洁净室温湿度控制方法及系统

具体实施方式

本申请通过提供洁净室温湿度控制方法及系统，采集温湿度控制样本集，进而拟合温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求、温湿度设定值-采集值函数关系，构建多个数据分析通道，进行通道连接构建数据分析优化模型，获取当前洁净室控制要求并分解参数控制要求，输入数据分析优化模型中进行控制参数优化，获得温湿度控制方案发送至控制器进行温湿度控制，用于解决现有技术中存在的对于洁净室的温湿度控制方法还存在技术局限，控制稳定度与精准度不足，且存在一定的能源浪费的技术问题。

实施例一

如图1所示，本申请提供了洁净室温湿度控制方法，所述方法包括：

步骤S100：采集洁净室温湿度控制样本数据，构建温湿度控制样本集，所述温湿度控制样本集包括温湿度设定值、温湿度采集值、洁净室变量控制要求；

具体而言，由于针对药厂洁净室的控制存在多变量、非线性以及滞后性，且温湿度的控制存在互影响，使得调控稳定性与精准度很难进行把控。本申请提供的洁净室温湿度控制方法，通过分析控制参数之间的互影响关系，以针对控制要求进行控制参数分析，并建模进行参数控制优化，最大化保障控制效果与控制要求相符。

具体的，于所述预定时间区间，即进行数据采集调用的时间范围，对所述洁净室进行温湿度历史控制记录采集，进行记录识别确定同时序数据并整合，确定预设定的温湿度需调控值，作为所述温湿度设定值；确定基于所述温湿度设定值执行控制操作，针对控制效果采集的实际控制温湿度，作为所述温湿度采集值；确定洁净室内空气成分要求、气流速度、洁净度等其余控制要求，即与温湿度互相关同步用于进行超净环境衡量的标准，作为所述洁净室变量控制要求。集成所述温湿度控制值、所述温湿度采集值与所述洁净室变量控制要求并进行映射关联，生成所述温湿度控制样本集，所述温湿度控制样本集为进行互影响分析的基本采集数据源。

步骤S200：基于所述温湿度控制样本集中温湿度设定值、温湿度采集值、洁净室变量控制要求拟合温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求、温湿度设定值-采集值函数关系；

具体而言，对所述温湿度控制样本集进行数据识别，对各控制参数之间进行互影响分析，基于映射对应的所述温湿度设定值、所述温湿度采集值与所述洁净室变量控制要求，对各控制参数之间进行互影响分析，拟合获取所述温度-湿度、所述温度-洁净室变量控制要求、所述湿度-洁净室变量控制要求、所述温湿度设定值-采集值函数关系。具体的，对温湿度设定值与所述温湿度采集值进行映射关联，确定两组数据的相对趋势，作为所述温湿度设定值-采集值函数关系。

进一步而言，如图2所示，基于所述温湿度控制样本集中温湿度设定值、温湿度采集值、洁净室变量控制要求拟合温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求函数关系，本申请步骤S200还包括：

步骤S210-1：基于预设环境参数对所述温湿度控制样本集进行分类，构建多环境样本集群；

步骤S220-1：分别对多环境样本集群进行温湿度设定值、温湿度采集值的损失量计算，确定温度损失量、湿度损失量，并基于所述温度损失量、湿度损失量拟合温湿度损失关系；

步骤S230-1：根据所述温湿度设定值进行温湿度耦合关系分析，确定温湿度耦合关系；

步骤S240-1：基于所述温度损失量、湿度损失量、温湿度耦合关系进行调整走势关系分析，分别拟合湿度耦合损失关系、温度耦合损失关系；

步骤S250-1：利用湿度耦合损失关系、温度耦合损失关系，确定关系调整系数；

步骤S260-1：基于所述关系调整系数、温湿度损失关系，拟合获得温度-湿度函数关系。

具体而言，外环境的更迭变化，一定程度上影响着洁净室控制能效，即针对相同控制参数，受外环境影响最终所达到的控制实效不同。进行外环境划分，例如基于季节性气候推移，确定对应的多类外环境参数，如针对不同气候划定对应的温度区间、湿度区间等衡量标准，作为所述预设环境参数。基于所述预设环境参数，对所述温湿度控制样本集进行区间归属划分，获取所述多环境样本集群。

进一步的，温湿度同步调控操作下，两者之间存在互影响，例如温度的升高会引起相对湿度的降低，一般温度每上升１℃，相对湿度下降２％～３％，同时受外界环境影响，具体温湿度互影响程度不同，基于多环境分别进行针对性细化分析。基于所述多环境样本集群，针对各环境样本集群内的样本数据，对映射对应的温度设定值与温度采集值、湿度设定值与湿度采集值进行差值计算，将差值计算结果作为所述温度损失量与所述湿度损失量。进而基于所述温度损失量与所述湿度损失量进行衡量互损失限度的损失关系确定，例如温度升高幅度-相对湿度下降幅度，湿度升高幅度-相对温度下降幅度。

进一步的，基于所述温湿度设定值进行温湿度耦合关系分析，确定同步控制操作下，对于温湿度的协同控制量，并进行波动分析，例如不同温度设定值分别对应一相对稳定的湿度设定值，将其作为所述温湿度耦合关系。基于所述温度损失值、所述湿度损失值与所述温湿度耦合关系，进行温湿度耦合损失分析，具体的，以温度为定值，进行温度设定值对应的湿度设定值的损失度量，确定基于对应湿度损失量调整后的湿度值，例如温湿度设定值分别为25℃-30％，基于该温度对应的湿度损失量，进行湿度设定值的调整，例如调整为28％，则25℃-28％为定损后的湿度耦合损失关系；同理，以湿度为定值，进行湿度设定值对应的温度设定值的损失度量，确定湿度设定值与温度损失量调整后的温度设定值的耦合关系，作为所述温度耦合损失关系，具体的，不同外环境下，对应的损失度量值不同。

进一步的，基于所述湿度耦合关系与所述温度耦合关系，确定当前环境下的对应温度调幅与湿度调幅，作为所述关系调整系数。基于所述关系调整系数与所述温湿度损失关系，对耦合温湿度进行减损调整，确定耦合协同调控下，进行互影响减损后的精准性函数关系，即满足实际控制温湿度时，进行相对控制减损后的预控制温湿度关系。

优选的，可通过构建坐标系分别进行温度、湿度、损失量、耦合等上述关系的度量，便于进行关系分析，例如进行损失量分析时，以温度与湿度损失量作为坐标轴向，进行样本坐标点的分布，基于不同温度下的湿度损失量确定对应的温度损失趋势，用于辅助进行温湿度损失关系度量。

进一步而言，基于所述温湿度控制样本集中温湿度设定值、温湿度采集值、洁净室变量控制要求拟合温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求函数关系，本申请步骤S200还包括：

步骤S210-2：分别对多环境样本集群进行温湿度设定值、洁净室变量控制要求的调整关系分析，确定各洁净室变量与温度设定值的调整关系、各洁净室变量与湿度设定值的调整关系；

步骤S220-2：基于所述各洁净室变量与温度设定值的调整关系、各洁净室变量与湿度设定值的调整关系，分别拟合获得温度-洁净室变量控制要求函数关系、湿度-洁净室变量控制要求函数关系。

具体而言，温湿度调控下，同步会对洁净室内的其余控制变量造成影响，例如湿度降低，空气含尘量会相对增加等，同时，不同外环境影响下，对应的变量调幅不同。基于所述多环境样本集群，对各环境样本集群，分别进行温度设定值与所述洁净室变量控制要求的调整关系分析，例如不同温度设定值与各洁净室变量之间的影响关系，即温度调幅-各洁净室变量调幅之间一对多的映射关系；分别进行所述湿度设定值与所述各洁净室变量之间的调整关系，即湿度调幅-各洁净室变量调幅之间一对多的映射关系。进一步的，基于所述各洁净室变量与所述温度设定值的调整关系，确定所述洁净室变量控制要求与温度的映射函数关系，即衡量温度变化与各控制变量的互影响程度的总概关系，基于一方，可确定对于另一方的影响度。同理，基于所述各洁净室变量与湿度设定值的调整关系，拟合确定湿度-洁净室变量控制要求函数关系。通过基于样本数据提炼控制参数之间的互影响关系，为后续进行参数控制分析作铺垫。

步骤S300：基于所有函数关系，构建多个对应的数据分析通道，所述数据分析通道用于基于函数关系进行数据控制量分析转换；

步骤S400：将多个数据分析通道进行连接，构建数据分析优化模型；

基于所有函数关系，包括温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求、温湿度设定值-采集值，分别构建多个数据分析通道，并将对应的函数关系嵌入对应的数据分析通道中进行通道处理机制配置，分别用于进行数据控制量的分析转换，例如针对温湿度设定值-采集值，可基于通道分析确定温湿度设定值调控下的实际温湿度数值并进行通道输出。对所述多个数据分析通道进行平行分布，后置全连接层与通道输出端进行连接，并配置优化控制子模型后置连接于所述全连接层，生成所述数据分析优化模型，所述数据分析优化模型为自建的用于进行数据转换分析的辅助分析工具。

进一步而言，如图3所示，将多个数据分析通道进行连接，构建数据分析优化模型，本申请步骤S400还包括：

步骤S410：基于所述多个数据分析通道，通过训练数据集，得到多个分类器，分别建立多层子模型；

步骤S420：利用全连接层将多层子模型进行连接，基于所有函数关系，构建适应度函数，建立优化控制子模型；

步骤S430：将所述多层子模型、全连接层、优化控制子模型按照数据连接关系进行整合，获得所述数据分析优化模型。

进一步而言，基于所有函数关系，构建适应度函数，建立优化控制子模型，本申请步骤S420还包括：

步骤S421：基于所有函数关系，以能耗量、参数控制精度为评价变量构建适应度函数；

步骤S422：将所述参数控制要求输入赋权通道，通过赋权算法进行各控制参数权重分配，获得各参数权值；

步骤S423：将所述各参数权值添加至所述适应度函数中，基于所述适应度函数，设定优化迭代规则，建立所述优化控制子模型。

具体而言，对所述多个数据分析通道进行训练，所述多个数据分析通道分别对应所述温度-湿度、所述温度-洁净室变量控制要求、所述湿度-洁净室变量控制要求与所述温湿度设定值-采集值函数关系，例如将所述多环境样本集群作为样本数据，基于上述通道数据类型进行样本数据归属划分，确定多组训练数据，基于所述多组训练数据分别进行神经网络训练，生成所述多层子模型，各子模型皆为多层全连接的神经网络模型。对所述多层子模型的输出端与所述全连接层的输入端连接，用于将所述多层子模型的数据流转至所述全连接层进行集成。进一步基于所述函数关系构建所述适应度函数，搭建后置连接于所述全连接层的所述优化控制子模型，用于进行分析集成于所述全连接层的控制参数进行赋权优化。

具体的，基于所有函数关系，以所述能耗量、所述参数控制精度为评价变量，将所述多层子模型分析输出的控制参数作为评估范围，确定所述适应度函数，即计算所述各控制参数的协同控制能效，即表征能耗量之和的总能耗量和与综合控制精度，以保障控制效果，避免能源浪费。进一步的，将所述参数控制要求输入赋权通道，进行权重配置，具体的，基于赋权算法，例如基于控制需求将控制重要度作为衡量标准，进行控制参数的权重计算配置，即温度、湿度的权重较高，其余控制参数控制权重较低，依据控制重要度进行相对配置，分布权重之和为1，获取所述各参数权值。将所述各参数权值添加进所述适应度函数中，以保障所述适应度函数的计算精确度。进一步设定优化迭代规则，例如基于入侵杂草优化算法进行控制参数寻优，进行扩充控制参数的适应度计算确定后步控制参数扩充数量，并设定最大迭代次数，于获取的所述扩充控制参数中择取适应度最高值对应的控制参数，作为最优控制参数，将其作为优化迭代规则，结合所述适应度函数，构建所述优化控制子模型，所述优化控制子模型用于进行控制参数迭代寻优。

进一步的，所述多层子模型为同级别，将所述多层子模型的输出端连接所述全连接层的输入端，将所述全连接层的输出端连接所述优化控制子模型的输入端，生成所述数据分析优化模型，基于所述数据分析优化模型进行控制寻优，可有效保障分析结果的精准度与客观性，并保障分析处理效率。

步骤S500：获取当前洁净室控制要求，根据当前洁净室控制要求分解参数控制要求；

步骤S600：将所述参数控制要求输入所述数据分析优化模型中，进行控制参数优化，获得温湿度控制方案，将所述温湿度控制方案发送至控制器进行温湿度控制。

具体而言，对所述洁净室的控制要求进行获取，即当前洁净室需实际达到的内环境状况。对当前洁净室控制要求进行分解，确定指代对应的具体效果的温度、湿度及各变量控制，作为所述参数控制要求。基于所述参数控制要求，结合互影响与控制损耗，进行控制参数的设定配置分析。

进一步的，将所述参数控制要求输入所述数据分析优化模型中，基于各层子模型，根据函数关系进行控制参数分析，对分析结果进行集成连接与迭代寻优，确定温湿度控制最优方案，所述温湿度控制最优方案为全局最优方案，将其作为待执行的所述温湿度控制方案，发送至所述控制器，分程进行温湿度的精准控制，最大化保障控制效果。

进一步而言，将所述参数控制要求输入所述数据分析优化模型中，进行控制参数优化，本申请步骤S600还包括：

步骤S610：将所述参数控制要求按照数据类型进行识别，分别输入对应的数据分析通道中，进行控制要求-控制值关系分析，确定数据控制信息；

步骤S620：将各层子模型的输出结果，包括温度数据控制信息、湿度数据控制信息、参数控制要求对应关系，通过全连接层进行数据连接；

步骤S630：将数据连接至优化控制子模型，基于所述温度数据控制信息、湿度数据控制信息、参数控制要求对应关系进行参数控制要求的优化，确定温湿度控制最优方案输出。

具体而言，将所述参数控制要求输入所述数据分析优化模型中，通过进行数据类型识别，例如温度控制要求、湿度控制要求等，进行分析通道的匹配，输入对应的数据分析通道中，结果数据分析通道对应的子模型进行控制要求-控制值的关系分析，确定具体各参数控制值，包括所述温度数据控制信息、所述湿度数据控制信息与所述参数控制要求的对应关系，即控制要求与对应控制信息，作为所述数据控制信息。将所述数据控制信息作为所述各层子模型的输出结果，将其流转至所述全连接层，进行各子模型输出结果的集成规整与互影响关联，进一步将所述温度数据控制信息、湿度数据控制信息与参数控制要求对应关系输入所述优化控制子模型中，基于所述适应度函数与所述优化迭代规则进行寻优迭代，确定最大适应度对应的控制信息，将其作为所述温湿度控制最优方案进行模型输出，以确定全局最优的控制方案，最大化保障控制信息的控制执行效果与控制要求相符。

进一步的，对所述温湿度控制方案进行控制分程，

进一步而言，所述获得温湿度控制方案，将所述温湿度控制方案发送至控制器进行温湿度控制，本申请包括步骤S640，包括：

步骤S641：对所述温湿度控制方案进行控制分程，获得分程控制节点；

步骤S642：基于所述分程控制节点匹配多个控制器，确定各控制器的分程控制信息；

步骤S643：基于各控制器的分程控制信息，构建马尔科夫链评价模型，对各分程控制节点的控制结果进行评价；

步骤S644：基于控制结果的评价信息对分程控制信息进行追溯，对不满足控制结果的分程控制信息进行调整，直到满足控制结果为止。

具体而言，将所述温湿度控制方案发送至所述控制器中，对所述温湿度控制方案进行分程。具体的，将控制器的输出转化为控制区间，例如-100％到100％，对控制区间进行分割，例如-100％到-30％、-30％-0、0-30％、30％-100％，具体分程区间可自定义调整，作为各控制器的分程控制信息。针对温度控制、湿度控制时，分别进行热水阀、冷水阀等的分程控制。基于所述分程控制信息，构建所述马尔科夫链评价模型，其中，具体链路节点与分程数量一致，用于针对各分程区间进行控制状态评估。将该区段节点对应的温湿度控制标准作为参考，与区段控制效果进行校对，确定温湿度差值作为控制结果的评价信息，温度差值带有正负号标识，用于进行差值朝向确定。对所述控制结果的评价信息进行判定，若存在控制异常，对分程度控制信息进行追溯，确定当前控制区段对应的异常控制参数，并对不满足所述控制结果的分程控制信息进行调整，可有效降低异常溯源分析数据量，提高异常溯源效率，直至满足对应的控制效果，继续进行后续分程控制。

由于控制过程存在一定的时延性，通过进行分程控制以进行时延弱化，细分控制区段进行逐步递进式控制，可进一步提高控制精度，同步分析控制效果，以便进行异常控制效果溯源。

实施例二

基于与前述实施例中洁净室温湿度控制方法相同的发明构思，如图4所示，本申请提供了洁净室温湿度控制系统，所述系统包括：

样本集构建模块11，所述样本集构建模块11用于采集洁净室温湿度控制样本数据，构建温湿度控制样本集，所述温湿度控制样本集包括温湿度设定值、温湿度采集值、洁净室变量控制要求；

函数关系拟合模块12，所述函数关系拟合模块12用于基于所述温湿度控制样本集中温湿度设定值、温湿度采集值、洁净室变量控制要求拟合温度-湿度、温度-洁净室变量控制要求、湿度-洁净室变量控制要求、温湿度设定值-采集值函数关系；

通道构建模块13，所述通道构建模块13用于基于所有函数关系，构建多个对应的数据分析通道，所述数据分析通道用于基于函数关系进行数据控制量分析转换；

模型构建模块14，所述模型构建模块14用于将多个数据分析通道进行连接，构建数据分析优化模型；

控制要求分解模块15，所述控制要求分解模块15用于获取当前洁净室控制要求，根据当前洁净室控制要求分解参数控制要求；

优化控制模块16，所述优化控制模块16用于将所述参数控制要求输入所述数据分析优化模型中，进行控制参数优化，获得温湿度控制方案，将所述温湿度控制方案发送至控制器进行温湿度控制。

进一步而言，所述系统还包括：

样本分类模块，所述样本分类模块用于基于预设环境参数对所述温湿度控制样本集进行分类，构建多环境样本集群；

损失量计算拟合模块，所述损失量计算拟合模块用于分别对多环境样本集群进行温湿度设定值、温湿度采集值的损失量计算，确定温度损失量、湿度损失量，并基于所述温度损失量、湿度损失量拟合温湿度损失关系；

耦合关系确定模块，所述耦合关系确定模块用于根据所述温湿度设定值进行温湿度耦合关系分析，确定温湿度耦合关系；

损失关系拟合模块，所述损失关系拟合模块用于基于所述温度损失量、湿度损失量、温湿度耦合关系进行调整走势关系分析，分别拟合湿度耦合损失关系、温度耦合损失关系；

系数确定模块，所述系数确定模块用于利用湿度耦合损失关系、温度耦合损失关系，确定关系调整系数；

函数关系获取模块，所述函数关系获取模块用于基于所述关系调整系数、温湿度损失关系，拟合获得温度-湿度函数关系。

进一步而言，所述系统还包括：

调整关系分析模块，所述调整关系分析模块用于分别对多环境样本集群进行温湿度设定值、洁净室变量控制要求的调整关系分析，确定各洁净室变量与温度设定值的调整关系、各洁净室变量与湿度设定值的调整关系；

调整关系拟合模块，所述调整关系拟合模块用于基于所述各洁净室变量与温度设定值的调整关系、各洁净室变量与湿度设定值的调整关系，分别拟合获得温度-洁净室变量控制要求函数关系、湿度-洁净室变量控制要求函数关系。

进一步而言，所述系统还包括：

多层子模型构建模块，所述多层子模型构建模块用于基于所述多个数据分析通道，通过训练数据集，得到多个分类器，分别建立多层子模型；

优化控制子模型建立模块，所述优化控制子模型建立模块用于利用全连接层将多层子模型进行连接，基于所有函数关系，构建适应度函数，建立优化控制子模型；

数据分析优化模型获取模块，所述数据分析优化模型获取模块用于将所述多层子模型、全连接层、优化控制子模型按照数据连接关系进行整合，获得所述数据分析优化模型。

进一步而言，所述系统还包括：

数据控制信息确定模块，所述数据控制信息确定模块用于将所述参数控制要求按照数据类型进行识别，分别输入对应的数据分析通道中，进行控制要求-控制值关系分析，确定数据控制信息；

数据连接模块，所述数据连接模块用于将各层子模型的输出结果，包括温度数据控制信息、湿度数据控制信息、参数控制要求对应关系，通过全连接层进行数据连接；

最优方案确定模块，所述最优方案确定模块用于将数据连接至优化控制子模型，基于所述温度数据控制信息、湿度数据控制信息、参数控制要求对应关系进行参数控制要求的优化，确定温湿度控制最优方案输出。

进一步而言，所述系统还包括：

适应度函数构建模块，所述适应度函数构建模块用于基于所有函数关系，以能耗量、参数控制精度为评价变量构建适应度函数；

参数赋权模块，所述参数赋权模块用于将所述参数控制要求输入赋权通道，通过赋权算法进行各控制参数权重分配，获得各参数权值；

规则设定模块，所述规则设定模块用于将所述各参数权值添加至所述适应度函数中，基于所述适应度函数，设定优化迭代规则，建立所述优化控制子模型。

进一步而言，所述系统还包括：

方案控制分程模块，所述方案分程模块用于对所述温湿度控制方案进行控制分程，获得分程控制节点；

分程控制信息确定模块，所述分程控制信息确定模块用于基于所述分程控制节点匹配多个控制器，确定各控制器的分程控制信息；

控制结果评价模块，所述控制结果评价模块用于基于各控制器的分程控制信息，构建马尔科夫链评价模型，对各分程控制节点的控制结果进行评价；

信息追溯调整模块，所述信息追溯调整模块用于基于控制结果的评价信息对分程控制信息进行追溯，对不满足控制结果的分程控制信息进行调整，直到满足控制结果为止。

本说明书通过前述对洁净室温湿度控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中洁净室温湿度控制方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。