CN115328232B - 一种温度控制方法和*** - Google Patents
一种温度控制方法和*** Download PDFInfo
- Publication number
- CN115328232B CN115328232B CN202211065436.XA CN202211065436A CN115328232B CN 115328232 B CN115328232 B CN 115328232B CN 202211065436 A CN202211065436 A CN 202211065436A CN 115328232 B CN115328232 B CN 115328232B
- Authority
- CN
- China
- Prior art keywords
- temperature
- matrix
- value
- control
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 61
- 230000003993 interaction Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种温度控制方法和***,该温度控制方法根据预设的控制周期对各温度监控区域的温度值进行调整,在每一控制周期的起始时刻获取各温度监控区域的温度值并作为温度参考数据进行数据处理,以数据处理的结果作为训练数据集输入至CT神经网络,CT神经网络在每个控制周期的起始时刻输出对应各温度调整区域的目标温度值,温度调整装置根据该目标温度值进行温度设定,若在每个控制周期内,存在某一或某些温度调整区域的实际温度值不符合要求,则根据实时获取的实际温度值进行重新训练,并在下一周期的起始时刻再次输出新的目标温度值,从而实现对温度调至区域的温度的实时控制,并可根据用户的实际需要进行干预,提高温度控制效果。
Description
技术领域
本发明涉及温度控制技术领域,具体涉及一种温度控制方法和***。
背景技术
ICU是为重症患者或昏迷患者提供重点治疗看护的专门场所,是为危重病人提供生命支撑治疗和看护的相对封闭场所,ICU通常包括中心监护站、若干治疗病床、医疗急救设备等。由于ICU病房需要满足不同病人对温度环境的要求、保证医护人员工作环境的舒适度、保障仪器设备的平稳运行,因此需要为ICU病房的各个区域提供合适的温度。
目前针对ICU病房的温度监测和控制一般采用人工设定空调设备温度的方式来满足制冷或制热的需求,这种人工设定的方式操作上较为麻烦,需要根据不同时段和不同需求进行手动调节,通常也难以满足不同监护病人以及医护人员对环境温度的特殊要求,因此为ICU病房环境的舒适度控制带来诸多不确定性和较大挑战。
发明内容
本发明的目的在于克服背景技术中存在的上述缺陷或问题,提供一种温度控制方法和***,该方法和***不需要人工设定环境温度,并且可以更为精确地控制环境温度。
为达成上述目的,本发明采用如下技术方案:
一种温度控制方法,其用于控制特定空间的温度,所述特定空间包括若干温度监控区域及若干温度调整区域,所述温度调整区域适于通过对应设置的温度调整装置对其温度进行调整,所述温度控制方法包括:基于温度参考数据的数据处理结果建立训练数据集;所述温度参考数据为在预设的每一控制周期的起始时刻所获取的各所述温度监控区域的温度值;基于卷积增强的Transformer结构建立CT神经网络;基于所述训练数据集训练所述CT神经网络;所述CT神经网络在训练后于每一所述控制周期的起始时刻输出对应各所述温度调整区域的目标温度值;所述目标温度值用于设定对应各温度调整区域的所述温度调整装置;其中,在每一所述控制周期内,当所述温度调整区域的实际温度值不符合要求时,获取当前时刻各所述温度监控区域的实际温度值并添加至所述训练数据集,以供所述CT神经网络在重新训练后输出所述目标温度值。
进一步的,还包括PID控制器;所述PID控制器接收所述CT神经网络输出的用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值并实时获取该特定的温度调整区域的实际温度值,基于负反馈控制方式向该温度调整区域的温度调整装置输出设定调整值;所述温度调整装置基于所述设定调整值调整其设定温度。
进一步的,所述PID控制器基于以下公式输出设定调整值:
其中:
Kp、KI和KD分别为所述PID控制器比例、积分和微分环节的控制参数;
Δt为获取特定温度调整区域的实际温度值的采样时间间隔;
e(n)为第n个采样时刻的实际温度值与目标温度值之间的差值;
y(n)为所述PID控制器所输出的设定调整值。
进一步的,所述数据处理包括以下步骤:依据获取时刻截取预定数量的所述温度参考数据,依次经归一化处理、平均值计算处理和方差计算处理得到归一化矩阵、平均值矩阵和方差矩阵;将所述归一化矩阵、平均值矩阵和方差矩阵由列向量转化得到二维归一化矩阵、二维平均值矩阵和二维方差矩阵。
进一步的,所述CT神经网络以所述训练数据集为输入,经下采样、卷积、切块、Transformer和恢复操作后,输出用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值。
进一步的,基于与所述特定空间相对应的数字孪生体模型,控制所述CT神经网络、PID控制器的运行。
进一步的,在每一所述控制周期内,当存在通过所述数字孪生体模型控制所述CT神经网络运行的情况时,判定所述温度调整区域的温度不符合要求。
进一步的,所述特定空间为ICU病房;所述温度调整装置为空调;所述温度监控区域包括:中心监护站墙壁、中心监护站操作台中心位置、中心监护站操作台边角位置、各病床床头位置和各空调回风口位置;所述温度调整区域包括:中心监护站和各病床。
此外,本发明还提供一种温度控制***,其用于控制特定空间的温度,所述特定空间包括若干温度监控区域及若干温度调整区域,包括:温度获取模块,其用于获取各所述温度监控区域的温度;温度调整装置,其用于通过调整设定温度以调整其所对应的所述温度调整区域的温度;控制模块,其用于根据如上文所述的一种温度控制方法调整所述温度调整装置的设定温度。
进一步的,还包括交互模块;所述交互模块适于通过与所述特定空间相对应的数字孪生体模型控制所述控制模块。
由上述对本发明的描述可知,相对于现有技术,本发明具有如下有益效果:
该温度控制方法根据预设的控制周期对各温度监控区域的温度值进行调整,在每一个控制周期的起始时刻首先获取各温度监控区域的温度值,将该获得的温度值作为温度参考数据进行数据处理,并以数据处理的结果建立训练数据集,训练数据集可作为CT神经网络的输入,CT神经网络在经过训练后,可以在每个控制周期的起始时刻输出对应各温度调整区域的目标温度值,每个温度调整区域对应的温度调整装置根据该目标温度值进行温度设定,若在每个控制周期内,存在某一或某些温度调整区域的实际温度值不符合要求,则根据实时获取的实际温度值进行重新训练,并在下一周期的起始时刻再次输出新的目标温度值,从而实现对温度调至区域的温度的实时控制,并可根据用户的实际需要进行干预,使得温度控制的效果更为精确;
该温度控制方法还结合有PID控制器,通过PID控制器的负反馈控制方式对温度调整装置输出设定调整值,之后温度调整装置再根据该设定调整值调整其设定温度,使得对温度调整装置的设定温度的调整更为精确,也使得该设定温度可以根据温度调整区域的实际温度值进行实时地调整;
该温度控制方法结合卷积操作关注局部以及Transformer操作统筹全局特征的优点,使得设计的温度控制模型具有更好的泛化能力;
该温度控制方法还设置有对应特定空间的数字孪生体模型,通过该数字孪生体模型用户可以简单、直观地控制CT神经网络和PID控制器的运行。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域的普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种温度控制***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的优选实施例,且不应被看作对其他实施例的排除。基于本发明实施例,本领域的普通技术人员在不作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的权利要求书、说明书及上述附图中,除非另有明确限定,如使用术语“第一”、“第二”或“第三”等,都是为了区别不同对象,而不是用于描述特定顺序。
本发明的权利要求书、说明书及上述附图中,除非另有明确限定,对于方位词,如使用术语“中心”、“横向”、“纵向”、“水平”、“垂直”、“顶”、“底”、“内”、“外”、“上”、“下”、“前”、“后”、“左”、“右”、“顺时针”、“逆时针”等指示方位或位置关系乃基于附图所示的方位和位置关系,且仅是为了便于叙述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位或以特定的方位构造和操作,所以也不能理解为限制本发明的具体保护范围。
本发明的权利要求书、说明书及上述附图中,除非另有明确限定,如使用术语“固接”或“固定连接”,应作广义理解,即两者之间没有位移关系和相对转动关系的任何连接方式,也就是说包括不可拆卸地固定连接、可拆卸地固定连接、连为一体以及通过其他装置或元件固定连接。
本发明的权利要求书、说明书及上述附图中,如使用术语“包括”、“具有”以及它们的变形,意图在于“包含但不限于”。
参见图1,图1示出了本发明提供的一种温度控制***的结构示意图,该温度控制***用于对特定空间的温度进行调整,其中该特定空间包括有若干温度监控区域和若干温度调整区域,该温度控制***包括温度获取模块、温度调整装置、控制模块和交互模块。
其中,温度获取模块为若干温度传感器,其用于获取各个温度监控区域的温度;温度调整装置为空调,其用于通过调整设定温度以调整其所对应的温度调整区域的温度;控制模块用于根据本发明提供的一种温度控制方法调整温度控制装置的设定温度;交互模块适于通过与特定空间相对应的数字孪生体模型控制上述的控制模块。
具体的,在本实施例中,该特定空间为医院ICU病房,对应ICU病房的温度监控区域包括:中心监护站墙壁、中心监护站操作台中心位置、中心监护站操作台边角位置、各病床床头位置和各空调回风口位置;对应ICU病房的温度调整区域包括:中心监护站和各病床。当然,在其他的实施例中,该特定空间也可以是其他类型的空间,本领域技术人员可根据实际情况将本发明提供的温度控制***应用至相应的空间。
对应各个温度监控区域,该温度控制***均设置有温度传感器,温度传感器可以实时地将其对应的温度监控区域的实际温度值发送至控制模块。
控制模块主要包括CT神经网络和PID控制器,该CT神经网络基于卷积增强的
Transformer结构建立,该PID控制器基于负反馈控制方式接受CT神经网络的输出以控制温度调整装置。
交互模块包括传输链路、控制链路和可视化交互面板,其内置有对应上述的ICU病房的数字孪生体模型,该数字孪生体模型通过交互模块中的可视化交互面板体现,传输链路通信连接控制模块和温度获取模块,控制链路通信连接控制模块和温度调整装置,可视化交互面板可通过传输链路获取各个温度监控区域、温度调整区域的温度,以及各个温度调整装置的当前状态,并且还可通过控制链路对控制模块和温度调整装置进行控制。
应当理解的是,该交互模块与控制模块、温度获取模块、温度调整装置等的通信连接方式均属于本领域的常规技术手段,本领域技术人员可以根据实际需要建立通信连接关系,只需要满足可通过交互模块与控制模块、温度获取模块和温度调整装置等设备进行通信的需求即可。
具体的,本发明提供的温度控制方法主要包括:
基于温度参考数据的数据处理结果建立训练数据集,其中温度参考数据为在预设
的每一控制周期的起始时刻所获取的各温度监控区域的温度值 ;基于卷积增强的
Transformer结构建立CT神经网络;基于上述的训练数据集训练该CT神经网络,该CT神经网络在训练后于每一控制周期的起始时刻输出对应各温度调整区域的目标温度值,该目标温度值用于设定对应各温度调整区域的温度调整装置;其中,在每一温度调整区域的实际温度值不符合要求时,获取当前时刻各温度监控区域的实际温度值并添加至训练数据集,以供该CT神经网络在重新训练后输出目标温度值。
其中,数据处理包括以下步骤:依据获取时刻截取预定数量的温度参考数据,依次经归一化处理、平均值计算处理和方差计算处理得到归一化矩阵、平均值矩阵和方差矩阵;将归一化矩阵、平均值矩阵和方差矩阵由列向量转化得到二维归一化矩阵、二维平均值矩阵和二维方差矩阵。
CT神经网络以训练数据集为输入,经下采样、卷积、切块、Transformer和恢复操作后,输出用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值。
PID控制器接受CT神经网络输出的用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值,并实时获取该特定的温度调整区域的实际温度值,基于负反馈控制方式向该温度调整区域的温度调整装置输出设定调整值,温度调整装置再基于该设定调整值调整其设定温度。
PID控制器基于以下公式输出设定调整值:
其中:
Kp、KI和KD分别为所述PID控制器比例、积分和微分环节的控制参数;Δt为获取特定温度调整区域的实际温度值的采样时间间隔;e(n)为第n个采样时刻的实际温度值与目标温度值之间的差值;y(n)为所述PID控制器所输出的设定调整值。
其中,所称的预设的控制周期为CT神经网络和PID控制器每次输出目标温度值和设定调整值的周期,该周期为一期间,例如,在第一期间的起始时刻获取各温度监控区域的温度,在第二期间的起始时刻输出第一期间内经CT神经网络和PID控制器计算得到的设定调整值,同时在第二期间的起始时刻也获取各温度监控区域的温度,并在第三期间的起始时刻输出第二期间内经经CT神经网络和PID控制器计算得到的设定调整值,以此类推形成循环。
具体而言,该控制方法中的训练数据集采用以下方式得到:
S10、在每一周期起始时刻,通过各温度获取模块实时获取中心监护站中心监护站温度Tc,包括墙壁温度Tc1、操作台中心位置处温度Tc2、操作台边界四个角落处温度Tc3~Tc6、各病床床头处温度(Tb1,Tb2,…,Tbm)、各空调回风口位置处温度(Ta1,Ta2,…,Tan),其中m和n分别表示ICU病房的床位数和空调数;
S11、对Tci(i=1,2,…,6)、Tbi(i=1,2,…,m)、Tai(i=1,2,…,n)通过归一化处理得到三个归一化矩阵C=(c1,c2,…,c6)T,B=(b1,b2,…,bm)T,A=(a1,a2,…,an)T;再对经过归一化处理后的数据进行平均值和方差计算,得到采样时间段内的平均值矩阵MC=(mct,mc2t,…,mckt)T,MB=(mbt,mb2t,…,mbkt)T,MA=(mat,ma2t,…,makt)T以及方差矩阵VC=(vct,vc2t,…,vckt)T,VB=(vbt,vb2t,…,vbkt)T,VA=(vat,va2t,…,vakt)T,其中t为采样时间间隔,k为采样数量;
S12、将所得到的归一化矩阵、平均值矩阵以及方差矩阵由列向量转化为二维矩阵,转换的规则如下,其中M2D为转换后的矩阵,W表示转换前的矩阵,WT表示经过转置后得到的矩阵;
M2D=WWT;
经过二维矩阵变化操作进一步得到的归一化矩阵记为TC、TB、TA,得到的平均值矩阵记为TMC、TMB、TMA,得到的方差矩阵记为TVC、TVB、TVA;
S13、将经过转换后的归一化矩阵、平均值矩阵以及方差矩阵暂存,得到所需要的训练数据集
该控制方法中的CT神经网络的运行方式为:
S20、输入数据:CT网络的输入为二维特征图,包括在S13中得到的归一化矩阵TC、TB、TA,平均值矩阵TMC、TMB、TMA,方差矩阵TVC、TVB、TVA。
S21、下采样操作:通过步长为4的7×7卷积实现,卷积核的个数为64;
S22、卷积操作:步长为2的3×3深度可分离卷积,卷积核的个数为128;
S23、切块操作:通过变形(Reshape)操作,将二维特征图切成多个小块,再将各个小块拉直成序列(sequence)形式以适应Transformer结构的输入形式;
S24、Transformer操作:该操作使用典型的Vision Transformer Layer结构,即包括典型的层正则化(Layer Normalization)、多头注意力机制(Multi-HeadAttentionMechanism)、多层感知机(Multi-Layer Perceptron),并且加入了残差跳连的连接方式;
S25、恢复操作:通过变形(Reshape)操作,将序列(Sequence)格式恢复成二维特征图的形式以适应卷积操作的输入形式;
S26、重复步骤S23至S25一次;
S27、结果输出:最终的结果输出通过两个带有激活函数和Dropout操作的全连接层实现,激活函数使用GELU(Gaussian Error Linear Units),输出的结果包括温度调整区域和与温度调整区域对应的目标温度值。
PID控制器在得到CT神经网络的输出结果后,根据实时监控得到的需要调整温度的温度调整区域的实际温度值和对应该温度调整区域的目标温度值之间的差值e(n),输出温度调整值y(n),再将该温度调整值通过传输链路以及控制链路传递至温度调整装置,温度调整装置根据该温度调整值对其设定温度进行调整。
此外,在该***运行过程中,在每一控制周期内,当存在通过数字孪生体模型控制CT神经网络运行的情况时,判定温度调整区域的温度不符合要求。
具体而言,该***还提供一种纠错以及对CT神经网络的训练机制。在***的运行过程中,用户在感觉到某一温度调整区域的温度不符合其需要时,可通过交互模块中的数字孪生体模型对控制模块的运行进行干预,例如可向控制模块发送错误指令,或是向控制模块发送用户当前所需要的温度的具体信息,并且该通信过程中用户可向控制模块指定是哪个温度调至区域的温度不符合要求;CT神经网络在得到该指令或信息后,不论此时是否是控制周期的起始时刻,其均会通过各温度获取模块获取当前时刻的温度不符合要求的温度调整区域的实际温度值,并重新进行数据处理得到新的训练数据集,并以该训练数据集为输入在下一周期的起始时刻重新输出目标温度值,PID控制器依据该重新输出的目标温度值对温度调整装置进行控制。
通过该人工干预过程,可对控制模块中CT神经网络的运行提供正向的反馈,使得CT神经网络所输出的目标温度值更加贴近用户需求。
本发明提供的一种温度控制方法和***,通过融合深度神经网络和PID控制方法,实现完全自动化的控制流程而无需人工设定控制目标值,并且采用数字孪生技术,可实现智能远程监控、操作和控制。
上述说明书和实施例的描述,用于解释本发明保护范围,但并不构成对本发明保护范围的限定。通过本发明或上述实施例的启示,本领域普通技术人员结合公知常识、本领域的普通技术知识和/或现有技术,通过合乎逻辑的分析、推理或有限的试验可以得到的对本发明实施例或其中一部分技术特征的修改、等同替换或其他改进,均应包含在本发明的保护范围之内。
Claims (9)
1.一种温度控制方法,其用于控制特定空间的温度,所述特定空间包括若干温度监控区域及若干温度调整区域,所述温度调整区域适于通过对应设置的温度调整装置对其温度进行调整,其特征是,所述温度控制方法包括:
基于温度参考数据的数据处理结果建立训练数据集;所述温度参考数据为在预设的每一控制周期的起始时刻所获取的各所述温度监控区域的温度值;
训练数据集采用以下方式得到:
S10、在每一周期起始时刻,通过各温度获取模块实时获取中心监护站中心监护站温度Tc,包括墙壁温度Tc1、操作台中心位置处温度Tc2、操作台边界四个角落处温度Tc3~Tc6、各病床床头处温度(Tb1,Tb2,…,Tbm)、各空调回风口位置处温度(Ta1,Ta2,…,Tan),其中m和n分别表示ICU病房的床位数和空调数;
S11、对Tci(i=1,2,…,6)、Tbi(i=1,2,…,m)、Tai(i=1,2,…,n)通过
归一化处理得到三个归一化矩阵C=(c1,c2,…,c6)T,B=(b1,b2,…,bm)T,A=(a1,a2,…,an)T;再对经过归一化处理后的数据进行平均值和方差计算,得到采样时间段内的平均值矩阵MC=(mct,mc2t,…,mckt)T,MB=(mbt,mb2t,…,mbkt)T,MA=(mat,ma2t,…,makt)T以及方差矩阵VC=(vct,vc2t,…,vckt)T,VB=(vbt,vb2t,…,vbkt)T,VA=(vat,va2t,…,vakt)T,其中t为采样时间间隔,k为采样数量;
S12、将所得到的归一化矩阵、平均值矩阵以及方差矩阵由列向量转化为二维矩阵,转换的规则如下,其中M2D为转换后的矩阵,W表示转换前的矩阵,WT表示经过转置后得到的矩阵;
M2D=WWT;
经过二维矩阵变化操作进一步得到的归一化矩阵记为TC、TB、TA,得到的平均值矩阵记为TMC、TMB、TMA,得到的方差矩阵记为TVC、TVB、TVA;
S13、将经过转换后的归一化矩阵、平均值矩阵以及方差矩阵暂存,得到所需要的训练数据集;
基于卷积增强的Transformer结构建立CT神经网络;所述CT神经网络以所述训练数据集为输入,经下采样、卷积、切块、Transformer和恢复操作后,输出用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值;
基于所述训练数据集训练所述CT神经网络;所述CT神经网络在训练后于每一所述控制周期的起始时刻输出对应各所述温度调整区域的目标温度值;所述目标温度值用于设定对应各温度调整区域的所述温度调整装置;
其中,在每一所述控制周期内,当所述温度调整区域的实际温度值不符合要求时,获取当前时刻各所述温度监控区域的实际温度值并添加至所述训练数据集,以供所述CT神经网络在重新训练后输出所述目标温度值。
2.如权利要求1所述的一种温度控制方法,其特征是,还包括PID控制器;所述PID控制器接收所述CT神经网络输出的用于调整特定的温度调整区域的温度调整装置设定温度的目标温度值并实时获取该特定的温度调整区域的实际温度值,基于负反馈控制方式向该温度调整区域的温度调整装置输出设定调整值;所述温度调整装置基于所述设定调整值调整其设定温度。
3.如权利要求2所述的一种温度控制方法,其特征是,所述PID控制器基于以下公式输出设定调整值:
其中:
Kp、KI和KD分别为所述PID控制器比例、积分和微分环节的控制参数;
Δt为获取特定温度调整区域的实际温度值的采样时间间隔;
e(n)为第n个采样时刻的实际温度值与目标温度值之间的差值;
y(n)为所述PID控制器所输出的设定调整值。
4.如权利要求1所述的一种温度控制方法,其特征是,所述数据处理包括以下步骤:
依据获取时刻截取预定数量的所述温度参考数据,依次经归一化处理、平均值计算处理和方差计算处理得到归一化矩阵、平均值矩阵和方差矩阵;
将所述归一化矩阵、平均值矩阵和方差矩阵由列向量转化得到二维归一化矩阵、二维平均值矩阵和二维方差矩阵。
5.如权利要求1所述的一种温度控制方法,其特征是,基于与所述特定空间相对应的数字孪生体模型,控制所述CT神经网络、PID控制器的运行。
6.如权利要求5所述的一种温度控制方法,其特征是,在每一所述控制周期内,当存在通过所述数字孪生体模型控制所述CT神经网络运行的情况时,判定所述温度调整区域的温度不符合要求。
7.如权利要求1-6任一项所述的一种温度控制方法,其特征是,所述特定空间为ICU病房;所述温度调整装置为空调;所述温度监控区域包括:中心监护站墙壁、中心监护站操作台中心位置、中心监护站操作台边角位置、各病床床头位置和各空调回风口位置;所述温度调整区域包括:中心监护站和各病床。
8.一种温度控制***,其用于控制特定空间的温度,所述特定空间包括若干温度监控区域及若干温度调整区域,其特征是,包括:
温度获取模块,其用于获取各所述温度监控区域的温度;
温度调整装置,其用于通过调整设定温度以调整其所对应的所述温度调整区域的温度;
控制模块,其用于根据如权利要求1-7任一项所述的一种温度控制方法调整所述温度控制装置的设定温度。
9.如权利要求8所述的一种温度控制***,其特征是,还包括交互模块;所述交互模块适于通过与所述特定空间相对应的数字孪生体模型控制所述控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211065436.XA CN115328232B (zh) | 2022-09-01 | 2022-09-01 | 一种温度控制方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211065436.XA CN115328232B (zh) | 2022-09-01 | 2022-09-01 | 一种温度控制方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115328232A CN115328232A (zh) | 2022-11-11 |
CN115328232B true CN115328232B (zh) | 2023-12-19 |
Family
ID=83929249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211065436.XA Active CN115328232B (zh) | 2022-09-01 | 2022-09-01 | 一种温度控制方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115328232B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488216A (zh) * | 2013-09-25 | 2014-01-01 | 北京卫星环境工程研究所 | 一种太阳能电池板温度控制方法 |
CN108241392A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 温度控制方法及*** |
CN110202768A (zh) * | 2019-05-17 | 2019-09-06 | 广东工业大学 | 一种注塑机料筒温度控制方法 |
CN110262582A (zh) * | 2019-07-30 | 2019-09-20 | 中原工学院 | 一种基于改进rbf神经网络的高温高压卷染机温度控制方法 |
CN111456840A (zh) * | 2020-05-18 | 2020-07-28 | 江苏隆信德科技有限公司 | 一种基于rbf神经网络的内燃机冷却水流量智能控制方法 |
-
2022
- 2022-09-01 CN CN202211065436.XA patent/CN115328232B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488216A (zh) * | 2013-09-25 | 2014-01-01 | 北京卫星环境工程研究所 | 一种太阳能电池板温度控制方法 |
CN108241392A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 温度控制方法及*** |
CN110202768A (zh) * | 2019-05-17 | 2019-09-06 | 广东工业大学 | 一种注塑机料筒温度控制方法 |
CN110262582A (zh) * | 2019-07-30 | 2019-09-20 | 中原工学院 | 一种基于改进rbf神经网络的高温高压卷染机温度控制方法 |
CN111456840A (zh) * | 2020-05-18 | 2020-07-28 | 江苏隆信德科技有限公司 | 一种基于rbf神经网络的内燃机冷却水流量智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115328232A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180100662A1 (en) | Method for Data-Driven Learning-based Control of HVAC Systems using High-Dimensional Sensory Observations | |
US20230211099A1 (en) | Remote ventilator adjustment | |
Xu et al. | Reinforcement learning-based shared control for walking-aid robot and its experimental verification | |
CN105147390A (zh) | 遥控微创手术器械的主导件对齐性的渐进 | |
WO2008021255A2 (en) | Emergency management system | |
EP3646127B1 (de) | Rollstuhl-sondersteuerung | |
JP2021511476A (ja) | 心拍変動パラメータに基づいて占有者の快適さを実現するための環境の温度制御 | |
CN115328232B (zh) | 一种温度控制方法和*** | |
US20230392813A1 (en) | Building equipment and environmental control system for a healthcare facility | |
JP2007505676A (ja) | 健康管理システム及び方法 | |
CN113819600A (zh) | 用于控制空调器的方法及装置、空调器 | |
US11592202B2 (en) | Control device and method for controlling air conditioner communicatively coupled to multiple user devices | |
Tekemetieu et al. | Context modelling in ambient assisted living: Trends and lessons | |
JP6879388B2 (ja) | 覚醒度推定装置、覚醒度推定方法、及びプログラム | |
EP3499511B1 (de) | Beatmungsgerät mit einer vorrichtung zur berührungslosen erfassung von bedienvorgängen eines nutzers | |
Zhang et al. | A Novel Human‐Like Control Framework for Mobile Medical Service Robot | |
EP3926642A1 (en) | Dynamic positioning for a virtual display | |
US20240201679A1 (en) | False fault detection for a compliance reporting system | |
US20220365499A1 (en) | Building management system with code blue integration | |
KR20190023554A (ko) | 맞춤형 차량 제공 장치 및 방법 | |
Wijayasinghe et al. | Adaptive interface for robot teleoperation using a genetic algorithm | |
DE102016219157A1 (de) | Assistenzvorrichtung für Patienten und Verfahren zum Betrieb einer Assistenzvorrichtung | |
CN108335742A (zh) | 一种基于互联网的防感染的内科用病床控制*** | |
CN118430817A (zh) | 一种基于多模态通道融合的重症监护*** | |
Sato et al. | Testing and evaluation of a patrol robot system for hospitals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |