CN117662450B - 一种水泵流体流量确定方法及*** - Google Patents
一种水泵流体流量确定方法及*** Download PDFInfo
- Publication number
- CN117662450B CN117662450B CN202410122158.XA CN202410122158A CN117662450B CN 117662450 B CN117662450 B CN 117662450B CN 202410122158 A CN202410122158 A CN 202410122158A CN 117662450 B CN117662450 B CN 117662450B
- Authority
- CN
- China
- Prior art keywords
- water pump
- flow
- expression
- power
- control system
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000012530 fluid Substances 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 238000011056 performance test Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明实施例涉及一种水泵流体流量确定方法及***,该方法包括:通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征;其中,所述流量表达特征包括表达项特征及其对应的系数特征;通过计算机将所述流量表达特征导入水泵控制***;通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值;通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量。本发明实施例实现了水泵控制***中MCU的运算负荷,同时提高流量的计算准确度。
Description
技术领域
本发明涉及水泵技术领域,尤其涉及一种水泵流体流量确定方法及***。
背景技术
现有针对水泵流体流量计算的方法,有使用查表法的,这种方法对水泵控制***中的微处理器(MCU)的存储大小有一定的要求。水泵泵体内流体流量计算的方法还有基于神经网络模型递归算法的,但是在MCU端布置神经网络模型对MCU的算力有较高要求,会使水泵的成本升高。
现有针对水泵流体流量计算的方法,查表法需要占用MCU的存储空间,且计算不够准确,而神经网络模型计算量大,对MCU的要求较高。
发明内容
本发明提供一种水泵流体流量确定方法及***,目的在于减少水泵控制***中MCU的运算负荷,同时提高流量的计算准确度。
第一方面,本发明实施例提供了一种水泵流体流量确定方法,包括:
通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征;其中,所述流量表达特征包括表达项特征及其对应的系数特征;
通过计算机设备将所述流量表达特征导入水泵控制***;
通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值;
通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量。
第二方面,本发明实施例提供了一种水泵流体流量确定***,包括:
计算机设备和水泵控制***,两者均包括处理器及存储有程序的存储器;
所述计算机设备的所述程序使得所述计算机设备执行本发明任意实施例提供的水泵流体流量确定方法中计算机设备执行的相应步骤;
所述水泵控制***的所述程序使得所述水泵控制***执行:
本发明任意实施例提供的水泵流体流量确定方法中水泵控制***执行的相应步骤。
本发明实施例提供的一种水泵流体流量确定方法及***,通过计算机设备把水泵的相关运行数据预处理后,得出流量表达特征并导入水泵控制***,由水泵控制***利用流量表达特征计算流量,解决了现有技术中水泵控制***采用查表法时占用存储空间且计算不够准确,采用神经网络算法运算负荷大,MUC成本较高的问题,实现了水泵控制***中MCU的运算负荷,同时提高流量的计算准确度。
附图说明
图1为本发明实施例一提供的一种水泵流体流量确定方法的流程图;
图2为本发明实施例二提供的一种水泵流体流量确定***的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种水泵流体流量确定方法的流程图,本实施例可适用于水泵运行中通过水泵控制***计算当前流量的情况,该方法可以由水泵流体流量确定***来执行,该***中计算机设备和水泵控制***信号连接,该方法具体包括:
步骤110、通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征。
其中,水泵在多组转速和功率下的流量可以是预先运行水泵然后实际测量得到的,然后通过计算机设备进行存储,数据可以以表格等形式进行存储,例如,每个表格将同一组的转速、功率和流量放在同一行,每组数据放在不同的行。计算机设备利用存储的多组转速和功率下的流量,基于神经网络模型迭代运算,得到转速和功率两者与对应的流量之间的特征,确定出基于转速和功率的流量表达特征。所述流量表达特征包括表达项特征及其对应的系数特征。表达项特征是转速和功率的N阶项,系数特征是与表达项特征一一对应的系数值。
步骤120、通过计算机设备将所述流量表达特征导入水泵控制***。
其中,计算机设备和水泵控制***信号连接,将流量表达特征导入水泵控制***,以便水泵运行时,单独通过水泵控制***即可完成流量计算。水泵控制***包括MCU和相连接的传感器,传感器用于检索母线电压、电流、转速、温度等数据。水泵控制***中仅需存储流量表达特征,占据的存储空间非常小。
步骤130、通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值。
其中,将水泵控制***获取到的当前功率和当前转速根据表达项特征计算出对应的表达项特征值。
步骤140、通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量。
其中,将水泵控制***中存储的系数特征和对应的表达项特征值相乘并取和,得到水泵的当前流量。本实施例的方案水泵控制***的MCU计算量也较小,利于提高流量计算的实时性。
本实施例的技术方案,通过计算机设备把水泵的相关运行数据预处理后,得出流量表达特征并导入水泵控制***,由水泵控制***利用流量表达特征计算流量,解决了现有技术中水泵控制***采用查表法时占用存储空间且计算不够准确,采用神经网络算法运算负荷大,MUC成本较高的问题,实现了水泵控制***中MCU的运算负荷,同时提高流量的计算准确度。
在上述技术方案的基础上,其中一种实现方式,所述通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征,可以包括:
通过计算机设备基于神经网络模型,根据多组转速和功率的数据对转速和功率/>进行N阶多项式升维,设置流量公式/>;其中,()为所述表达项特征,(/>)为所述系数特征;
所述神经网络模型调整多项式阶数N,进行迭代计算使得收敛,得到所述表达项特征和所述系数特征;其中,/>为所述流量,/>为/>对应的流量计算值。
其中,计算机设备相对水泵控制***的MCU具备更强的运算能力,计算机设备利用采集的水泵数据(功率、转速、流量等)导入计算机设备之后进行迭代计算,确定流量表达特征。
在上述技术方案的基础上,其中一种实现方式,在所述通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征之前,还包括:
通过所述计算机设备获取利用水泵性能测试台采集的水泵的多组转速()、功率(/>)及流量(/>),构成采样数据。其中,可以利用水泵性能测试台采集水泵的数据,水泵性能测试台是一种测试水泵运行状态的测试设备,可以为水泵提供电源,提供输水线路,并检测水泵的运行数据(功率、转速、流量等)传输至计算机设备。通常为流量计算的精度,数据采样组合量要大一些,由于采用计算机设备预先处理采样的水泵数据,不会因为运算能力和运算时间问题影响水泵计算实时流量。并且,可以考虑水泵在工作中最常使用的转速、功率的范围,对使用较多的转速区间和功率区间增加采样数量,以便流量表达特征更符合水泵工作中转速、功率对流量的映射关系。
在上述技术方案的基础上,其中一种实现方式,利用水泵性能测试台采集水泵的多组转速、功率及流量,构成采样数据,包括:
采用定阀门开度,变转速的方式改变流量;其中,将阀门开度设定n1、n2、n3...等份,将水泵转速设定r1、r2、r3...等份;
依次将阀门开度开到n1、n2、n3...,并在每个开度内依次调节转速r1、r2、r3...,每次调节转速后记录当前水泵的转速、功率及流量;
将记录的数据保存为表格,构成所述采样数据。
其中,阀门是水泵的输水线路上设置的可控阀门。
在上述技术方案的基础上,其中一种实现方式,所述通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值,包括:
通过所述水泵控制***,利用所述表达项特征,根据水泵的当前转速和当前功率,得到每个表达项特征的表达项特征值()。
其中,将水泵的当前转速和当前功率代入每个表达项特征,然后得出当前转速和当前功率下,每个表达项特征的表达项特征值。
在上述技术方案的基础上,其中一种实现方式,所述通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量,包括:
通过所述水泵控制***利用流量计算公式:,计算水泵的当前流量,其中,/>为所述系数特征,/>为对应的所述表达项特征值。
其中,将计算机设备得到的系数特征()导入到水泵的MCU中进行流量F计算,减轻MCU的计算量,选用更低成本的MCU即可实现较高精度的流量计算。
实施例二
图2为本发明实施例二提供的一种水泵流体流量确定***的结构示意图,如图2所示,该水泵流体流量确定***,包括:一种水泵流体流量确定***,包括:
计算机设备和水泵控制***,两者均包括处理器及存储有程序的存储器;
所述计算机设备的所述程序使得所述计算机设备执行:
基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征;其中,所述流量表达特征包括表达项特征及其对应的系数特征;
将所述流量表达特征导入所述水泵控制***;
所述水泵控制***的所述程序使得所述水泵控制***执行:
通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值;
通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量。
在上述技术方案的基础上,其中一种实现方式,所述计算机设备的所述程序使得所述计算机设备执行:基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征,包括:
基于神经网络模型,根据多组转速和功率的数据对转速和功率/>进行N阶多项式升维,设置流量公式/>;其中,(/>)为所述表达项特征,(/>)为所述系数特征;
所述神经网络模型调整多项式阶数N,进行迭代计算使得收敛,得到所述表达项特征和所述系数特征;其中,/>为所述流量,/>为/>对应的流量计算值。
在上述技术方案的基础上,其中一种实现方式,所述计算机设备的所述程序使得所述计算机设备执行:在基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征之前,还包括:
获取利用水泵性能测试台采集的水泵的多组转速()、功率(/>)及流量(/>),构成采样数据。
在上述技术方案的基础上,其中一种实现方式,利用水泵性能测试台采集水泵的多组转速、功率及流量,构成采样数据,包括:
采用定阀门开度,变转速的方式改变流量;其中,将阀门开度设定n1、n2、n3...等份,将水泵转速设定r1、r2、r3...等份;
依次将阀门开度开到n1、n2、n3...,并在每个开度内依次调节转速r1、r2、r3...,每次调节转速后记录当前水泵的转速、功率及流量;
将记录的数据保存为表格,构成所述采样数据。
在上述技术方案的基础上,其中一种实现方式,所述通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值,包括:
通过所述水泵控制***,利用所述表达项特征,根据水泵的当前转速和当前功率,得到每个表达项特征的表达项特征值()。
在上述技术方案的基础上,其中一种实现方式,所述通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量,包括:
通过所述水泵控制***利用流量计算公式:,计算水泵的当前流量,其中,/>为所述系数特征,/>为对应的所述表达项特征值。
本发明实施例所提供的水泵流体流量确定***可执行本发明任意实施例所提供的水泵流体流量确定方法,具备执行方法相应的功能模块和有益效果。
虽然,上文中已经用一般性说明、具体实施方式及试验,对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.一种水泵流体流量确定方法,其特征在于,包括:
通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征;其中,所述流量表达特征包括表达项特征及其对应的系数特征;
通过计算机设备将所述流量表达特征导入水泵控制***;
通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值;
通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量;
其中,所述通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征,包括:
通过计算机设备基于神经网络模型,根据多组转速和功率的数据对转速和功率进行N阶多项式升维,设置流量公式/>;其中,为所述表达项特征,/>为所述系数特征;
所述神经网络模型调整多项式阶数N,进行迭代计算使得收敛,得到所述表达项特征和所述系数特征;其中,/>为所述流量,/>为/>对应的流量计算值。
2.根据权利要求1所述的方法,其特征在于,在所述通过计算机设备基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征之前,还包括:
通过所述计算机设备获取利用水泵性能测试台采集的水泵的多组转速、功率/>及流量/>,构成采样数据。
3.根据权利要求2所述的方法,其特征在于,利用水泵性能测试台采集水泵的多组转速、功率及流量,构成采样数据,包括:
采用定阀门开度,变转速的方式改变流量;其中,将阀门开度设定n1、n2、n3...等份,将水泵转速设定r1、r2、r3...等份;
依次将阀门开度开到n1、n2、n3...,并在每个开度内依次调节转速r1、r2、r3...,每次调节转速后记录当前水泵的转速、功率及流量;
将记录的数据保存为表格,构成所述采样数据。
4.根据权利要求1所述的方法,其特征在于,所述通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值,包括:
通过所述水泵控制***,利用所述表达项特征,根据水泵的当前转速和当前功率,得到每个表达项特征的表达项特征值。
5.根据权利要求4所述的方法,其特征在于,所述通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量,包括:
通过所述水泵控制***利用流量计算公式:,计算水泵的当前流量,其中,/>为所述系数特征,/>为对应的所述表达项特征值。
6.一种水泵流体流量确定***,其特征在于,包括:
计算机设备和水泵控制***,两者均包括处理器及存储有程序的存储器;
所述计算机设备的所述程序使得所述计算机设备执行:
基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征;其中,所述流量表达特征包括表达项特征及其对应的系数特征;
将所述流量表达特征导入所述水泵控制***;
所述水泵控制***的所述程序使得所述水泵控制***执行:
通过所述水泵控制***根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值;
通过所述水泵控制***根据所述表达项特征值和所述系数特征,确定水泵的当前流量;
其中,所述计算机设备的所述程序使得所述计算机设备执行:基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征,包括:
基于神经网络模型,根据多组转速和功率的数据对转速和功率/>进行N阶多项式升维,设置流量公式/>;其中,为所述表达项特征,/>为所述系数特征;
所述神经网络模型调整多项式阶数N,进行迭代计算使得收敛,得到所述表达项特征和所述系数特征;其中,/>为所述流量,/>为/>对应的流量计算值。
7.根据权利要求6所述的***,其特征在于,所述计算机设备的所述程序使得所述计算机设备执行:在基于神经网络模型,根据水泵在多组转速和功率下的流量,确定基于转速和功率的流量表达特征之前,还包括:
获取利用水泵性能测试台采集的水泵的多组转速、功率及流量/>,构成采样数据。
8.根据权利要求7所述的***,其特征在于,利用水泵性能测试台采集水泵的多组转速、功率及流量,构成采样数据,包括:
采用定阀门开度,变转速的方式改变流量;其中,将阀门开度设定n1、n2、n3...等份,将水泵转速设定r1、r2、r3...等份;
依次将阀门开度开到n1、n2、n3...,并在每个开度内依次调节转速r1、r2、r3...,每次调节转速后记录当前水泵的转速、功率及流量;
将记录的数据保存为表格,构成所述采样数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410122158.XA CN117662450B (zh) | 2024-01-30 | 2024-01-30 | 一种水泵流体流量确定方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410122158.XA CN117662450B (zh) | 2024-01-30 | 2024-01-30 | 一种水泵流体流量确定方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117662450A CN117662450A (zh) | 2024-03-08 |
CN117662450B true CN117662450B (zh) | 2024-05-03 |
Family
ID=90068304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410122158.XA Active CN117662450B (zh) | 2024-01-30 | 2024-01-30 | 一种水泵流体流量确定方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117662450B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846144A (zh) * | 2018-03-30 | 2018-11-20 | 同济大学 | 一种不依赖于流量计的管路流量在线检测方法 |
CN111368374A (zh) * | 2020-03-03 | 2020-07-03 | 上海辛格林纳新时达电机有限公司 | 水泵参数的计算方法、***、服务器、存储介质 |
CN113958516A (zh) * | 2021-08-18 | 2022-01-21 | 华能曲阜热电有限公司 | 一种循环水泵循环水流量的测量方法及设备 |
CN113987768A (zh) * | 2021-10-14 | 2022-01-28 | 陈婷 | 一种基于有功功率测量泵站流量的*** |
CN114109859A (zh) * | 2021-10-27 | 2022-03-01 | 中国计量大学 | 一种无流量传感的离心泵性能神经网络预测方法 |
-
2024
- 2024-01-30 CN CN202410122158.XA patent/CN117662450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846144A (zh) * | 2018-03-30 | 2018-11-20 | 同济大学 | 一种不依赖于流量计的管路流量在线检测方法 |
CN111368374A (zh) * | 2020-03-03 | 2020-07-03 | 上海辛格林纳新时达电机有限公司 | 水泵参数的计算方法、***、服务器、存储介质 |
CN113958516A (zh) * | 2021-08-18 | 2022-01-21 | 华能曲阜热电有限公司 | 一种循环水泵循环水流量的测量方法及设备 |
CN113987768A (zh) * | 2021-10-14 | 2022-01-28 | 陈婷 | 一种基于有功功率测量泵站流量的*** |
CN114109859A (zh) * | 2021-10-27 | 2022-03-01 | 中国计量大学 | 一种无流量传感的离心泵性能神经网络预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117662450A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107656206A (zh) | 基于特征温度和倍率的短时静置soc和开路电压估算方法 | |
CN102645571A (zh) | 一种检测电路及电子终端 | |
CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
CN105699904A (zh) | 一种电池电压的检测电路及电压检测方法 | |
CN109958573B (zh) | 风力发电机组的启停机控制方法和装置 | |
CN117662450B (zh) | 一种水泵流体流量确定方法及*** | |
CN112946482A (zh) | 一种基于模型的电池电压估算方法、装置、设备及存储介质 | |
CN113991149B (zh) | 燃料电池电堆进气温度测试方法、装置及存储介质 | |
WO2017032198A1 (zh) | 热敏打印机的打印控制方法、***及电子支付终端 | |
CN112443509B (zh) | 冷却风扇控制方法、装置、设备及存储介质 | |
CN109388858A (zh) | 基于头脑风暴优化算法的非线性传感器校正方法 | |
CN116298917A (zh) | 电池容量标定方法、电子设备及存储介质 | |
CN116826859A (zh) | 一种电源碳电协同规划方法、装置、设备及存储介质 | |
CN111472931A (zh) | 风力发电机及其控制方法和装置、计算机可读存储介质 | |
CN116430243A (zh) | 电芯soc的估计方法、装置、服务器及存储介质 | |
CN113447826B (zh) | 一种基于稳态等效电路模型的soc确定方法及装置 | |
CN116243783A (zh) | 芯片智能控制方法和相关装置及存储介质和计算机程序 | |
CN108825432A (zh) | 偏航控制方法和装置、计算机可读存储介质 | |
CN110705924B (zh) | 一种基于风向扇区的测风塔测风数据处理方法及装置 | |
CN112613155A (zh) | 风力发电机组理论功率的确定方法、装置及设备 | |
CN112731266B (zh) | 一种电能表现场校验非标条件下修正方法 | |
CN117691720B (zh) | 电芯均衡方法、装置、设备及存储介质 | |
CN116247242B (zh) | 燃料电池***的控制方法与装置 | |
CN117998448B (zh) | 无线网络质量数据采集方法及*** | |
CN117207946B (zh) | 一种增程器控制方法、装置、车辆及可读存储介质 |
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 |