钢管生产车间温控系统的制作方法

1.本发明涉及钢管生产相关技术领域。更具体地说，本发明涉及一种钢管生产车间温控系统。


背景技术：

2.严寒地区钢管生产车间很难保证施工温度，特别是高强钢焊接对施工环境温度要求比较严格。但是，现有的生产车间通常利用制热设备统一对生产车间进行供热，这种方式虽然简便，但是能源消耗大，灵活性差。因此，亟需设计一种能够一定程度克服上述缺陷的技术方案。


技术实现要素：

3.本发明的一个目的是提供一种钢管生产车间温控系统，能够较灵活地调整每个单位空间内的温度，减少了温度控制的能量耗费。
4.为了实现本发明的这些目的和其它优点，根据本发明的一个方面，本发明提供了钢管生产车间温控系统，包括：多个温度传感器，所述钢管生产车间被划分为多个单位空间，多个所述温度传感器分别设置在多个所述单位空间内，用于分别检测多个所述单位空间的内部温度值；多个空调，多个所述空调与多个所述单位空间对应，用于分别向多个所述单位空间送风；控制器，其与多个所述温度传感器和多个所述空调均电连接，用于将多个所述单位空间的内部温度值输入神经网络预测模型，输出多个所述单位空间下一时间点的内部温度预测值，并根据下一时间点的内部温度预测值控制多个所述空调送风。
5.进一步地，所述空调的出风口连接有送风管，所述送风管朝向所述单位空间内部中心。
6.进一步地，多个所述单位空间至少包括上下两层，每层至少两列，所述送风管从所述钢管生产车间的侧壁伸入所述单位空间内部。
7.进一步地，还包括：室外温度检测仪，其用于检测所述钢管生产车间外部的环境温度值。
8.进一步地，获取历史期间的内部温度值和环境温度值，建立训练集和测试集，以训练集中上一时间点的内部温度值和环境温度值作为输入，以训练集中下一时间点的内部温度值作为输出，训练获得神经网络预测模型，并利用测试集对神经网络预测模型进行测试。
9.进一步地，所述控制器用于将多个所述单位空间的内部温度值和环境温度值输入神经网络预测模型，输出多个所述单位空间下一时间点的内部温度预测值，并根据下一时间点的温度预测值和预定温度范围控制多个所述空调的送风量和送风温度。
10.进一步地，所述控制器还用于计算多个所述单位空间中下一时间点和上一时间点的内部温度值之差，并计算升温速率，若升温速率高于第一预定值或低于第二预定值，则发送报警信号。
11.本发明至少包括以下有益效果：
12.本发明将钢管生产车间划分为多个单位空间，每个单位空间配置空调，结合神经网络预测单位空间下一时间点的内部温度预测值，根据该内部温度预测值和钢管生产车间的预定温度范围，来控制与各单位空间对应的空调。本发明能够较灵活地调整每个单位空间内的温度，进而对整个钢管生产车间的温度进行调控，避免因为局部温度变化，而启动整个温度调控系统，减少了能量耗费。
13.本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
14.图1为本发明的结构示意图；
15.图2为本发明的内部结构示意图。
具体实施方式
16.下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
17.应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
18.如图1、2所示，本技术的实施例提供了钢管生产车间1温控系统，包括：多个温度传感器，所述钢管生产车间1被划分为多个单位空间101，多个所述温度传感器分别设置在多个所述单位空间101内，用于分别检测多个所述单位空间101的内部温度值；多个空调2，多个所述空调2与多个所述单位空间101对应，用于分别向多个所述单位空间101送风；控制器，其与多个所述温度传感器和多个所述空调2均电连接，用于将多个所述单位空间101的内部温度值输入神经网络预测模型，输出多个所述单位空间101下一时间点的内部温度预测值，并根据下一时间点的内部温度预测值控制多个所述空调2送风。
19.在上述实施例中，钢管生产车间1一般为长方体状，其被依次划分为多个单元空间。每个单元空间内设置有温度传感器，用于检测单元空间内的温度，每个单元空间内的温度传感器可有多个，可更准确地得到内部温度值。每个单元空间与一个空调2对应，空调2用于向单元空间内送风，以调节单元空间内的温度。各单元空间因系依次划分，故各单元空间内的温度可相互影响，各时间点的温度也有一定的关联性，故可根据上一时间点的温度预测下一时间的温度。具体地，利用神经网络预测模型来进行预测，以各单元空间上一时间点的内部温度值为输入，得到各单元空间下一时间点的内部温度预测值，根据该内部温度预测值即可调整空调2的送风参数，对对应的单元空间进行温度调控。可以看出，本实施例将钢管生产车间1划分为多个单位空间101，每个单位空间101配置空调2，结合神经网络预测单位空间101下一时间点的内部温度预测值，根据该内部温度预测值和钢管生产车间1的预定温度范围，来控制与各单位空间101对应的空调2，能够较灵活地调整每个单位空间101内的温度，进而对整个钢管生产车间1的温度进行调控，使的整个钢管生产车间1的温度在较小范围内波动，避免因为局部温度变化，而启动整个温度调控系统，减少了能量耗费。
20.在另一些实施例中，所述空调2的出风口连接有送风管3，所述送风管3朝向所述单位空间101内部中心，通过送风管3将空调2产生的风较精准。
21.在另一些实施例中，如图2所示，多个所述单位空间101至少包括上下两层，每层至少两列，所述送风管3从所述钢管生产车间1的侧壁伸入所述单位空间101内部。在这些实施例中，通过单位空间101的划分，使得能够在钢管生产车间1内形成多的温度调控单元，通过每个调控单元的调控，避免因为局部温度变化，而对整个钢管生产车间1实施升温或降温手段，减少能量耗费。并且由于钢管生产车间1为长方体状，本实施例的划分方式，也便于空调2和送风管3的安装。
22.在另一些实施例中，还包括：室外温度检测仪，其用于检测所述钢管生产车间1外部的环境温度值，可参考环境温度值对送风参数进行调整。
23.在另一些实施例中，获取历史期间的内部温度值和环境温度值，建立训练集和测试集，以训练集中上一时间点的内部温度值和环境温度值作为输入，以训练集中下一时间点的内部温度值作为输出，训练获得神经网络预测模型，并利用测试集对神经网络预测模型进行测试。在这些实施例中，历史期间是指未利用空调2进行温度调控的时间段，由于上一时间点和下一时间点的内部温度值和环境温度值存在一定的关联，因而可用于训练神经网络预测模型。训练集用于训练得到神经网络预测模型，测试集则用于测试，使神经网络预测模型的误差在较小的范围内。
24.在另一些实施例中，所述控制器用于将多个所述单位空间101的内部温度值和环境温度值输入神经网络预测模型，输出多个所述单位空间101下一时间点的内部温度预测值，并根据下一时间点的温度预测值和预定温度范围控制多个所述空调2的送风量和送风温度。在这些实施例中，提供了根据神经网络预测模型的预测结果对单元空间进行温度调控的具体方式，预定温度范围为钢管生产车间1的适宜温度范围，一般为5℃左右，根据温度预测值与预定温度范围确定空调2的送风量和送风温度，将各单元空间的内部温度值调整至预定温度范围内，从而使得整个钢管生产车间1的温度在预定温度范围内。
25.本技术方案还可以包括以下细节，以更好地实现技术效果。具体地，根据下一时间点的内部温度预测值和预定温度范围的差值以及各单位空间101的容积，计算多个所述空调2的送风量和送风温度，具体的计算方式可根据预先试验，并统计确定，或者利用比热容公式估算。在试验中，调整送风量、送风温度，记录单位空间的初始内部温度值和最终内部温度值，采用回归分析得到初始内部温度值、送风量、送风温度、单位空间体积与最终内部温度值的数学模型。具体到应用，初始内部温度值即为下一时间点的内部温度预测值，最终内部温度值即为预定温度范围内的中心值，通过该数学模型，即可计算得到送风量和送风温度。
26.在另一些实施例中，所述控制器还用于计算多个所述单位空间101中下一时间点和上一时间点的内部温度值之差，并计算升温速率，若升温速率高于第一预定值或低于第二预定值，则发送报警信号，在环境温度值稳定的情况下，钢管生产车间1内各单元空间的升温速率一般不会过高或过低，如过高或可能存在其它热源或冷源，发送报警信号，提醒工作人员处理。
27.这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明钢管生产车间温控系统的应用、修改和变化对本领域的技术人员来说是显而易见的。
28.尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地
实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。