[发明专利]一种二氧化碳浓度控制装置及控制方法、终端在审
| 申请号: | 201811514547.8 | 申请日: | 2018-12-12 |
| 公开(公告)号: | CN109739274A | 公开(公告)日: | 2019-05-10 |
| 发明(设计)人: | 姚亚新;杨马燕 | 申请(专利权)人: | 修水县畜牧水产局 |
| 主分类号: | G05D11/13 | 分类号: | G05D11/13;G06N3/04 |
| 代理公司: | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人: | 包晓静 |
| 地址: | 332400 江西*** | 国省代码: | 江西;36 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 螺母固定 活动门 显示屏 二氧化碳浓度控制 镶嵌 进气管 窒息 终端 空气进口 出气管 前端卡 滑轮 二氧化碳 肉质 套环 提手 下端 保证 | ||
1.一种二氧化碳浓度控制装置的控制方法,其特征在于,所述二氧化碳浓度控制装置的控制方法包括:
步骤一:通过提手活动门提升,将套环套接在卡杆上,活动门固定,打开进气管上的控制阀,将二氧化碳输送进入箱体内;
步骤二:二氧化碳浓度检测仪对箱体内部的二氧化碳的浓度进行检测且传输到显示屏上,二氧化碳浓度检测仪采用改进的ELM学习算法对二氧化碳的浓度进行实时监测,改进的ELM学习算法为:
(1)将N个采集样本按照与仪器设定稳定点的跨距平均分成两组,每组的数据为原来的N/2,然后根据下式进行分类:
式中:δ为传感器阵列的稳定点;μ为输入数据的隶属度;
(2)随机产生输入层和隐层神经元间的连接权值和偏置值aj和bj;
(3)分别计算网络的隐层输出矩阵Hl,l=1or2;
(4)在计算对应的隐层神经元和输出神经元的连接权值βl,其计算表达式为βl=(Hl)',l=1or2;
显示屏灰采用改进的灰度级校正方法进行图像的显示:
式中:Pi表示经过校正的图像显示数据,Si表示显示灰度级的具体数值,SL表示显示灰度级的最大数值;λinv=1/0.45,n为显示屏的最大线性灰度值;Q为取整函数;
步骤三:清洁箱体的内部时,关闭进气管上的控制阀,打开出气管与空气进口上的控制阀,将箱体内部的二氧化碳浓度恢复正常状态进行清洁;通过专用的输送设备的传送带进行箱体内部物品的输送,传送带采用最小二乘法的变频调速方法进行调节速度,具体有:
设电机转速x与传送带线速度y之间函数方程为y=ax+b,由最小二乘原理求取参数a和b,使均方根误差平方和e2最小,e2看做是a和b的函数:
根据函数的极值条件,将上式两边分别对a和b求偏导数,并均为零,得
化简以上两式得:
即求得拟合直线参数a和b的最佳估计值和
2.如权利要求1所述的二氧化碳浓度控制装置的控制方法,其特征在于,所述控制阀集成有控制单元,控制单元控制二氧化碳进气量的方法包括:
将二氧化碳进气量去噪模型应用到箱体二氧化碳浓度标准样本预处理中,建立带权的高斯平滑滤波器矩阵模型,计算高斯平滑中心点相对左右阀值的差值和,最后计算高斯平滑处理后的样本值;
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度,得到对二氧化碳浓度标准样本单项指标评价;计算综合权重,得到不同浓度对应的综合评定权重;最后使用模糊模型中统一化权重计算,得到二氧化碳浓度综合权重矩阵,计算得到箱体二氧化碳浓度状况;
获取的二氧化碳浓度指数,向用户反馈;进行改进的因子定权模型成果展示,各项指标评价是前期二氧化碳浓度预处理结果的呈现,将海量数据通过高斯去噪模型处理后,得到合理指标数据;通过因子定权模型分析,将数据经傅立叶加权变换转换成对应的二氧化碳浓度偏差值,得到最后二氧化碳浓度偏差等级;让用户直观了解评价中各项指标动态因子权重和二氧化碳浓度偏差等级因子隶属概率;
结合相关分析算法对当前各项超标指标和预测超标指标向用户发出警报。
3.如权利要求1所述的二氧化碳浓度控制装置的控制方法,其特征在于,向用户反馈二氧化碳浓度指数过程如下:
利用爬虫技术获取并解析返回的资源信息;
通过对解析后的资源信息进行模式匹配,模型分析,建立相关视图信息;
将视图信息已AJAX访问的形式反馈给前台数据。
4.如权利要求1所述的二氧化碳浓度控制装置的控制方法,其特征在于,所述改进的因子定权模型成果展示包括:
将海量数据通过高斯去噪模型处理后,得到合理指标数据;
将预处理之后的数据通过因子定权模型分析,得到最后二氧化碳浓度偏差等级;
以指标评价和因子定权模型评价为基础,实时显示二氧化碳浓度预处理和评价过程中的关键数据信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于修水县畜牧水产局,未经修水县畜牧水产局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811514547.8/1.html,转载请声明来源钻瓜专利网。





