基于氟化液性能退化评价的冷却系统智能控制方法及系统

专利主权项内容

1.基于氟化液性能退化评价的冷却系统智能控制方法，其特征在于，包括以下步骤：获取每一冷却系统中氟化液的冷却性能指标数据信息，并通过决策树模型对所述冷却系统中氟化液的冷却性能指标数据信息进行性能隶属度评价，获取氟化液的冷却性能评价隶属度；基于氟化液的冷却性能评价隶属度、深度神经网络以及马尔科夫链构建氟化液性能退化预测模型，并通过对所述氟化液性能退化预测模型预测当前时间戳每一冷却系统中氟化液的冷却性能评价隶属度；基于卷积神经网络以及孪生网络构建冷却系统状态识别模型，通过所述冷却系统状态识别模型对每一冷却性能评价隶属度的冷却系统进行跟踪识别，获取目标区域中冷却系统的冷却性能特征数据分布情况；获取当前目标区域中的降温需求数据信息，并根据所述当前目标区域中的降温需求数据信息以及目标区域中冷却系统的冷却性能特征数据分布情况生成相关的冷却控制方案；基于氟化液的冷却性能评价隶属度、深度神经网络以及马尔科夫链构建氟化液性能退化预测模型，具体包括：构建时间戳，融合所述时间戳以及氟化液的冷却性能评价隶属度构建基于时间序列的氟化液的冷却性能评价隶属度的样本数据集，并基于深度神经网络构建氟化液性能退化预测模型；引入马尔科夫链，通过所述马尔科夫链计算所述样本数据集中每一时间戳中的氟化液的冷却性能评价隶属度转移到下一等级的冷却性能评价隶属度的转移概率值，并构建转移概率矩阵；将所述转移概率矩阵输入到所述氟化液性能退化预测模型中进行编码学习，并融合循环空间注意力机制，通过所述循环空间注意力机制将注意力集中在转移概率矩阵中的转移概率特征，生成注意力特征图；将所述注意力特征图与隐含层进行协同工作，更新隐含层的状态，当所述氟化液性能退化预测模型符合预设要求之后，保存模型参数，输出氟化液性能退化预测模型；通过对所述氟化液性能退化预测模型预测当前时间戳每一冷却系统中氟化液的冷却性能评价隶属度，具体包括：预设转移概率阈值，并获取上一时间戳中每一冷却系统中氟化液的冷却性能评价隶属度，将所述每一冷却系统中氟化液的冷却性能评价隶属度输入到所述氟化液性能退化预测模型中进行预测；通过预测，获取上一时间戳中每一冷却系统中氟化液的冷却性能评价隶属度转移到下一等级的冷却性能评价隶属度的转移概率值，并判断所述转移概率值是否大于所述转移概率阈值；当所述转移概率值大于所述转移概率阈值时，则将上一时间戳中冷却系统中氟化液的冷却性能评价隶属度的下一等级的冷却性能评价隶属度作为当前时间戳中冷却系统中氟化液的冷却性能评价隶属度；当所述转移概率值不大于所述转移概率阈值时，则将上一时间戳中冷却系统中氟化液的冷却性能评价隶属度作为当前时间戳中冷却系统中氟化液的冷却性能评价隶属度。