[发明专利]一种基于BP神经网络调节的压缩机转速控制方法

权利要求书

1.一种基于BP神经网络调节的压缩机转速控制方法，其特征在于，包括：

步骤1，搭建包括1个输入层，至少2个隐藏层和1个输出层的BP神经网络，所述至少2个隐藏层从输入到输出的层依次包含不同数量的神经元；

步骤2，整合多个比例、积分和微分模型(PID模型)，提取各独立PID模型间压缩机转速控制的多个影响因素互相作用的变化规律，所述变化规律为所述BP神经网络中输入层的多个影响因素相互作用的变化规律；所述步骤2包括：采用对多个PID模型动态采集到的数据，对BP神经网络进行网络训练，得到压缩机转速的多个影响因素互相作用的变化规律，根据变化规律获得用于调节压缩机转速的参数；其中，所述PID模型包括位置式PID模型和增量式PID模型；

步骤3，通过综合所述多个影响因素互相作用的变化规律，对压缩机转速进行交叉调节。

2.根据权利要求1所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，所述步骤1之前，还包括：

对PID模型进行动态数据采集。

3.根据权利要求2所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，所述对PID模型进行动态数据采集，包括：

将蒸发器热边出口温度指令和温度反馈作为输入，通过位置式PID模型控制输出压缩机转速指令；

将蒸发器制冷剂出口压力指令和压力反馈作为输入，通过增量式PID模型控制输出电子膨胀活门开度增量；

通过依次设定多组温度指令与压力指令，对PID模型进行动态数据采集。

4.根据权利要求1所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，所述步骤1中构建的BP神经网络包括：1个输入层，3个隐藏层和1个输出层，其中，所述隐藏层从输入到输出依次包含8个、5个、3个神经元，每层还设置有参数传递的偏置项，各神经元采用修正线性单元ReLU作为激活函数。

5.根据权利要求4所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，所述BP神经网络输入层的影响因素包括：蒸发器热边出口温度指令、蒸发器热边出口温度反馈、电子膨胀活门开度、压缩机内部电机温度、压缩机过热活门开度。

6.根据权利要求5所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，所述对BP神经网络进行网络训练，包括：

将PID模型动态采集到的数据上传到BP神经网络，进行权值训练；

其中，所述BP神经网络中用于使代价函数最小化的参数最优求解方式为：

为代价函数，用于衡量样本预测值与真实值之间的误差；

其中，W为权值向量，b为偏置项，为第l层的第i个的输入，为第l层的第i个理想输出，h为实际输出，是第l层的第i个权值参数，b^(l)是第l层的偏置项。

7.根据权利要求6所述的基于BP神经网络调节的压缩机转速控制方法，其特征在于，

所述权值训练的方式包括：前向传播与反向传播两个阶段，所述前向传播通过权值矩阵W和偏置项逐层传递特征信息，反向传播采用梯度下降法，向着代价函数减小的方向不断更新权值，从而获得可以输出压缩机转速指令的BP神经网络的权值矩阵W；且反向更新权值的实现方式为：

其中，α为学习速，W^(l)表示第l层的权值向量。