无人机线路规划：工作人员操控无人机在监测区域试飞，无人机收集场景数据，同时，工作人员将监测区域环境相关数据上传至无人机，无人机依据自身采集的场景数据以及工作人员上传的环境相关数据构建虚拟场景地图，并依据虚拟场景地图进行路线规划；

(3)实时监测待测空压机并将待测空压机的实时运行数据反馈：工作人员启动空压机，无人机接收监测指令后，依据规划的路线移动，与此同时，对行径路线上的空压机进行监测，并将监测获得的实时运行数据反馈给用户设备；

(4)根据实时运行数据，判断待测空压机是否存在故障：无人机对各组待测空压机进行实时监测并反馈监测数据给用户设备，用户设备根据实时运行数据(包括运行温度数据和运行声音数据)，对空压机的运行状态进行分析，判断是否存在故障；

(5)若是，则继续诊断故障原因，若否，则返回步骤(3)：使用实验用空压机的运行异常数据及其对应的故障原因标签，通过神经网络方法进行学习，获得故障原因诊断模型，若待测空压机存在故障，则采用故障原因诊断模型诊断空压机故障原因；若待测空压机不存在故障，则无人机继续监测待测空压机运行状态；

(6)根据故障原因制定解决方案：用户设备与互联网通信连接，根据故障原因从互联网中抓取对应的解决方案，并从中筛选出最佳解决方案；

(7)按照解决方案向待测空压机的PLC控制器下发控制命令：用户设备按照最佳解决方案，向待测空压机的PLC控制器下发控制命令；

(8)PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定：PLC控制器依据控制命令对待测空压机的运行状态进行调整，同时基于鸡群优化算法进行PID整定；无人机继续采集修复中的空压机运行数据，并将其反馈给用户设备。

本发明相较于以往的人工故障诊断方法，工作人员将监测区域进行区域分割，并对各区域进行标号，然后将各组空压机PLC控制器与用户设备通信连接，并将各区域中的各组空压机进行编号处理，分别部署若干组无人机至对应区域中。无人机事先录入实验用空压机的运行数据，并自行生成对比记录表，同时收集监测区域环境相关数据和场景数据构建虚拟场景地图，以此规划飞行路线。空压机工作时，启动各区域的无人机，对各区域的待测空压机进行实时监测。本方案能够更加灵活地采集空压机数据，提高工作人员工作效率，减少工作人员工作量，提高工作人员工作积极性。用户设备将实时运行数据与对比记录表中的数据进行对比，判断待测空压机是否故障，若故障，则采用故障原因诊断模型判断待测空压机的故障原因；用户设备与互联网通信连接，依据故障原因从互联网中抓取对应的解决方案，工作人员通过查看挑选找到最佳解决方案；用户设备按照解决方案，向空压机的PLC控制器下达控制指令，PLC控制器依据控制指令对空压机的运行状态进行控制，同时基于鸡群优化算法进行PID整定；无人机继续采集修复中的空压机运行数据，并将其反馈。本方案能够及时对故障做出有效处理，控制空压机恢复正常运行状态，降低危险发生概率，保证工作人员健康安全，同时避免由于故障维修周期长造成能源损耗，节能环保。

作为优选，步骤S1的具体过程，包括以下步骤：步骤A1)将监测区域进行区域分割，并将分割后的各区域标记为A₁、A₂、…、A_n-1、A_n，n为自然数；步骤A2)将各组空压机的PLC控制器与用户设备通信连接，并对各区域中的各组空压机进行编号，同时部署若干组无人机至A₁-A_n区域；步骤A3)无人机收集实验用空压机的运行数据，并将运行数据按照运行温度、运行声音及运行图像进行分类，自动生成对比记录表；步骤A4)将对比记录中的数据分为运行正常数据和运行异常数据。工作人员将监测区域进行区域分割，并将各区域标记为A1、A2、…、An，其中n为自然数，且n依次增加；然后将各组空压机PLC控制器与用户设备通信连接，并将各区域中的各组空压机进行编号处理，分别部署若干组无人机至A1-An区域中；无人机对实验用空压机的运行状态进行收集，并将收集到的运行数据按照运行温度、运行声音以及运行图像进行分类，然后自行生成对比记录表，同时将对比记录表中的各组数据分为运行异常数据以及运行正常数据。用户设备可以是台式电脑、笔记本电脑或平板电脑。

作为优选，步骤S2的具体过程，包括以下步骤：步骤B1)无人机收集场景数据；步骤B2)将监测区域环境相关数据上传至无人机中央处理器；步骤B3)中央处理器根据场景数据和环境相关数据构建虚拟场景地图；步骤B4)按照A₁-A_n区域划分，对虚拟场景地图进行分割；步骤B5)根据虚拟场景地图上各区域待测空压机的分布情况、无人机飞行状态及可飞行时间，进行无人机路线规划。工作人员操控无人机在监测区域试飞，无人机收集场景数据，同时，工作人员将监测区域环境相关数据上传至无人机，无人机依据自身采集的场景数据以及工作人员上传的环境相关数据构建虚拟场景地图，同时依据A1-An区域划分，对虚拟场景地图进行分割；然后根据虚拟场景地图上各区域待测空压机的分布情况、无人机飞行状态及可飞行时间，进行无人机路线规划，将规划的路线反馈给用户设备。

作为优选，步骤S3的具体过程，包括以下步骤：步骤C1)无人机按照规划路线飞行；步骤C2)无人机通过双目摄像头、温度测量仪、声波采集器分别采集待测空压机的实时运行图像、实时运行温度、实时运行声音；步骤C3)将实时运行图像、实时运行温度、实时运行声音反馈给用户设备；步骤C4)用户设备将实时运行温度、实时运行声音标注在实时运行图像中对应待测空压机的位置。空压机工作时，无人机按照规划的路线飞行，同时记录空压机工作时间；无人机通过双目摄像头将空压机工作状态反馈给用户设备，并通过温度测量仪以及声波采集器对空压机运行温度以及运行声音进行采集；用户设备接收无人机采集到的运行温度数据以及运行声音数据，同时将其标注在监控画面中对应空压机的位置。

作为优选，步骤S4的具体过程，包括以下步骤：步骤D1)将实时运行数据录入对比记录表中，并与对比记录表中的数据进行比较；步骤D2)若实时运行数据与运行正常数据一致，则判断待测空压机运行正常，不存在故障；若实时运行数据与运行异常数据一致，则判断待测空压机运行异常，存在故障。实时运行数据包括实时运行声音数据和实时运行温度数据。

作为优选，步骤S5中，使用实验用空压机的运行异常数据及其对应的故障原因标签，通过神经网络方法进行学习，获得故障原因诊断模型，用于诊断空压机故障原因。将无人机事先收集的实验用空压机运行异常数据及其对应的故障原因标签分为训练集数据和测试集数据；然后构建模糊神经网络，并初始化模糊神经网络的参数；接着用训练集数据对初始化后的模糊神经网络进行有监督预训练，保留有监督预训练后模糊神经网络的参数；用深度置信网络替换模糊神经网络的全连接层，然后用训练集数据对深度置信网络进行无监督预训练，保留无监督预训练后深度置信网络的参数；在现有网络的输出层后添加softmax层，再用训练集数据对整个网络进行有监督训练并生成故障原因诊断模型；最后用测试集数据对生成的故障原因诊断模型进行验证，若验证成功，生成的故障原因诊断模型则可用来判断空压机故障发生的原因。

作为优选，步骤S6中，用户设备与互联网通信连接，依据故障原因从互联网中抓取解决方案，然后从中筛选出最佳解决方案。用户设备与互联网通信连接，依据故障原因从互联网中抓取对应的解决方案，工作人员通过查看挑选找到最佳解决方案。

作为优选，步骤S8中，基于鸡群优化算法进行PID整定的具体过程，包括以下步骤：步骤E1：将永磁变频螺杆机理想出口压力设为rin(t)，将永磁变频螺杆机实际出口压力设为yout(t)，可得误差e(t)＝rin(t)-yout(t)；

步骤E2：确定初始参数，定义N_R、N_H、N_B、N_M、n_max、鸡群关系确定后维持的代G、问题的维数D，及K_p、K_i、K_d的约束范围；

步骤E3：初始化种群，以随机方式产生初始鸡群，计算个体的适应度值并排序；

步骤E4：根据排序划分子群，并建立子群间个体的关系；

步骤E5：更新个***置，具体更新公式如下：

x_ij(t+1)＝x_ij(t)+C₁rand[x_r1,j(t)-x_ij(t)]+C₂rand[x_r2,j(t)-x_ij(t)]

其中，k＝1、2、3，C₁＝exp{(f_i-f_r1)/[abs(f_i)+ε]}，C₂＝exp(f_r1-f_i)，rand为0～1之间的随机数，r_i表示第i只母鸡所在子群中的公鸡，r₁、r₂为整个鸡群中随机选取的个体，且r₁≠r₂；

步骤E6：若达到重新划分子群的条件，则重新划分子群，并建立子群间个体的关系；

步骤E7：迭代步骤E1至步骤E4，直至停止条件停止，得出K_p、K_i、K_d最优的参数值，经过PID控制器从而获得最佳出口压力值u(t)。

因此，本发明的优点是：

(1)采用无人机监测空压机的运行状态，实现智能化监控管理空压机，减小工作人员的工作量，提高工作人员的工作效率；

(2)检测到空压机故障后，制定解决方案，按照解决方案下发控制命令，依据控制命令调整空压机的运行状态，及时对故障做出有效处理，控制空压机恢复正常运行状态，降低危险发生概率，保证工作人员的健康安全，同时避免由于故障维修周期长造成能源损耗，节能环保。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合附图与具体实施方式对本发明做进一步的描述。

如图1所示，一种空压机控制方法，包括以下步骤：步骤S1)收集实验用空压机的运行数据，并将运行数据分类处理；步骤S2)收集场景数据并进行无人机线路规划；步骤S3)实时监测待测空压机并将待测空压机的实时运行数据反馈；步骤S4)根据实时运行数据，判断待测空压机是否存在故障；步骤S5)若是，则继续诊断故障原因；若否，则返回步骤S3；步骤S6)根据故障原因制定解决方案；步骤S7)按照解决方案向待测空压机的PLC控制器下发控制命令；步骤S8)PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定。本发明提供了一种空压机控制方法，采用无人机监测空压机的运行状态，根据运行状态进行故障诊断并制定解决方案，根据解决方案下发控制命令，按照控制命令对空压机的运行状态进行调整控制，实现智能化控制空压机，具体过程为：

(1)收集实验用空压机的运行数据，并将运行数据分类处理：工作人员对无人机进行部署，同时将无人机与用户设备进行通信连接，工作人员操控无人机收集实验用空压机各状态运行数据，并对运行数据进行分类处理；

(2)收集场景数据并进行无人机线路规划：工作人员操控无人机在监测区域试飞，无人机收集场景数据，同时，工作人员将监测区域环境相关数据上传至无人机，无人机依据自身采集的场景数据以及工作人员上传的环境相关数据构建虚拟场景地图，并依据虚拟场景地图进行路线规划；

(3)实时监测待测空压机并将待测空压机的实时运行数据反馈：工作人员启动空压机，无人机接收监测指令后，依据规划的路线移动，与此同时，对行径路线上的空压机进行监测，并将监测获得的实时运行数据反馈给用户设备；

(4)根据实时运行数据，判断待测空压机是否存在故障：无人机对各组待测空压机进行实时监测并反馈监测数据给用户设备，用户设备根据实时运行数据(包括运行温度数据和运行声音数据)，对空压机的运行状态进行分析，判断是否存在故障；

(5)若是，则继续诊断故障原因，若否，则返回步骤(3)：使用实验用空压机的运行异常数据及其对应的故障原因标签，通过神经网络方法进行学习，获得故障原因诊断模型，若待测空压机存在故障，则采用故障原因诊断模型诊断空压机故障原因；若待测空压机不存在故障，则无人机继续监测待测空压机运行状态；

(6)根据故障原因制定解决方案：用户设备与互联网通信连接，根据故障原因从互联网中抓取对应的解决方案，并从中筛选出最佳解决方案；

(7)按照解决方案向待测空压机的PLC控制器下发控制命令：用户设备按照最佳解决方案，向待测空压机的PLC控制器下发控制命令；

(8)PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定：PLC控制器依据控制命令对待测空压机的运行状态进行调整，同时基于鸡群优化算法进行PID整定；无人机继续采集修复中的空压机运行数据，并将其反馈给用户设备。

步骤S1的具体过程，包括以下步骤：步骤A1)将监测区域进行区域分割，并将分割后的各区域标记为A₁、A₂、…、A_n-1、A_n，n为自然数；步骤A2)将各组空压机的PLC控制器与用户设备通信连接，并对各区域中的各组空压机进行编号，同时部署若干组无人机至A₁-A_n区域；步骤A3)无人机收集实验用空压机的运行数据，并将运行数据按照运行温度、运行声音及运行图像进行分类，自动生成对比记录表；步骤A4)将对比记录中的数据分为运行正常数据和运行异常数据。工作人员将监测区域进行区域分割，并将各区域标记为A1、A2、…、An，其中n为自然数，且n依次增加；然后将各组空压机PLC控制器与用户设备通信连接，并将各区域中的各组空压机进行编号处理，分别部署若干组无人机至A1-An区域中；无人机对实验用空压机的运行状态进行收集，并将收集到的运行数据按照运行温度、运行声音以及运行图像进行分类，然后自行生成对比记录表，同时将对比记录表中的各组数据分为运行异常数据以及运行正常数据。用户设备可以是台式电脑、笔记本电脑或平板电脑。

步骤S2的具体过程，包括以下步骤：步骤B1)无人机收集场景数据；步骤B2)将监测区域环境相关数据上传至无人机中央处理器；步骤B3)中央处理器根据场景数据和环境相关数据构建虚拟场景地图；步骤B4)按照A₁-A_n区域划分，对虚拟场景地图进行分割；步骤B5)根据虚拟场景地图上各区域待测空压机的分布情况、无人机飞行状态及可飞行时间，进行无人机路线规划。工作人员操控无人机在监测区域试飞，无人机收集场景数据，同时，工作人员将监测区域环境相关数据上传至无人机，无人机依据自身采集的场景数据以及工作人员上传的环境相关数据构建虚拟场景地图，同时依据A1-An区域划分，对虚拟场景地图进行分割；然后根据虚拟场景地图上各区域待测空压机的分布情况、无人机飞行状态及可飞行时间，进行无人机路线规划，将规划的路线反馈给用户设备。

步骤S3的具体过程，包括以下步骤：步骤C1)无人机按照规划路线飞行；步骤C2)无人机通过双目摄像头、温度测量仪、声波采集器分别采集待测空压机的实时运行图像、实时运行温度、实时运行声音；步骤C3)将实时运行图像、实时运行温度、实时运行声音反馈给用户设备；步骤C4)用户设备将实时运行温度、实时运行声音标注在实时运行图像中对应待测空压机的位置。空压机工作时，无人机按照规划的路线飞行，同时记录空压机工作时间；无人机通过双目摄像头将空压机工作状态反馈给用户设备，并通过温度测量仪以及声波采集器对空压机运行温度以及运行声音进行采集；用户设备接收无人机采集到的运行温度数据以及运行声音数据，同时将其标注在监控画面中对应空压机的位置。

步骤S4的具体过程，包括以下步骤：步骤D1)将实时运行数据录入对比记录表中，并与对比记录表中的数据进行比较；步骤D2)若实时运行数据与运行正常数据一致，则判断待测空压机运行正常，不存在故障；若实时运行数据与运行异常数据一致，则判断待测空压机运行异常，存在故障。实时运行数据包括实时运行声音数据和实时运行温度数据。

步骤S5中，使用实验用空压机的运行异常数据及其对应的故障原因标签，通过神经网络方法进行学习，获得故障原因诊断模型，用于诊断空压机故障原因。将无人机事先收集的实验用空压机运行异常数据及其对应的故障原因标签分为训练集数据和测试集数据；然后构建模糊神经网络，并初始化模糊神经网络的参数；接着用训练集数据对初始化后的模糊神经网络进行有监督预训练，保留有监督预训练后模糊神经网络的参数；用深度置信网络替换模糊神经网络的全连接层，然后用训练集数据对深度置信网络进行无监督预训练，保留无监督预训练后深度置信网络的参数；在现有网络的输出层后添加softmax层，再用训练集数据对整个网络进行有监督训练并生成故障原因诊断模型；最后用测试集数据对生成的故障原因诊断模型进行验证，若验证成功，生成的故障原因诊断模型则可用来判断空压机故障发生的原因。

步骤S6中，用户设备与互联网通信连接，依据故障原因从互联网中抓取解决方案，然后从中筛选出最佳解决方案。用户设备与互联网通信连接，依据故障原因从互联网中抓取对应的解决方案，工作人员通过查看挑选找到最佳解决方案。

步骤S8中，基于鸡群优化算法进行PID整定的具体过程，包括以下步骤：步骤E1：将永磁变频螺杆机理想出口压力设为rin(t)，将永磁变频螺杆机实际出口压力设为yout(t)，可得误差e(t)＝rin(t)-yout(t)；

步骤E2：确定初始参数，定义N_R、N_H、N_B、N_M、n_max、鸡群关系确定后维持的代G、问题的维数D，及K_p、K_i、K_d的约束范围；

步骤E3：初始化种群，以随机方式产生初始鸡群，计算个体的适应度值并排序；

步骤E4：根据排序划分子群，并建立子群间个体的关系；

步骤E5：更新个***置，具体更新公式如下：

x_ij(t+1)＝x_ij(t)+C₁rand[x_r1,j(t)-x_ij(t)]+C₂rand[x_r2,j(t)-x_ij(t)]

其中，k＝1、2、3，C₁＝exp{(f_i-f_r1)/[abs(f_i)+ε]}，C₂＝exp(f_r1-f_i)，rand为0～1之间的随机数，r_i表示第i只母鸡所在子群中的公鸡，r₁、r₂为整个鸡群中随机选取的个体，且r₁≠r₂；

步骤E6：若达到重新划分子群的条件，则重新划分子群，并建立子群间个体的关系；

步骤E7：迭代步骤E1至步骤E4，直至停止条件停止，得出K_p、K_i、K_d最优的参数值，经过PID控制器从而获得最佳出口压力值u(t)。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (8)

1.一种空压机控制方法，其特征在于，包括以下步骤：

步骤S1：收集实验用空压机的运行数据，并将运行数据分类处理；

步骤S2：收集场景数据并进行无人机线路规划；

步骤S3：实时监测待测空压机并将待测空压机的实时运行数据反馈；

步骤S4：根据实时运行数据，判断待测空压机是否存在故障；

步骤S5：若是，则继续诊断故障原因；若否，则返回步骤S3；

步骤S6：根据故障原因制定解决方案；

步骤S7：按照解决方案向待测空压机的PLC控制器下发控制命令；

步骤S8：PLC控制器根据控制命令控制空压机的运行状态，同时基于鸡群优化算法进行PID整定。

2.根据权利要求1所述的一种空压机控制方法，其特征在于，步骤S1的具体过程，包括以下步骤：

步骤A1：将监测区域进行区域分割，并将分割后的各区域标记为A₁、A₂、…、A_n-1、A_n，n为自然数；

步骤A2：将各组空压机的PLC控制器与用户设备通信连接，并对各区域中的各组空压机进行编号，同时部署若干组无人机至A₁-A_n区域；

步骤A3：无人机收集实验用空压机的运行数据，并将运行数据按照运行温度、运行声音及运行图像进行分类，自动生成对比记录表；

步骤A4：将对比记录中的数据分为运行正常数据和运行异常数据。

3.根据权利要求2所述的一种空压机控制方法，其特征在于，步骤S2的具体过程，包括以下步骤：

步骤B1：无人机收集场景数据；

步骤B2：将监测区域环境相关数据上传至无人机中央处理器；

步骤B3：中央处理器根据场景数据和环境相关数据构建虚拟场景地图；

步骤B4：按照A₁-A_n区域划分，对虚拟场景地图进行分割；

步骤B5：根据虚拟场景地图上各区域待测空压机的分布情况、无人机飞行状态及可飞行时间，进行无人机路线规划。

4.根据权利要求1所述的一种空压机控制方法，其特征在于，步骤S3的具体过程，包括以下步骤：

步骤C1：无人机按照规划路线飞行；

步骤C2：无人机通过双目摄像头、温度测量仪、声波采集器分别采集待测空压机的实时运行图像、实时运行温度、实时运行声音；

步骤C3：将实时运行图像、实时运行温度、实时运行声音反馈给用户设备；

步骤C4：用户设备将实时运行温度、实时运行声音标注在实时运行图像中对应待测空压机的位置。

5.根据权利要求2所述的一种空压机控制方法，其特征在于，步骤S4的具体过程，包括以下步骤：

步骤D1：将实时运行数据录入对比记录表中，并与对比记录表中的数据进行比较；

步骤D2：若实时运行数据与运行正常数据一致，则判断待测空压机运行正常，不存在故障；若实时运行数据与运行异常数据一致，则判断待测空压机运行异常，存在故障。

6.根据权利要求1所述的一种空压机控制方法，其特征在于，步骤S5中，使用实验用空压机的运行异常数据及其对应的故障原因标签，通过神经网络方法进行学习，获得故障原因诊断模型，用于诊断空压机故障原因。

7.根据权利要求1所述的一种空压机控制方法，其特征在于，步骤S6中，用户设备与互联网通信连接，依据故障原因从互联网中抓取解决方案，然后从中筛选出最佳解决方案。

8.根据权利要求1所述的一种空压机控制方法，其特征在于，步骤S8中，基于鸡群优化算法进行PID整定的具体过程，包括以下步骤：

步骤E1：将永磁变频螺杆机理想出口压力设为rin(t)，将永磁变频螺杆机实际出口压力设为yout(t)，可得误差e(t)＝rin(t)-yout(t)；

步骤E2：确定初始参数，定义N_R、N_H、N_B、N_M、n_max、鸡群关系确定后维持的代G、问题的维数D，及K_p、K_i、K_d的约束范围；

步骤E3：初始化种群，以随机方式产生初始鸡群，计算个体的适应度值并排序；

步骤E4：根据排序划分子群，并建立子群间个体的关系；

步骤E5：更新个***置，具体更新公式如下：

x_ij(t+1)＝x_ij(t)+C₁rand[x_r1,j(t)-x_ij(t)]+C₂rand[x_r2,j(t)-x_ij(t)]

其中，k＝1、2、3，C₁＝exp{(f_i-f_r1)/[abs(f_i)+ε]}，C₂＝exp(f_r1-f_i)，rand为0～1之间的随机数，r_i表示第i只母鸡所在子群中的公鸡，r₁、r₂为整个鸡群中随机选取的个体，且r₁≠r₂；

步骤E6：若达到重新划分子群的条件，则重新划分子群，并建立子群间个体的关系；

步骤E7：迭代步骤E1至步骤E4，直至停止条件停止，得出K_p、K_i、K_d最优的参数值，经过PID控制器从而获得最佳出口压力值u(t)。

Images