买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：航天科工空天动力研究院(苏州)有限责任公司

摘要：本发明涉及一种空压站节能升级数字化控制系统，旨在提高能效和系统性能。该系统包括数据采集与分析模块、智能控制与预测模块和能量回收与再利用模块。数据采集与分析模块通过安装在空压站中的传感器收集运行状态数据和环境参数，这些数据通过数据传输单元发送至其他模块。智能控制与预测模块接收这些数据，并利用训练过的神经网络模型优化空压机的运行参数并预测潜在故障，从而实现对空压机运行状态的实时调整和预测性维护，减少停机时间和维修成本。能量回收与再利用模块则捕获并转换空压机排放的废热能量为热水或蒸汽，用于供暖和满足工业生产过程中的热能需求。该系统的集成应用不仅提高了能源利用效率，还增强了设备运行的可靠性和安全性。

主权项：1.一种空压站节能升级数字化控制系统，其特征在于，包括：数据采集与分析模块，包括传感器和数据传输单元，所述传感器部署于空压站中，用于监测空压站中空压机的运行状态数据和环境参数；并将传感器监测到的监测数据通过数据传输单元传输至智能控制与优化模块和预测性维护模块；智能控制与预测模块，用于接收所述数据采集与分析模块传输的监测数据；依据所述监测数据，通过使用一个训练过的神经网络模型，获得空压机的最佳运行参数，并预测空压机的潜在故障；根据获得的最佳运行参数，调整空压机的运行状态；根据识别出来的潜在故障，进行提前干预，以减少停机时间和维修成本；能量回收与再利用模块，用于捕获空压机排放的废热能量，并将捕获到的废热能量通过热交换器和热能转换技术转换为热水或者蒸汽，以满足供暖和工业生产过程中的热能需求；其中，所述神经网络模型包括基础特征提取层、胶囊网络和图卷积神经网络；所述基础特征提取层采用循环神经网络实现，用于对输入的监测数据进行特征提取，获得高级特征数据；所述胶囊网络包括基础特征输入层、主胶囊层和参数输出层；其中，所述基础特征输入层用于接收所述基础特征提取层提供的高级特征数据，并将所述高级特征数据转换为胶囊网络能够进一步处理的中间特征表示；所述主胶囊层包括多个胶囊，每个胶囊由一组神经元组成，通过迭代路由过程优化特征组合的权重，从而学习输入数据的局部特征和全局特征之间的复杂关系；所述主胶囊层用于接收来自基础特征输入层的中间特征表示，并使用多个胶囊对于所述中间特征表示进行动态路由处理，获得动态路由处理后的特征；所述参数输出层使用全连接网实现，用于从主胶囊层接收经过动态路由处理后的特征，将经过动态路由处理后的特征映射为空压机的最佳运行参数；并输出空压机的最佳运行参数；所述图卷积神经网络用于对接收所述基础特征提取层提供的高级特征数据进行处理，预测空压机的潜在故障；输出预测的潜在故障；其中，所述胶囊网络的主胶囊层使用动态路由算法调整胶囊间的连接权重，以提升在识别不同空压机运行模式时的准确性和鲁棒性；其中，所述胶囊网络包括初级胶囊和高级胶囊；所述初级胶囊是指由基础特征输入层输出的特征向量转换成的胶囊，每个初级胶囊用于编码输入数据的不同基本特征组合；所述高级胶囊用于接收来自初级胶囊的信息，并通过动态路由过程进行处理，以形成对更高层次特征的表示；所述动态路由算法包括以下步骤：初始化步骤S1：为初级胶囊到高级胶囊的每个可能连接设置初始连接权重；迭代更新步骤S2：对于高级胶囊，按照如下的公式1，计算其与所有初级胶囊的耦合系数： 对于高级胶囊，根据初级胶囊的输出向量，根据如下公式2计算其总输入向量： 对于高级胶囊，使用如下的公式3，计算其输出向量： 根据如下的公式4更新连接权重： 输出步骤S3：在完成指定的迭代次数后，输出每个高级胶囊的输出向量作为最终识别的特征表示，用于后续过程中空压机运行模式的精细识别；其中，所述神经网络模型使用损失函数联合训练所述胶囊网络和图卷积神经网络，所述损失函数如下面的公式5所示： 其中，为参数化损失；为预测性维护损失；为正则化项；、和为超参数，用于平衡不同损失部分的贡献；参数化损失如下面的公式6所示： 其中，表示第个预测的运行参数；表示第个实际的运行参数；是第个运行参数的权重；是运行参数的总和；预测性维护损失如下面的公式7所示： 其中，是潜在故障类型的总数；是第种故障类型预测的实例数量；是第种故障类型中第个实例的预测概率；表示第种故障类型中第个实例的预测发生时间；表示第种故障类型中第个实例的实际发生时间；是第种故障类型的权重；正则化项如下面的公式8所示： 其中，表示所述神经网络模型的模型参数。

全文数据：

权利要求：

百度查询： 航天科工空天动力研究院(苏州)有限责任公司 一种空压站节能升级数字化控制系统