【技術實現步驟摘要】
本專利技術涉及制冷，具體而言，尤其涉及一種基于機器學習的冰箱表面防結露控制方法。
技術介紹
1、在商用或家用冰箱的工作循環中，門框、面板等外表面出現結露現象已成為一個普遍且亟待解決的問題，此現象不僅威脅食品安全，還提高了日常維護保養負擔。為了應對這一問題，傳統做法是在易結露外表面的內側嵌入電熱絲，并維持其持續加熱狀態，旨在確保外表面溫度恒高于環境露點溫度，以此杜絕結露現象。然而，面對環境溫度與濕度的動態變化，露點溫度亦隨之波動，這導致傳統防結露技術往往矯枉過正，使得表面溫度遠高于露點溫度，不僅觸感溫熱甚至燙手，還引發了顯著的能源浪費。以商用廚房冰箱為例，傳統防結露技術的能耗占比高達冰箱總能耗的1/7至1/6，能源浪費顯著。
技術實現思路
1、根據上述
技術介紹
中提到的觸感溫熱及能源浪費的技術問題，而提供一種基于機器學習的冰箱表面防結露控制方法。本專利技術通過機器學習，構建冰箱表面溫度動態變化預測模型；并基于所建立的預測模型，調節電熱絲的加熱占空比參數，將表面溫度控制在略高于露點溫度的狹小區間內，既能有效地預防結露現象的發生，又能顯著降低能源消耗，從而達到低能耗與高精度控制的雙重目標。
2、本專利技術采用的技術手段如下：
3、一種基于機器學習的冰箱表面防結露控制方法，包括以下步驟：
4、模型建立階段：建立冰箱表面溫度動態變化預測模型ts；
5、學習階段：確定所述冰箱表面溫度動態變化預測模型ts中的全部系數，建立最終的冰箱表面溫度動態變化預
6、控制階段：將冰箱表面溫度控制在狹小的溫度區間[td+l,td+l+0.5]內，其中，td表示當前環境的露點溫度；l表示偏置常數；
7、所述冰箱表面溫度動態變化預測模型為：
8、ts＝f(ti,to,r,u)
9、其中，ts表示冰箱的表面溫度；ti表示冰箱的內部溫度；to表示外部環境溫度；u表示電熱絲的工作電壓；r表示電熱絲的加熱占空比，即：單位時間內，電熱絲通電時間的比率，0≤r≤100％。
10、進一步地，所述學習階段包括以下步驟：
11、步驟1.1：確定實驗參數；將冰箱表面溫度動態變化預測模型ts中的每個輸入參數設置為三水平，采用正交試驗，獲得l9(34)正交試驗表；
12、步驟1.2：數據采集；將所述l9(34)正交試驗表中的每一行參數，設置為冰箱的實際運行參數，在恒溫恒濕制冷實驗室中，經過一定時間的運行，待冰箱達到平衡態后，采集冰箱的表面溫度；
13、步驟1.3：基于采集到的表面溫度數據通過機器學習技術確定模型ts＝f(ti,to,r,u)中的所有系數，即確定冰箱的表面溫度動態變化預測模型。
14、進一步地，所述控制階段包括以下步驟：
15、步驟2.1：以一定的采樣頻率采集冰箱工作的實時數據，包括：冰箱的內部溫度ti、外部環境溫度to、外部環境的相對濕度ho以及電熱絲的工作電壓u；
16、步驟2.2：計算露點溫度；所述露點溫度通過magnus-tetens公式近似確定，即：
17、
18、其中，a＝17.27，b＝237.7℃；
19、步驟2.3：基于學習階段所建立的冰箱表面溫度動態變化預測模型，計算加熱絲的最佳加熱占空比r*，將冰箱表面溫度ts控制在狹小的溫度區間[td+i,td+l+0.5]內，使得冰箱表面溫度不低于露點溫度，進而防止出現結露現象；其中，l表示偏置常數；
20、步驟2.4：通過冰箱控制主板，按最佳加熱占空比r*，實現加熱絲的精準加熱。
21、進一步地，所述l9(34)正交試驗表為：
22、 試驗編號 <![cdata[內部溫度t<sub>i</sub>]]> <![cdata[環境溫度t<sub>o</sub>]]> 占空比r 電壓u 1 1 1 1 1 2 1 2 3 2 3 1 3 2 3 4 2 1 3 3 5 2 2 2 1 6 2 3 1 2 7 3 1 2 2 8 3 2 1 3 9 3 3 3 1
23、所述正交實驗表中的各參數的設置值，即數字1、2、3，表示每個參數的設置水平。
24、進一步地，所述平衡態為冰箱內部溫度ti、外部環境溫度to、電壓u、加熱占空比r和表面溫度ts均保持穩定的狀態，即在20分鐘內的變化幅度均不超過0.2。
25、進一步地，所述一定時間為4小時～5小時。
26、進一步地，所述冰箱表面溫度為冰箱表面溫度最低點的溫度。
27、進一步地，所述一定的采樣頻率為1～2秒。
28、較現有技術相比，本專利技術具有以下優點：...
【技術保護點】
1.一種基于機器學習的冰箱表面防結露控制方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述學習階段包括以下步驟：
3.根據權利要求1所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述控制階段包括以下步驟：
4.根據權利要求2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述L9(34)正交試驗表為：
5.根據權利要求2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述平衡態為冰箱內部溫度ti、外部環境溫度to、電壓u、加熱占空比r和表面溫度ts均保持穩定的狀態，即在20分鐘內的變化幅度均不超過0.2。
6.根據權利要求2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述一定時間為4小時～5小時。
7.根據權利要求1或2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述冰箱表面溫度為冰箱表面溫度最低點的溫度。
8.根據權利要求3所述的一種基于機器學習的冰箱表面防結露
...【技術特征摘要】
1.一種基于機器學習的冰箱表面防結露控制方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述學習階段包括以下步驟：
3.根據權利要求1所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述控制階段包括以下步驟：
4.根據權利要求2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所述l9(34)正交試驗表為：
5.根據權利要求2所述的一種基于機器學習的冰箱表面防結露控制方法，其特征在于，所...
【專利技術屬性】
技術研發人員：王鐵，黃學文，李季，王強，王峰，陳丁丁，趙升旭，何江海，馬俊，
申請(專利權)人：大連理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。