[发明专利]一种基于神经网络的氢气压缩模块控制方法及装置

权利要求书

1.一种基于神经网络的氢气压缩模块控制方法，其特征在于，包括：

获取压缩模块历史工作记录中的压缩参数及压缩模块出口压力，以所述压缩参数及压缩模块出口压力作为输入数据，输入到单输出神经网络模型进行模型训练，得到压缩参数及压缩模块出口压力的单输出神经网络模型，所述压缩模块由N台连接的压缩机组成，所述压缩参数包括：压缩模块的入口温度、入口压力、环境温度及N台压缩机的启动情况、入口温度、入口压力、出口温度、出口压力、液压油压力、液压油流量、液压油温度；

获取压缩模块出口压力对应的压力常量，将所述压力常量输入到所述单输出神经网络模型，调节所述压缩参数中的可调节参数，使得所述单输出神经网络输出的压缩模块出口压力等于所述压力常量，并对调节后的压缩参数进行记录，得到对应的参数组，所述可调节参数包括：N台压缩机的启动情况、液压油压力、液压油流量；

获取压缩模块历史工作记录中的压缩模块输出流量及压缩模块耗电量，以所述压缩参数、压缩模块输出流量及压缩模块耗电量作为输入数据，输入到双输出神经网络模型进行模型训练，得到压缩参数、压缩模块输出流量及压缩模块耗电量的双输出神经网络模型；

将所述参数组输入到所述双输出神经网络模型，得到输出的压缩模块输出流量及压缩模块耗电量，对所述压缩模块输出流量及压缩模块耗电量进行归一化处理，得到归一化后的压缩模块输出流量及压缩模块耗电量；

获取实际压缩需求，根据所述实际压缩需求对所述压缩模块输出流量及压缩模块耗电量进行权值赋值，并根据压缩模块输出流量及对应权值、压缩模块耗电量及对应权值计算得到对应的压缩模块工作值，并选取所述压缩模块工作值中最大值对应的最佳参数组，输出所述最佳参数组。

2.根据权利要求1所述的基于神经网络的氢气压缩模块控制方法，其特征在于，所述方法还包括：

所述单输出神经网络模型、双输出神经网络模型包括输入层、隐层和输出层三层节点；

所述以压缩参数及压缩模块出口压力作为输入数据，输入到单输出神经网络模型进行模型训练，包括：

对所述输入数据进行归一化处理，并将归一化处理后的输入数据输入到单输出神经网络模型的输入层，并通过单输出神经网络模型的训练确定单输出神经网络模型的隐层的节点个数，并通过单输出神经网络模型的输出层输出训练后的压缩模块出口压力；

所述以压缩参数、压缩模块输出流量及压缩模块耗电量作为输入数据，输入到双输出神经网络模型进行模型训练，包括：

对所述输入数据进行归一化处理，并将归一化处理后的输入数据输入到双输出神经网络模型的输入层，并通过双输出神经网络模型的训练确定双输出神经网络模型的隐层的节点个数，并通过双输出神经网络模型的输出层输出训练后的压缩模块输出流量及压缩模块耗电量。

3.根据权利要求1所述的基于神经网络的氢气压缩模块控制方法，其特征在于，所述压缩模块由5台压缩机组成，包括：

由3台压缩机并联组成第一级模块，由2台压缩机并联组成第二级模块，所述第一级模块与第二级模块之间通过串联连接。

4.根据权利要求3所述的基于神经网络的氢气压缩模块控制方法，其特征在于，所述方法还包括：

将5台压缩机的出口温度和出口压力通过理想气体方程换算成所述压缩模块的入口温度下的理想压力，并计算每一级的压缩机的理想压力的平均压力值；

将5台压缩机的理想压力分别与对应每一级的平均压力值进行对比，当对比结果中理想压力与对应每一级的平均压力值的差值大于预设阈值时，输出所述理想压力对应的压缩机的报警信息。