一种使用SVM回归算法预测空调机初始参数的方法与流程

一种使用svm回归算法预测空调机初始参数的方法
技术领域
1.本发明属于空调生产技术领域，特别是涉及一种使用svm回归算法预测空调机初始参数的方法。


背景技术：

2.空调参数调整是暖通领域内一项很有意义的研究课题，一台刚刚制作好的空调原型机可以调整的参数有冷媒种类，冷媒加注量，主阀开度，辅阀开度，主频率。一组适当的参数可以让机器达到或超越设计性能和设计能耗。回归预测就是常用的参数预测方法之一。回归预测把预测的相关性作为基础，把影响预测目标的各因素找出来，然后找出这些因素和预测目标之间的函数关系的近似表达，并用数学方法找出来。再利用收集的样本数据对模型进行参数估计，并对模型进行误差检验，如果模型确定，就可以使用。
3.回归预测是把预测的相关性作为基础，把影响预测目标的各个因素找出来，然后找出这些因素和预测目标之间的函数关系的近似表达，并用数学的方法找出来。
4.传统的回归方法对于数据的噪音要求高，泛化性能不佳，并且很难拟合复杂的概率分布模型。因此，提升回归模型的鲁棒性和泛化性能就是当前研究中的挑战。


技术实现要素：

5.本发明的目的在于提供一种使用svm回归算法预测空调机初始参数的方法，通过让机器运行在各种工况下，逐步添加冷媒，期间手动调整压缩机频率，主阀开度和辅阀开度，应用统计机器学习模型得到初始参数，解决了现有的空调测试效率低、研发人员容错率低的问题。
6.为解决上述技术问题，本发明是通过以下技术方案实现的：
7.本发明为一种使用svm回归算法预测空调机初始参数的方法，包括如下步骤：
8.步骤s1：利用环境模拟实验室采集空调在不同工况运行稳定后的数据序列；
9.步骤s2：重复步骤s1的数据采集过程，确保每台机器的每个工况下的数据记录不少于10组；
10.步骤s3：对采集的原始数据进行预处理；
11.步骤s3中，原始数据的预处理操作包括如下步骤：
12.步骤s31：对原始数据进行平滑去噪处理；
13.步骤s32：对平滑去噪后的数据进行归一化处理；
14.步骤s33：归一化处理后的数据输入到svm回归器进行训练；
15.步骤s34：新机器制造完成后，初次运行时，根据提供的数据归一化后输入到svm回归器中，输出得到初始参数。
16.作为一种优选的技术方案，所述步骤s3中，定义原始数据集为s＝a1,a2,a3,a4,...,a
n
，其中a
i
表示一台机器的一个工况内的数据：
17.a
i
＝{(x
i,1
,x
i,2
,x
i,3
,x
i,4
,x
i,5
,x
i,6
,x
i,7
,x
i,8
,x
i,9
,),0≤i≤9}；
18.式中，x1表示干球温度，x2表示湿球温度，x3表示进水温度，x4表示出水温度，x5表示水流量，x6表示制冷量，x7表示电流，x8表示cop，x9表示机器的名义制冷制热量。
19.作为一种优选的技术方案，所述步骤s31中，平滑去噪处理原始数据，对于一台及其的一个工况内的数据处理公式如下：
[0020][0021]
式中，代表经过平滑去噪后的数据，m是计算过程中去平均点的个数。
[0022]
作为一种优选的技术方案，所述步骤s32中，对平滑去噪后的数据进行归一化处理，公式如下：
[0023]
x1,max＝maxx0,1,x1,1,...,xn,1
[0024]
x1,min＝minx0,1,x1,1,...,xn,1；
[0025][0026]
式中，将九个维度的数据归一化后的数据做为svm回归器的训练输入。
[0027]
作为一种优选的技术方案，所述九个维度的数据归一化后的数据输入到svm回归器中，每个输入svm回归器的数据都对应了一个输出y，所有的输出y构成了输出数据集，输入数据和输出数据一一对应，即o＝y1,y2,...,y
n
，输入出公式为：
[0028]
y＝{y1,y2,y3,y4}；
[0029]
式中，y1表示压缩机的运行频率，y2表示主阀开度，y3表示辅助开度，y4表示冷媒加注量。
[0030]
作为一种优选的技术方案，所述步骤s34中，当新机器制造完成后，初次运行时，根据步骤s3中，x1到x9的数据，归一化后输入到svm回归器中，得到输出结果：
[0031][0032]
本发明具有以下有益效果：
[0033]
1、本发明通过让机器运行在各种工况下，逐步添加冷媒，期间手动调整压缩机频率，主阀开度和辅阀开度，应用统计机器学习模型，使用大量历史数据训练，输入x1到x9的数据得到初始参数，有效降低空调测试时间，给研发人员带来更高的容错率；
[0034]
2、本发明通过在空调测试的过程中，不需要额外的硬件设备辅助，只需一个熟练的测试员，按照要求输入数据，即可得到较好的初始化参数，测试操作简单，降低了生产成本。
[0035]
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0036]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的
附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。
[0037]
图1为本发明的一种使用svm回归算法预测空调机初始参数的方法流程图。
具体实施方式
[0038]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0039]
请参阅图1所示，本发明为一种使用svm回归算法预测空调机初始参数的方法，包括如下步骤：
[0040]
步骤s1：利用环境模拟实验室采集空调在不同工况运行稳定后的数据序列；根据国标，利用环境模拟智能实验室采集空调不同工况运行稳定后的数据序列；
[0041]
步骤s2：重复步骤s1的数据采集过程，确保每台机器的每个工况下的数据记录不少于10组；在测试过程中机器要尽量的多，压缩机还有制冷剂种类要尽量完全覆盖日常使用的范围，每台机器的每个工况下的数据需要记录10组以保证svm训练不会拟合，同时增强模型的泛化性能。
[0042]
步骤s3：对采集的原始数据进行预处理；
[0043]
步骤s3中，原始数据的预处理操作包括如下步骤：
[0044]
步骤s31：对原始数据进行平滑去噪处理；
[0045]
步骤s31中，平滑去噪处理原始数据，对于一台及其的一个工况内的数据处理公式如下：
[0046][0047]
式中，代表经过平滑去噪后的数据，m是计算过程中去平均点的个数。
[0048]
步骤s32：对平滑去噪后的数据进行归一化处理；
[0049]
步骤s32中，对平滑去噪后的数据进行归一化处理，公式如下：
[0050]
x1,max＝maxx0,1,x1,1,...,xn,1
[0051]
x1,min＝minx0,1,x1,1,...,xn,1；
[0052][0053]
式中，将九个维度的数据归一化后的数据做为svm回归器的训练输入。
[0054]
九个维度的数据归一化后的数据输入到svm回归器中，每个输入svm回归器的数据都对应了一个输出y，所有的输出y构成了输出数据集，输入数据和输出数据一一对应，即o＝y1,y2,...,y
n
，输入出公式为：
[0055]
y＝{y1,y2,y3,y4}；
[0056]
式中，y1表示压缩机的运行频率，y2表示主阀开度，y3表示辅助开度，y4表示冷媒加注量。
[0057]
步骤s33：归一化处理后的数据输入到svm回归器进行训练；
[0058]
步骤s34：新机器制造完成后，初次运行时，根据提供的数据归一化后输入到svm回归器中，输出得到初始参数。
[0059]
步骤s34中，当新机器制造完成后，初次运行时，根据步骤s3中，x1到x9的数据，归一化后输入到svm回归器中，得到输出结果：
[0060][0061]
步骤s3中，定义原始数据集为s＝a1,a2,a3,a4,...,a
n
，其中a
i
表示一台机器的一个工况内的数据：
[0062]
a
i
＝{(x
i,1
,x
i,2
,x
i,3
,x
i,4
,x
i,5
,x
i,6
,x
i,7
,x
i,8
,x
i,9
,),0≤i≤9}；
[0063]
式中，x1表示干球温度，x2表示湿球温度，x3表示进水温度，x4表示出水温度，x5表示水流量，x6表示制冷量，x7表示电流，x8表示cop，x9表示机器的名义制冷制热量。
[0064]
本实施例的一个具体应用为：
[0065]
当空调生产完成，需要对开发后的空调进行初次实验探明空调的情况；
[0066]
在实验前，需要预先将svm回归器训练好，具体训练步骤如下：根据国标，利用环境模拟智能实验室采集空调不同工况运行稳定后的数据序列，重复采集要求采集达到10组或10组以上，才能够保证svm训练不会欠拟合，同时增强模型的泛化性能；同时参与采集的机器也要足够的多，压缩机还有制冷剂种类要尽量完全覆盖日常使用的范围；
[0067]
训练时：首先定义原始数据集为s＝a1,a2,a3,a4,...,a
n
，其中a
i
表示一台机器的一个工况内的数据；
[0068]
a
i
＝{(x
i,1
,x
i,2
,x
i,3
,x
i,4
,x
i,5
,x
i,6
,x
i,7
,x
i,8
,x
i,9
,),0≤i≤9}；
[0069]
式中，x1表示干球温度，x2表示湿球温度，x3表示进水温度，x4表示出水温度，x5表示水流量，x6表示制冷量，x7表示电流，x8表示cop，x9表示机器的名义制冷制热量；
[0070]
对定义的数据进行一次进行平滑去噪处理和归一化处理；
[0071]
对一台机器的一个工况内的数据平滑去噪处理，公式如下：
[0072][0073]
式中，代表经过平滑去噪后的数据，m是计算过程中去平均点的个数；
[0074]
进行平滑去噪后的数据进行归一化处理，方法如下：
[0075]
x1,max＝maxx0,1,x1,1,...,xn,1
[0076]
x1,min＝minx0,1,x1,1,...,xn,1；
[0077][0078]
式中，将九个维度的数据归一化后的数据做为svm回归器的训练输入，每个输入数据，都有其对应的输出y，所有输出则构成了输出数据集，且输入数据和输出数据是一一对应，即o＝y1,y2,...,y
n
，输入出公式为：
[0079]
y＝{y1,y2,y3,y4}；
[0080]
式中，y1表示压缩机的运行频率，y2表示主阀开度，y3表示辅助开度，y4表示冷媒加注量；
[0081]
当新机器制造完成后，初次运行时，根据步骤s3中，x1到x9的数据，归一化后输入到svm回归器中，得到输出结果：
[0082][0083]
则表示空调机初始参数。
[0084]
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0085]
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
[0086]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。