CN116617830B - 车辆用空气干燥净化装置的智能预测处理*** - Google Patents
车辆用空气干燥净化装置的智能预测处理*** Download PDFInfo
- Publication number
- CN116617830B CN116617830B CN202310751806.3A CN202310751806A CN116617830B CN 116617830 B CN116617830 B CN 116617830B CN 202310751806 A CN202310751806 A CN 202310751806A CN 116617830 B CN116617830 B CN 116617830B
- Authority
- CN
- China
- Prior art keywords
- drying
- main
- tower body
- air
- inlet opening
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 55
- 238000007605 air drying Methods 0.000 title claims abstract description 42
- 238000001035 drying Methods 0.000 claims abstract description 252
- 230000008929 regeneration Effects 0.000 claims abstract description 100
- 238000011069 regeneration method Methods 0.000 claims abstract description 100
- 230000007246 mechanism Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000000875 corresponding effect Effects 0.000 claims description 49
- 238000013528 artificial neural network Methods 0.000 claims description 40
- 230000007613 environmental effect Effects 0.000 claims description 28
- 238000001179 sorption measurement Methods 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000000746 purification Methods 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 239000002274 desiccant Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 7
- 230000006835 compression Effects 0.000 claims 3
- 238000007906 compression Methods 0.000 claims 3
- 230000000007 visual effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010926 purge Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011403 purification operation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/26—Drying gases or vapours
- B01D53/261—Drying gases or vapours by adsorption
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Data Mining & Analysis (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Drying Of Gases (AREA)
Abstract
一种车辆用空气干燥净化装置的智能预测处理***,涉及人工智能监控技术领域。***包括:干燥净化装置,执行对轨道用气动装置的动力气体的干燥净化处理;数值选择机构,遍历设定双塔切换时长和再生节流孔大小各项取值以分别采用AI预测模型预测每一取值组合分别对应的干燥净化效果数据,并采用最佳干燥净化效果数据对应的取值组合作为优化空气干燥净化装置最佳性能配置。通过本发明,针对干燥净化装置难以匹配轨道车组在不同行驶环境的为保证净化效果而产生的气量过度消耗的技术问题,执行遍历干燥塔体的双塔切换时长和再生节流孔大小各项取值对应的各份干燥净化效果的分别预测,从而获取适合不同工作环境的最佳双塔切换时长和再生节流孔大小配置。
Description
技术领域
本发明涉及人工智能监控技术领域,尤其涉及一种车辆用空气干燥净化装置的智能预测处理***。
背景技术
在采用气体干燥净化仪器对轨道用气动装置的动力气体进行干燥净化处理时,经常采用双塔转换状态的设计模式使得结构相同的双塔轮流执行对轨道用气动装置的动力气体的干燥净化处理,一个塔体进入干燥净化的工作状态时,另一塔体进入重置状态以完成对下一次干净净化操作的准备,双塔滞留在工作状态的时长相等,以提升干燥净化的效率,减少单塔的工作负荷,保证整个气体干燥净化仪器的自动化水准。现有技术中的相应技术方案过于局限于车辆用空气干燥净化装置的智能预测处理***的硬件的改进,而没有将关注点集中到车辆用空气干燥净化装置的智能预测处理***的控制机制的智慧化改造方面。
示例地,中国发明专利公开文本CN110302635A提出的一种车辆用空气干燥净化装置的智能控制***,所述智能控制***包括并排设置的第一干燥塔和第二干燥塔,第一干燥塔依次设有第一进气口和第一出气口,第二干燥塔依次设有第二进气口和第二出气口,第一进气口和第二进气口之间设有进气换向阀,进气换向阀设有进气孔,第一出气口与第二出气口之间设有出气止回阀,出气止回阀设有出气孔,还包括:第一湿度检测器,用于检测进气的湿度;第二湿度检测器,用于检测出气的湿度;电控器,分别与进气换向阀以及第一湿度检测器、第二湿度检测器电连接,用于根据检测的空气湿度控制进气换向阀的转换时间。本发明能够避免进气换向阀的频繁转换。
示例地,中国实用新型专利公开文本CN214384188U提出的一种轨道车辆用风源装置及供风***,该轨道车辆用风源装置包括进气阀和卸荷阀,卸荷阀内形成有第一腔室,卸荷阀上开设有第一进气口、第一出气口和阀芯位置调节口,第一腔室内设置有阀芯;进气阀内成有第二腔室,进气阀上开设有二进气口和第二出气口,第二腔室内设置有阀板,阀板下方设置有第三腔室,第三腔室上设置有第三进气口和第三出气口,第三出气口、第二出气口以及阀芯位置调节口相连通,第二出气口和第一进气口分别与压缩机的低压进气口和高压排气口连接,压缩机与空气干燥净化装置连接,空气干燥净化装置分别与第三进气口和下游总风管路连接。本实用新型解决了轨道车辆用风源装置使用效果不佳、易损坏的技术问题。
但是,对于行驶在轨道上的长途轨道车组,其行驶的环境因为气象环境的不同以及地区经纬度的差异,导致气体干燥净化仪器的工作环境也变动较大,如果采用单一模式的设定双塔切换时长和再生节流孔大小的固定取值组合的设置方式,显然无法匹配各种工作环境,例如,在湿度较高的环境下仍保持相对较短的双塔切换时长时,会导致干燥净化效果不佳,无法达到预期,进而引起轨道用气动装置的动力气体过于潮湿,甚至存在凝水腐蚀现象,严重影响轨道用气动装置的工作性能,相反,在湿度较低的环境下仍保持相对较长的双塔切换时长时,会形成频繁的塔体转换过程,造成压缩空气的损失,进而也会影响塔体之间的进气换向阀的使用寿命;类似地,再生节流孔大小也存在固定取值难以匹配各种工作环境的缺陷。
因此,如何设计一种可靠的干燥净化仪器配置模式,能够匹配各种工作环境,兼顾保证轨道用气动装置的工作性能、提升压缩空气的利用率以及延长干燥净化仪器的使用寿命,是现有技术需要解决的技术难题之一。
发明内容
为了解决上述技术缺陷,本发明提供了一种车辆用空气干燥净化装置的智能预测处理***,能够针对服务于轨道用气动装置的干燥净化装置,建立基于干燥净化装置各项硬件数据以及各项使用环境数据的AI预测模型,完成遍历干燥塔体的设定双塔切换时长和再生节流孔大小的各项取值组合分别对应的各份干燥净化效果的分别预测,并获取适合当前工作环境的最佳取值组合,从而实现对轨道车组不同行驶环境的动态匹配,兼顾保证轨道用气动装置的工作性能、提升压缩空气的利用率以及延长干燥净化仪器的使用寿命。
本发明提供了一种车辆用空气干燥净化装置的智能预测处理***,所述车辆用空气干燥净化装置用于执行对轨道用气动装置的动力气体的干燥净化处理,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔,轨道所在环境的空气进入干燥净化装置的进气孔,干燥净化装置对轨道所在环境的空气完成干燥净化后的净化气体通过出气孔作为动力气体直接排出到干燥净化装置外部的轨道用气动装置,所述智能预测处理***包括:
干燥净化装置,用于执行对轨道用气动装置的动力气体的干燥净化处理,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔,轨道所在环境的空气进入干燥净化装置的进气孔,干燥净化装置对轨道所在环境的空气完成干燥净化后的净化气体通过出气孔作为动力气体直接排出到干燥净化装置外部的轨道用气动装置;
环境采集机构,用于采集轨道车辆所在环境和净化后空气的各项环境数据,轨道车辆所在环境的各项环境数据包括轨道车辆所在环境的空气温度、空气湿度以及空气气压,净化后空气的各项环境数据包括净化后空气的压力露点和湿度;
配置提取机构,用于提取主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积;
智能预测机构,分别与所述环境采集机构以及所述配置提取机构连接,用于采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数;
数值选择机构,与所述智能预测机构连接,用于遍历设定工作时长的各项取值以分别采用AI预测模型执行各次对应的智能预测处理,以获得遍历的设定双塔切换时长和再生节流孔大小的各项取值分别对应的各项净化后空气的压力露点和湿度;
其中,所述数值选择机构还用于将各项净化后空气的湿度中最小值的湿度对应的设定双塔切换时长和再生节流孔大小作为优先工作时长对所述干燥净化装置进行设定双塔切换时长和再生节流孔大小的优化配置;
其中,主干燥塔体和次干燥塔体轮流进入吸附状态以执行对轨道所在环境的空气的干燥净化处理,主干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,次干燥塔体处于重置的再生状态,次干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,主干燥塔体处于重置的再生状态,主干燥塔体和次干燥塔体处于吸附状态的时长相等,都为设定的双塔切换时长,所述干燥净化装置还包括伺服阀,用于控制再生节流孔大小以实现对再生状态的其他的消耗。
由此可见,本发明至少具备了以下几处关键的发明构思:
发明构思1:针对服务于轨道用气动装置的干燥净化装置,建立基于干燥净化装置各项硬件数据以及各项使用环境数据的AI预测模型以预测当前使用环境下采用定制硬件结构的干燥净化装置对设定双塔切换时长和再生节流孔大小的具体取值组合下对轨道用气动装置的干燥净化效果数据,从而不需要实际测试即可获取每一取值组合下的干燥净化效果;
发明构思2:在当前使用环境下采用AI预测模型遍历设定双塔切换时长和再生节流孔大小的各项取值组合以预测各项取值组合分别对应的各份干燥净化效果数据,将最佳干燥净化效果数据对应的设定双塔切换时长和再生节流孔大小的取值组合作为干燥净化装置的优化工作参数进行配置,以便于后续执行实际的干燥净化处理,获得最佳的干燥净化效果,从而采用数值仿真模式替换繁琐复杂的海量实际测试过程,实现对干燥净化装置的优化配置;
发明构思3:为提升预测结果的可靠性和稳定性,对执行智能预测处理的AI预测模型采用以下多项定制设计操作:AI预测模型为完成各次学习后的前馈神经网络;学习的次数与每一次执行干燥净化的工作周期的偶数数量正向关联;对前馈神经网络执行的每一次学习中,将历史上某次已完成固定时长周期的干燥净化操作对应的已知的、采用某一设定双塔切换时长和某一再生节流孔大小运行干燥净化装置达到固定时长周期时轨道用气动装置的压力容器内部的净化后空气的压力露点和湿度作为前馈神经网络的输出信息,将执行历史上某次干燥净化操作之前轨道车辆所在环境的各项环境数据、设定双塔切换时长、再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为前馈神经网络的输入信息,执行对所述前馈神经网络的该次学习。
附图说明
以下将结合附图对本发明的各个实施例分别进行具体的描述,其中:
图1为根据本发明的车辆用空气干燥净化装置的智能预测处理***的技术流程图。
图2为根据本发明的第一实施例示出的车辆用空气干燥净化装置的智能预测处理***的结构组成示意图。
图3为根据本发明的第二实施例示出的车辆用空气干燥净化装置的智能预测处理***的结构组成示意图。
具体实施方式
如图1所示,给出了根据本发明示出的车辆用空气干燥净化装置的智能预测处理***的技术流程图。
如图1所示,本发明的具体的技术流程如下:
技术流程一,针对服务于轨道用气动装置的干燥净化装置建立定制结构的AI预测模型,所述AI预测模型用于预测使用干燥净化装置在当前使用环境下采用设定双塔切换时长和再生节流孔大小的某一取值组合获取的干燥净化效果数据;
其中,所述设定双塔切换时长实际上为双塔结构的干燥净化装置的单个塔体在干燥净化装置的一个工作周期内的工作时长,两个塔体的工作时长相等,且两个塔体分别对应的前后分布的两个工作时长构成干燥净化装置的一个工作周期;
示例地,所述AI预测模型的定制之处体现在以下几处设计要点:
(1)所述AI预测模型为完成各次学习后的前馈神经网络;
(2)学习的次数与每一次执行干燥净化的工作周期的偶数数量正向关联;
(3)对前馈神经网络执行的每一次学习中,将历史上某次已完成固定时长周期的干燥净化操作对应的已知的、采用某一设定双塔切换时长和某一再生节流孔大小运行干燥净化装置达到固定时长周期时轨道用气动装置的压力容器内部的净化后空气的压力露点和湿度作为前馈神经网络的输出信息,将执行历史上某次干燥净化操作之前轨道车辆所在环境的各项环境数据、设定双塔切换时长、再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为前馈神经网络的输入信息,执行对所述前馈神经网络的该次学习;
技术流程二,使用所述AI预测模型在当前使用环境下遍历各个设定工作时长以获取分别对应的各份干燥净化效果数据;
如图1所示,使用所述AI预测模型采用设定双塔切换时长和再生节流孔大小的每一取值组合进行每一次智能预测处理时,同时输入到所述AI预测模型的输入数据还包括所述干燥净化装置的各项环境数据以及所述干燥净化装置的各项配置数据;
示例,设定双塔切换时长或者再生节流孔大的具体取值可以为间隔数值均匀的各个取值,也可以是间隔数值不均匀的各个取值,也可以是采用模拟数值输入的模式,遍历多个海量数值,由于是数值分析的模式,不是实际试验操作的模式,因此各份干燥净化效果数据的获取速度和效率得到极大幅度的提升;
技术流程三,从各份干燥净化效果数据中选择最佳干燥净化效果数据对应的设定双塔切换时长和再生节流孔大小的取值组合作为优化配置的取值组合,对当前使用环境的设定双塔切换时长和再生节流孔大小进行实际的配置,从而获得针对当前使用环境的最佳干燥净化效果;
进一步地,对轨道车组行进途径中的各个轨道位置分别对应的各个使用环境,都可以采用上述数值分析模式获取每一个轨道位置对应的最佳干燥净化效果,从而完成对保证轨道用气动装置的工作性能、提升压缩空气的利用率以及延长干燥净化仪器的使用寿命的兼顾。
本发明的关键点在于:针对服务于轨道用气动装置的干燥净化结的定制结构AI预测模型的建立、采用数值分析模式的海量设定双塔切换时长和海量再生节流孔大小的遍历以及模型应用以实现对每一个轨道位置达到最佳干燥净化效果所需要使用的设定双塔切换时长和再生节流孔大小的取值组合的优化配置。
下面,将对本发明的车辆用空气干燥净化装置的智能预测处理***以实施例的方式进行具体说明。
第一实施例
图2为根据本发明的第一实施例示出的车辆用空气干燥净化装置的智能预测处理***的结构组成示意图。
所述智能预测处理***用于车辆用空气干燥净化装置,所述车辆用空气干燥净化装置用于执行对轨道用气动装置的动力气体的干燥净化处理,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔,轨道所在环境的空气进入干燥净化装置的进气孔,干燥净化装置对轨道所在环境的空气完成干燥净化后的净化气体通过出气孔作为动力气体直接排出到干燥净化装置外部的轨道用气动装置;
具体地,上述干燥净化装置的内部部件和相互连接关系的设置搭建了后续执行优化配置参数智能解析的硬件基础,其中,所述主干燥塔体和所述次干燥塔体都为竖直安装的设置模式,进气孔的孔口半径和出气孔的孔口半径相等;
如图2所示,所述车辆用空气干燥净化装置的智能预测处理***包括以下部件:
环境采集机构,用于采集轨道车辆所在环境和净化后空气的各项环境数据,轨道车辆所在环境的各项环境数据包括轨道车辆所在环境的空气温度、空气湿度以及空气气压,净化后空气的各项环境数据包括净化后空气的压力露点和湿度;
例如,可以采用多个不同类型的传感器用于分别采集轨道所在环境的空气温度、空气湿度、空气气压以及轨道温度;
示例地,可以采用第一传感器用于采集轨道所在环境的空气温度,可以采用第二传感器用于采集轨道所在环境的空气湿度,可以采用第三传感器用于采集轨道所在环境的空气气压,以及可以采用第四传感器用于采集轨道所在环境的轨道温度;
配置提取机构,用于提取主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积;
智能预测机构,分别与所述环境采集机构以及所述配置提取机构连接,用于采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数;
例如,采用AI预测模型基于轨道所在环境的各项环境数据、设定工作时长、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定工作时长运行干燥净化装置达到固定时长周期时轨道用气动装置的压力容器内部的气体湿度,所述固定时长周期为所述设定工作时长的偶数数值的倍数包括:可以采用数值仿真模式完成每一次使用AI预测模型执行的智能预测操作的模拟和仿真;
数值选择机构,与所述智能预测机构连接,用于遍历设定工作时长的各项取值以分别采用AI预测模型执行各次对应的智能预测处理,以获得遍历的设定双塔切换时长和再生节流孔大小的各项取值分别对应的各项净化后空气的压力露点和湿度;
其中,所述数值选择机构还用于将各项净化后空气的湿度中最小值的湿度对应的设定双塔切换时长和再生节流孔大小作为优先工作时长对所述干燥净化装置进行设定双塔切换时长和再生节流孔大小的优化配置;
其中,主干燥塔体和次干燥塔体轮流进入吸附状态以执行对轨道所在环境的空气的干燥净化处理,主干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,次干燥塔体处于重置的再生状态,次干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,主干燥塔体处于重置的再生状态,主干燥塔体和次干燥塔体处于吸附状态的时长相等,都为设定的双塔切换时长,所述干燥净化装置还包括伺服阀,用于控制再生节流孔大小以实现对再生状态的其他的消耗。
第二实施例
图3为根据本发明的第二实施例示出的车辆用空气干燥净化装置的智能预测处理***的结构组成示意图。
如图3所示,与图2中的***不同,图3中的车辆用空气干燥净化装置的智能预测处理***还包括:
对象构建机构,与所述智能预测机构连接,用于对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构;
示例地,对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构包括:采用MATLAB工具箱实现对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构的仿真操作;
其中,对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构包括:学习的次数与偶数数值的倍数正向关联;
示例地,学习的次数与偶数数值的倍数正向关联包括:偶数数值的倍数为10,学习的次数为60,偶数数值的倍数为15,学习的次数为80,以及偶数数值的倍数为20,学习的次数为100;
其中,对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构还包括:对前馈神经网络执行的每一次学习中,将历史上某次已完成固定时长周期的干燥净化操作对应的已知的、采用某一设定双塔切换时长和某一再生节流孔大小运行干燥净化装置达到固定时长周期时轨道用气动装置的压力容器内部的净化后空气的压力露点和湿度作为前馈神经网络的输出信息,将执行历史上某次干燥净化操作之前轨道车辆所在环境的各项环境数据、设定双塔切换时长、再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为前馈神经网络的输入信息,执行对所述前馈神经网络的该次学习。
第三实施例
相比较于图2中的***,根据本发明的第三实施例示出的车辆用空气干燥净化装置的智能预测处理***还包括:
加热控制组件,包括两个加热元件,分别设置在主进气开口、主出气开口、次进气开口和次出气开口四处,用于执行对主进气开口、主出气开口、次进气开口和次出气开口四处的加热处理;
示例地,所述两个加热元件中的每一个加热元件为接触式加热元件或者为非接触式加热元件。
第四实施例
相比较于图2中的***,根据本发明的第四实施例示出的车辆用空气干燥净化装置的智能预测处理***还包括:
监控组件,包括压力传感器以及流量计,所述压力传感器用于监控双塔压力变化并根据双塔切换时长切换要监控的双塔中的单个塔体,所述流量计用于监控空气流量以确认再生节流孔大小变化状态。
第五实施例
相比较于第四实施例中的***,根据本发明的第五实施例示出的车辆用空气干燥净化装置的智能预测处理***还包括:
数据收集与处理组件,与监控组件连接,用于接收每一时间戳对应的监控信号并进行处理以获得每一时间戳对应的工作状态数据,所述监控信号为压力传感器以及流量计的输出信号。
第六实施例
相比较于第五实施例中的***,根据本发明的第六实施例示出的车辆用空气干燥净化装置的智能预测处理***还包括:
网络传输组件,与所述数据收集与处理组件连接,用于将获得的每一时间戳对应的监控信号对应的工作状态数据并通过无线网络通信链路无线发送给远端的轨道管理服务器;
示例地,所述网络传输组件基于时分双工通信接口或者频分双工通信接口,用于将获得的每一时间戳对应的监控信号并通过无线网络通信链路无线发送给远端的轨道管理服务器。
接着,将对本发明的各个实施例进行进一步说明如下。
在上述实施例的任一实施例中,可选地,在所述车辆用空气干燥净化装置的智能预测处理***中:
采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数包括:将轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为所述AI预测模型的输入信息;
其中,采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数还还包括:运行所述AI预测模型以获得所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度;
示例地,运行所述AI预测模型以获得所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度包括:采用数值仿真模式执行运行所述AI预测模型以获得所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度的操作。
以及在上述实施例的任一实施例中,可选地,在所述车辆用空气干燥净化装置的智能预测处理***中:
所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔包括:所述主干燥塔体内部分别依次设置第一油水分离器、第一下滤网组件、第一干燥剂和第一上滤网组件;
其中,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔包括:所述次干燥塔体内部分别依次设置第二油水分离器、第二下滤网组件、第二干燥剂和第二上滤网组件;
示例地,第二油水分离器、第二下滤网组件、第二干燥剂和第二上滤网组件分别与第一油水分离器、第一下滤网组件、第一干燥剂和第一上滤网组件的结构相同;
其中,所述主干燥塔体内部分别依次设置第一油水分离器、第一下滤网组件、第一干燥剂和第一上滤网组件包括:第一下滤网组件设置在第一油水分离器上,第一上滤网组件设置在主出气开口处,主进气开口与第一油水分离器连通;
其中,所述次干燥塔体内部分别依次设置第二油水分离器、第二下滤网组件、第二干燥剂和第二上滤网组件包括:第二下滤网组件设置在第二油水分离器上,第二上滤网组件设置在主出气开口处,主进气开口与第二油水分离器连通。
第七实施例
根据本发明的第七实施例示出的车辆用空气干燥净化装置的智能预测处理***的使用方法具体包括以下步骤:
步骤1:使用干燥净化装置,用于执行对轨道用气动装置的动力气体的干燥净化处理,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔,轨道所在环境的空气进入干燥净化装置的进气孔,干燥净化装置对轨道所在环境的空气完成干燥净化后的净化气体通过出气孔作为动力气体直接排出到干燥净化装置外部的轨道用气动装置;
具体地,上述干燥净化装置的内部部件和相互连接关系的设置搭建了后续执行优化配置参数智能解析的硬件基础,其中,所述主干燥塔体和所述次干燥塔体都为竖直安装的设置模式,进气孔的孔口半径和出气孔的孔口半径相等;
步骤2:使用环境采集机构,用于采集轨道车辆所在环境和净化后空气的各项环境数据,轨道车辆所在环境的各项环境数据包括轨道车辆所在环境的空气温度、空气湿度以及空气气压,净化后空气的各项环境数据包括净化后空气的压力露点和湿度;
例如,可以采用多个不同类型的传感器用于分别采集轨道所在环境的空气温度、空气湿度、空气气压以及轨道温度;
示例地,可以采用第一传感器用于采集轨道所在环境的空气温度,可以采用第二传感器用于采集轨道所在环境的空气湿度,可以采用第三传感器用于采集轨道所在环境的空气气压,以及可以采用第四传感器用于采集轨道所在环境的轨道温度;
步骤3:使用配置提取机构,用于提取主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积;
步骤4:使用智能预测机构,分别与所述环境采集机构以及所述配置提取机构连接,用于采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数;
例如,采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度包括:可以采用数值仿真模式完成每一次使用AI预测模型执行的智能预测操作的模拟和仿真;
步骤5:使用数值选择机构,与所述智能预测机构连接,用于遍历设定工作时长的各项取值以分别采用AI预测模型执行各次对应的智能预测处理,以获得遍历的设定双塔切换时长和再生节流孔大小的各项取值分别对应的各项净化后空气的压力露点和湿度;
其中,所述数值选择机构还用于将各项净化后空气的湿度中最小值的湿度对应的设定双塔切换时长和再生节流孔大小作为优先工作时长对所述干燥净化装置进行设定双塔切换时长和再生节流孔大小的优化配置;
其中,主干燥塔体和次干燥塔体轮流进入吸附状态以执行对轨道所在环境的空气的干燥净化处理,主干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,次干燥塔体处于重置的再生状态,次干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,主干燥塔体处于重置的再生状态,主干燥塔体和次干燥塔体处于吸附状态的时长相等,都为设定的双塔切换时长,所述干燥净化装置还包括伺服阀,用于控制再生节流孔大小以实现对再生状态的其他的消耗。
另外,在根据本发明示出的车辆用空气干燥净化装置的智能预测处理***中:
将轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为所述AI预测模型的输入信息包括:在将轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积并行输入到所述AI预测模型之前,对轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积分别执行数值归一化处理;
其中,运行所述AI预测模型以获得所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度包括:所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度为数值归一化处理后的表示形式。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/电子设备/计算机可读存储介质/计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种车辆用空气干燥净化装置的智能预测处理***,其用于执行对轨道用气动装置的动力气体的干燥净化处理,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔,轨道所在环境的空气进入干燥净化装置的进气孔,干燥净化装置对轨道所在环境的空气完成干燥净化后的净化气体通过出气孔作为动力气体直接排出到干燥净化装置外部的轨道用气动装置,其特征在于,所述智能预测处理***包括:
环境采集机构,用于采集轨道车辆所在环境和净化后空气的各项环境数据,轨道车辆所在环境的各项环境数据包括轨道车辆所在环境的空气温度、空气湿度以及空气气压,净化后空气的各项环境数据包括净化后空气的压力露点和湿度;
配置提取机构,用于提取主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道车辆用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积;
智能预测机构,分别与所述环境采集机构以及所述配置提取机构连接,用于采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数;
数值选择机构,与所述智能预测机构连接,用于遍历设定工作时长的各项取值以分别采用AI预测模型执行各次对应的智能预测处理,以获得遍历的设定双塔切换时长和再生节流孔大小的各项取值分别对应的各项净化后空气的压力露点和湿度;
其中,所述数值选择机构还用于将各项净化后空气的湿度中最小值的湿度对应的设定双塔切换时长和再生节流孔大小作为优先工作时长对所述干燥净化装置进行设定双塔切换时长和再生节流孔大小的优化配置;
其中,主干燥塔体和次干燥塔体轮流进入吸附状态以执行对轨道所在环境的空气的干燥净化处理,主干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,次干燥塔体处于重置的再生状态,次干燥塔体处于执行对轨道所在环境的空气的干燥净化处理的吸附状态时,主干燥塔体处于重置的再生状态,主干燥塔体和次干燥塔体处于吸附状态的时长相等,都为设定的双塔切换时长,所述干燥净化装置还包括伺服阀,用于控制再生节流孔大小以实现对再生状态的其他的消耗。
2.如权利要求1所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于,所述智能预测处理***还包括:
对象构建机构,与所述智能预测机构连接,用于对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构;
其中,对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构包括:学习的次数与偶数数值的倍数正向关联;
其中,对前馈神经网络执行预设次数的各次学习以获得完成各次学习后的前馈神经网络并作为AI预测模型发送给所述智能预测机构还包括:对前馈神经网络执行的每一次学习中,将历史上某次已完成固定时长周期的干燥净化操作对应的已知的、采用某一设定双塔切换时长和某一再生节流孔大小运行干燥净化装置达到固定时长周期时轨道用气动装置的压力容器内部的净化后空气的压力露点和湿度作为前馈神经网络的输出信息,将执行历史上某次干燥净化操作之前轨道车辆所在环境的各项环境数据、设定双塔切换时长、再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为前馈神经网络的输入信息,执行对所述前馈神经网络的该次学习。
3.如权利要求2所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于,所述智能预测处理***还包括:
加热控制组件,包括两个加热元件,分别设置在主进气开口和次进气开口两处,用于执行对主进气开口和次进气开口两处的加热处理。
4.如权利要求2所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于,所述智能预测处理***还包括:
监控组件,包括压力传感器以及流量计,所述压力传感器用于监控双塔压力变化并根据双塔切换时长切换要监控的双塔中的单个塔体,所述流量计用于监控空气流量以确认再生节流孔大小变化状态。
5.如权利要求4所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于,所述智能预测处理***还包括:
压缩编码组件,与视觉监控组件连接,用于对接收到的每一时间戳对应的监控画面进行压缩编码处理以获得每一时间戳对应的监控画面对应的压缩编码数据,数据收集与处理组件,与监控组件连接,用于接收每一时间戳对应的监控信号并进行处理以获得每一时间戳对应的工作状态数据,所述监控信号为所述压力传感器以及所述流量计的输出信号。
6.如权利要求5所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于,所述智能预测处理***还包括:
网络传输组件,与所述数据收集与处理组件连接,用于将获得的每一时间戳对应的监控信号对应的工作状态数据并通过无线网络通信链路无线发送给远端的轨道管理服务器。
7.如权利要求2-6任一所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于:
采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数包括:将轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积作为所述AI预测模型的输入信息;
其中,采用AI预测模型基于轨道车辆所在环境的各项环境数据、设定双塔切换时长和再生节流孔大小、主进气开口、主出气开口、次进气开口和次出气开口四处的气体湿度、轨道用气动装置的压力容器容积以及工作压力和主干燥塔体的塔体容积智能预测采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度,所述固定时长周期为所述设定双塔切换时长的偶数数值的倍数还包括:运行所述AI预测模型以获得所述AI预测模型输出的采用设定双塔切换时长和再生节流孔大小运行干燥净化装置达到固定时长周期时匹配相应再生节流孔使轨道用气动装置的压力容器内部达到的净化后空气压力露点和湿度。
8.如权利要求2-6任一所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于:
所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔包括:所述主干燥塔体内部分别依次设置第一油水分离器、第一下滤网组件、第一干燥剂和第一上滤网组件;
其中,所述干燥净化装置包括并排设置的主干燥塔体和次干燥塔体,主干燥塔体和次干燥塔体的结构相同,主干燥塔体依次设有主进气开口和主出气开口,次干燥塔体依次设有次进气开口和次出气开口,主进气开口和次进气开口之间设有进气换向阀,进气换向阀设有进气孔,主出气开口与次出气开口之间设有出气止回阀,出气止回阀设有出气孔包括:所述次干燥塔体内部分别依次设置第二油水分离器、第二下滤网组件、第二干燥剂和第二上滤网组件。
9.如权利要求8所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于:
所述主干燥塔体内部分别依次设置第一油水分离器、第一下滤网组件、第一干燥剂和第一上滤网组件包括:第一下滤网组件设置在第一油水分离器上,第一上滤网组件设置在主出气开口处,主进气开口与第一油水分离器连通。
10.如权利要求9所述的车辆用空气干燥净化装置的智能预测处理***,其特征在于:
所述次干燥塔体内部分别依次设置第二油水分离器、第二下滤网组件、第二干燥剂和第二上滤网组件包括:第二下滤网组件设置在第二油水分离器上,第二上滤网组件设置在主出气开口处,主进气开口与第二油水分离器连通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310751806.3A CN116617830B (zh) | 2023-06-25 | 2023-06-25 | 车辆用空气干燥净化装置的智能预测处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310751806.3A CN116617830B (zh) | 2023-06-25 | 2023-06-25 | 车辆用空气干燥净化装置的智能预测处理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116617830A CN116617830A (zh) | 2023-08-22 |
CN116617830B true CN116617830B (zh) | 2023-11-07 |
Family
ID=87621347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310751806.3A Active CN116617830B (zh) | 2023-06-25 | 2023-06-25 | 车辆用空气干燥净化装置的智能预测处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116617830B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102580482A (zh) * | 2012-03-14 | 2012-07-18 | 杭州汉克净化设备有限公司 | 无热吸附式压缩空气干燥机的智能化零压差切换装置 |
CN106227038A (zh) * | 2016-07-29 | 2016-12-14 | 中国人民解放军信息工程大学 | 基于神经网络和模糊控制的粮食烘干塔智能控制方法 |
CN106882176A (zh) * | 2017-03-03 | 2017-06-23 | 湖南铁道职业技术学院 | 机车风源***及其风源净化装置的控制组件和控制方法 |
CN108697969A (zh) * | 2016-02-24 | 2018-10-23 | 阿特拉斯·科普柯空气动力股份有限公司 | 用于调节吸附式干燥器的再生时间的方法以及实现这种方法的吸附式干燥器 |
CN109631382A (zh) * | 2018-11-20 | 2019-04-16 | 章礼道 | 高灵敏度温度湿度计实时闭环控制的ai空调*** |
CN110090533A (zh) * | 2019-04-30 | 2019-08-06 | 南京中车浦镇海泰制动设备有限公司 | 一种轨道交通用无热再生双塔干燥器 |
CN110302635A (zh) * | 2019-06-25 | 2019-10-08 | 中车工业研究院有限公司 | 轨道车辆用空气干燥净化装置 |
CN111036044A (zh) * | 2019-12-10 | 2020-04-21 | 江西艾维斯机械有限公司 | 一种基于深度强化学习的零耗气吸附式干燥机的控制方法 |
CN111760424A (zh) * | 2020-07-06 | 2020-10-13 | 艾感科技(广东)有限公司 | 一种用于微型空气监测站的进气干燥过滤*** |
CN111795447A (zh) * | 2020-07-17 | 2020-10-20 | 韶关市诚湃新能源科技有限公司 | 一种基于大数据的空气净化机及空气质量分析方法 |
CN113566557A (zh) * | 2021-07-28 | 2021-10-29 | 国家粮食和物资储备局科学研究院 | 一种基于深度神经网络的粮食干燥机智能控制方法 |
KR102409412B1 (ko) * | 2021-12-10 | 2022-06-15 | 한화시스템 주식회사 | 레이다용 공기건조장비 고장시점 예측장치 및 방법 |
KR20220111047A (ko) * | 2021-02-01 | 2022-08-09 | (주)제넥 | 폐루프 회로로 구현되는 흡착식 제습장치 및 그 제습방법 |
CN116126064A (zh) * | 2021-02-02 | 2023-05-16 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 用于温湿度控制的内置深度强化学习模型的智能控制单元 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102058156B1 (ko) * | 2019-03-21 | 2019-12-20 | 주식회사 케이디이앤에스 | 유량 의존 스위칭 방식의 스마트 제습장치 및 제습방법 |
-
2023
- 2023-06-25 CN CN202310751806.3A patent/CN116617830B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102580482A (zh) * | 2012-03-14 | 2012-07-18 | 杭州汉克净化设备有限公司 | 无热吸附式压缩空气干燥机的智能化零压差切换装置 |
CN108697969A (zh) * | 2016-02-24 | 2018-10-23 | 阿特拉斯·科普柯空气动力股份有限公司 | 用于调节吸附式干燥器的再生时间的方法以及实现这种方法的吸附式干燥器 |
CN106227038A (zh) * | 2016-07-29 | 2016-12-14 | 中国人民解放军信息工程大学 | 基于神经网络和模糊控制的粮食烘干塔智能控制方法 |
CN106882176A (zh) * | 2017-03-03 | 2017-06-23 | 湖南铁道职业技术学院 | 机车风源***及其风源净化装置的控制组件和控制方法 |
CN109631382A (zh) * | 2018-11-20 | 2019-04-16 | 章礼道 | 高灵敏度温度湿度计实时闭环控制的ai空调*** |
CN110090533A (zh) * | 2019-04-30 | 2019-08-06 | 南京中车浦镇海泰制动设备有限公司 | 一种轨道交通用无热再生双塔干燥器 |
CN110302635A (zh) * | 2019-06-25 | 2019-10-08 | 中车工业研究院有限公司 | 轨道车辆用空气干燥净化装置 |
CN111036044A (zh) * | 2019-12-10 | 2020-04-21 | 江西艾维斯机械有限公司 | 一种基于深度强化学习的零耗气吸附式干燥机的控制方法 |
CN111760424A (zh) * | 2020-07-06 | 2020-10-13 | 艾感科技(广东)有限公司 | 一种用于微型空气监测站的进气干燥过滤*** |
CN111795447A (zh) * | 2020-07-17 | 2020-10-20 | 韶关市诚湃新能源科技有限公司 | 一种基于大数据的空气净化机及空气质量分析方法 |
KR20220111047A (ko) * | 2021-02-01 | 2022-08-09 | (주)제넥 | 폐루프 회로로 구현되는 흡착식 제습장치 및 그 제습방법 |
CN116126064A (zh) * | 2021-02-02 | 2023-05-16 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 用于温湿度控制的内置深度强化学习模型的智能控制单元 |
CN113566557A (zh) * | 2021-07-28 | 2021-10-29 | 国家粮食和物资储备局科学研究院 | 一种基于深度神经网络的粮食干燥机智能控制方法 |
KR102409412B1 (ko) * | 2021-12-10 | 2022-06-15 | 한화시스템 주식회사 | 레이다용 공기건조장비 고장시점 예측장치 및 방법 |
Non-Patent Citations (1)
Title |
---|
"基于人工神经网络的空调房间热环境参数的优化组合";彭时霖;《中国优秀硕士学位论文全文数据库》(第11期);C038-21 * |
Also Published As
Publication number | Publication date |
---|---|
CN116617830A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102072829B (zh) | 一种面向钢铁连铸设备的故障预测方法及装置 | |
CN108680244B (zh) | 一种旋转机械振动无线监测装置及方法 | |
CN104122834A (zh) | 一种无热吸附空气干燥机的控制方法及装置 | |
CN109709260A (zh) | 一种scr脱硝催化剂的全寿命管理方法 | |
CN103743436A (zh) | 可遥控环境监控***及实现环境巡检和***巡检的方法 | |
CN116617830B (zh) | 车辆用空气干燥净化装置的智能预测处理*** | |
CN110320332A (zh) | 一种平衡式废气在线检测*** | |
CN209858539U (zh) | 一种环境空气、异味恶臭类及voc气体监测*** | |
CN112557621A (zh) | 一种瓦斯气体成分监测及报警装置 | |
CN204177642U (zh) | 一种带自动反吹功能的便携烟气取样处理*** | |
CN206535383U (zh) | 一种压缩空气干燥吸附装置 | |
CN111443044A (zh) | 多水质参数与全光谱扫描交互确认水质监测预警*** | |
CN101839959A (zh) | Sf6设备电气故障定位方法和装置 | |
CN213780031U (zh) | 一种变压器油中溶解气体在线监测装置 | |
CN106771078A (zh) | 一种界面二氧化碳交换通量连续自动测定装置 | |
CN106837768A (zh) | 一种空气压缩机能效在线检测评估***及方法 | |
CN109991902A (zh) | 一种高原高海拔集中供氧远程控制*** | |
CN211014221U (zh) | 网格法烟气采样在线监测*** | |
KR102562025B1 (ko) | 자가진단이 가능한 ai 소규모 수도시설 소형 정수 시스템 및 방법 | |
CN205538888U (zh) | 一种污染气体排放连续监测设备 | |
CN113976090B (zh) | 一种集中式自诊断真空脱附装置及其使用方法 | |
CN108009514B (zh) | 球磨机料位预测方法 | |
CN112882387B (zh) | 一种袋式除尘器的控制策略设计方法 | |
CN109668281A (zh) | 一种基于nb-iot的除甲醛新风*** | |
CN212722711U (zh) | 一种基于电化学传感器的气体在线监测装置 |
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 |