磁悬浮离心机的防喘控制方法和装置、存储介质与流程

1.本技术涉及磁悬浮离心机领域，具体而言，涉及一种磁悬浮离心机的防喘控制方法和装置、存储介质。


背景技术：

2.磁悬浮离心机是一种完全不需要使用润滑油的离心机，使用电磁轴承来取代传统离心机中的机械轴承，利用磁力作用使转子处于悬浮状态，具有制冷效率高、调节范围大、离心机转速高、体积小、噪声低、寿命长等特点。
3.磁悬浮离心机与传统离心机相比制冷量调节范围非常的大，然而当制冷剂的压力、流量、温度发生变化时，磁悬浮离心机极易发生喘振。喘振是离心机在入口流量小于喘振流量时，离心机出现的流量脉动现象，流体机械及其管道中介质的周期性振荡，是介质受到周期性吸入和排出的激励作用而产生的机械振动，离心机会发出周期性的吼声。特别在低负荷、小流量情况下，磁悬浮离心机极易发生喘振，最终导致离心机与磁轴承的损坏，降低磁悬浮离心式制冷机组的可靠性。在喘振控制方法中通过不断监测、采集、记录和分析多维运行数据，利用大数据进行喘振控制。而喘振控制涉及喘振的检测，快速而准确的喘振检测方法不仅有利于离心机机械的安全稳定运行，也是喘振控制过程中的关键点。
4.针对喘振检测问题，传统的喘振检测方法是控制系统测量计算喘振的过程参数，过程参数一般包括离心机的转速、入口流量、压力、温度、离心机的出口压力，驱动电机的电流等，再进行喘振判定，发送故障信号传递给主控做出响应及控制。若离心机发生喘振，而传统检测方法检测出离心机喘振的时间周期较长，待主控系统作出喘振处理的措施，在此期间喘振所产生的剧烈振动，可能会引起磁轴承与轴之间产生机械碰撞，导致磁轴承故障。
5.针对上述相关技术中检测出磁悬浮离心机发生喘振的时间周期较长的问题，目前尚未提出有效的解决方案。


技术实现要素：

6.本技术实施例提供了一种磁悬浮离心机的防喘控制方法和装置、存储介质，以至少解决相关技术中检测出磁悬浮离心机发生喘振的时间周期较长的技术问题。
7.根据本技术实施例的一个方面，提供了一种磁悬浮离心机的防喘控制方法，包括：获取磁悬浮离心机的第一转子位移数据；在vae模型利用所述第一转子位移数据识别出所述磁悬浮离心机发生喘振的情况下，发送喘振信号至所述磁悬浮离心机的主控，以指示所述主控执行相应的防喘控制操作。
8.可选地，在获取磁悬浮离心机的当前转子位移数据之前，所述方法还包括：在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据；使用所述第二转子位移数据对所述vae模型进行训练：通过所述vae模型中的编码器将所述第二转子位移数据映射到隐变量h，以构建所述磁悬浮离心机在未喘振时的表示空间；在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2，并确定统计量h2的控制限h
2lim
的值。
9.可选地，在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据，包括：在所述磁悬浮离心机未发生喘振的情况下，多次采集所述磁悬浮离心机的第二转子位移数据。
10.可选地，在使用所述第二转子位移数据对所述vae模型进行训练之前，构建所述vae模型中编码器的结构：
[0011][0012]
其中，p(x)输入数据x的对应分布，p(h)为隐变量h的对应分布，p(h|x)为在输入的位移数据x的条件下隐变量h的分布，p(x|h)为隐变量h的条件下输入的位移数据x的分布。
[0013]
可选地，在使用所述第二转子位移数据对所述vae模型进行训练之前，建立位移数据x的条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的kl散度公式；最小化kl散度公式，得到输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的最小散度公式，以作为所述vae模型的最小损失函数，其中，所述最小损失函数用于保持隐变量h的分布符合正态分布。
[0014]
可选地，使用所述第二转子位移数据对所述vae模型进行训练，包括：将输入的位移数据x映射到隐变量h，其中，隐变量h服从正态分布，p(h)服从标准正态分布n(0,1)。
[0015]
可选地，在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2，包括：在所述表示空间中构造统计量h2：h2＝h
t
σ-1
h，其中，σ是隐藏表示空间中的训练集的协方差矩阵。
[0016]
根据本技术实施例的另一方面，还提供了一种磁悬浮离心机的防喘控制装置，包括：获取单元，用于获取磁悬浮离心机的第一转子位移数据；控制单元，用于在vae模型利用所述第一转子位移数据识别出所述磁悬浮离心机发生喘振的情况下，发送喘振信号至所述磁悬浮离心机的主控，以指示所述主控执行相应的防喘控制操作。
[0017]
可选地，该装置还包括训练单元，用于：在获取磁悬浮离心机的当前转子位移数据之前，在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据；使用所述第二转子位移数据对所述vae模型进行训练：通过所述vae模型中的编码器将所述第二转子位移数据映射到隐变量h，以构建所述磁悬浮离心机在未喘振时的表示空间；在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2，并确定统计量h2的控制限h
2lim
的值。
[0018]
可选地，训练单元还用于：在所述磁悬浮离心机未发生喘振的情况下，多次采集所述磁悬浮离心机的第二转子位移数据。
[0019]
可选地，训练单元还用于：在使用所述第二转子位移数据对所述vae模型进行训练之前，构建所述vae模型中编码器的结构：
[0020][0021]
其中，p(x)输入数据x的对应分布，p(h)为隐变量h的对应分布，p(h|x)为在输入的位移数据x的条件下隐变量h的分布，p(x|h)为隐变量h的条件下输入的位移数据x的分布。
[0022]
可选地，训练单元还用于：在使用所述第二转子位移数据对所述vae模型进行训练
之前，建立位移数据x的条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的kl散度公式；最小化kl散度公式，得到输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的最小散度公式，以作为所述vae模型的最小损失函数，其中，所述最小损失函数用于保持隐变量h的分布符合正态分布。
[0023]
可选地，训练单元还用于：将输入的位移数据x映射到隐变量h，其中，隐变量h服从正态分布，p(h)服从标准正态分布n(0,1)。
[0024]
可选地，训练单元还用于：在所述表示空间中构造统计量h2：h2＝h
t
σ-1
h，其中，σ是隐藏表示空间中的训练集的协方差矩阵。
[0025]
根据本技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
[0026]
根据本技术实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
[0027]
在本技术实施例中，可预先收集磁悬浮离心机正常运行下的转子位移x的数据集，训练vae模型(包括编码器和解码器)，在磁悬浮离心机的喘振在线监测环节中，实时采集转子位移x
new
，通过训练完毕的vae模型中的编码器模型来提取特征表示，用以判定磁悬浮离心机喘振的发生，能灵敏且准确的识别喘振的发生，提高了磁悬浮离心机喘振的检测效率，可以解决相关技术中检测出磁悬浮离心机发生喘振的时间周期较长的技术问题。
附图说明
[0028]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0029]
图1是根据本技术实施例的一种可选的磁悬浮离心机的防喘控制方法的流程图；
[0030]
图2是根据本技术实施例的一种可选的主控防喘控制流程的示意图；
[0031]
图3是根据本技术实施例的一种可选的防喘控制框图的示意图；
[0032]
图4是根据本技术实施例的一种可选的离心机喘振测量方案的示意图；
[0033]
图5是根据本技术实施例的一种可选的防喘控制方案的示意图；
[0034]
图6是根据本技术实施例的一种可选的变分自动编码网络结构的示意图；
[0035]
图7是根据本技术实施例的一种可选的离线建模的示意图；
[0036]
图8是根据本技术实施例的一种可选的在线监测的示意图；
[0037]
图9是根据本技术实施例的一种可选的防喘控制方案的示意图；
[0038]
图10是根据本技术实施例的一种可选的磁悬浮离心机的防喘控制装置的示意图；以及，
[0039]
图11是根据本技术实施例的一种电子装置的结构框图。
具体实施方式
[0040]
为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是
本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
[0041]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0042]
针对以上问题，本技术提出一种基于变分自动编码器的磁悬浮离心机喘振检测方法，来检测磁悬浮离心机喘振是否发生。相比于传统的喘振检测方法，本发明能灵敏且准确地识别离心机喘振的发生，以便主控能及时做出响应处理喘振，保证机组的安全运行。根据本技术实施例的一方面，提供了一种磁悬浮离心机的防喘控制方法的实施例。图1是根据本技术实施例的一种可选的磁悬浮离心机的防喘控制方法的流程图，如图1所示，该方法可以包括以下步骤：
[0043]
步骤s1，获取磁悬浮离心机的第一转子位移数据；
[0044]
步骤s2，在vae模型利用所述第一转子位移数据识别出磁悬浮离心机发生喘振的情况下，发送喘振信号至磁悬浮离心机的主控，以指示主控执行相应的防喘控制操作。
[0045]
可选地，在获取磁悬浮离心机的当前转子位移数据之前，可以按照如下方式训练vae模型：
[0046]
步骤1，在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据。
[0047]
可选地，在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据，包括：在所述磁悬浮离心机未发生喘振的情况下，多次采集所述磁悬浮离心机的第二转子位移数据，以覆盖正常取值范围内的位移数据。
[0048]
步骤2，使用所述第二转子位移数据对所述vae模型进行训练：通过所述vae模型中的编码器将所述第二转子位移数据映射到隐变量h，以构建所述磁悬浮离心机在未喘振时的表示空间。
[0049]
可选地，在使用所述第二转子位移数据对所述vae模型进行训练之前，构建所述vae模型中编码器的结构：
[0050][0051]
其中，p(x)输入数据x的对应分布，p(h)为隐变量h的对应分布，p(h|x)为在输入的位移数据x的条件下隐变量h的分布，p(x|h)为隐变量h的条件下输入的位移数据x的分布。
[0052]
可选地，在使用所述第二转子位移数据对所述vae模型进行训练之前，建立位移数据x的条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的kl散度公式；最小化kl散度公式，得到输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的最
小散度公式，以作为所述vae模型的最小损失函数，其中，所述最小损失函数用于保持隐变量h的分布符合正态分布。
[0053]
可选地，使用所述第二转子位移数据对所述vae模型进行训练，包括：将输入的位移数据x映射到隐变量h，其中，隐变量h服从正态分布，p(h)服从标准正态分布n(0,1)。
[0054]
步骤3在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2。
[0055]
可选地，在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2，包括：在所述表示空间中构造统计量h2：h2＝h
t
σ-1
h，其中，σ是隐藏表示空间中的训练集的协方差矩阵。
[0056]
步骤4，确定统计量h2的控制限h
2lim
的值。
[0057]
在本技术的技术方案中，可预先收集磁悬浮离心机正常运行下的转子位移x的数据集，训练vae模型(包括编码器和解码器)，在磁悬浮离心机的喘振在线监测环节中，实时采集转子位移x
new
，通过训练完毕的vae模型中的编码器模型来提取特征表示，用以判定磁悬浮离心机喘振的发生，能灵敏且准确的识别喘振的发生，提高了磁悬浮离心机喘振的检测效率，可以解决相关技术中检测出磁悬浮离心机发生喘振的时间周期较长的技术问题。
[0058]
本方案解决了在磁悬浮离心机的喘振抑制中，传统的喘振检测方法检测喘振所需时间较长，无法快速且准确的识别磁悬浮离心机的喘振状态，具有一定的延迟性，使得主控不能及时响应做出决策来避免离心机与磁轴承损坏的问题。采用本技术的技术方案，可灵敏准确识别磁悬浮离心机喘振的发生，提高磁悬浮离心机运行的可靠性。
[0059]
如附图9为磁悬浮轴承的保护流程，磁悬浮轴承系统控制转子悬浮，实时监测轴承悬浮是否稳定，若不稳定则作轴承保护，进行停机等操作；否则为稳定悬浮，继续监测转子运行。作为一种可选的实施例，下文结合具体的实施方式进一步详述本技术的技术方案。
[0060]
如附图2所示，为传统离心机的主控防喘控制流程，主控系统测量计算喘振的过程参数，过程参数一般包括离心机的转速、入口流量、压力、温度、离心机的出口压力，驱动电机电流等，再进行喘振判定，若喘振则发送喘振信号传递给主控做出响应及喘振控制。如附图3所示，为传统的防喘振控制框图，主控检测离心机的喘振过程参数并判断是否喘振，再进行防喘振控制。
[0061]
而磁悬浮离心机抗喘要求灵敏度要高，传统喘振测量逻辑如附图4所示，由主控来检测喘振所需时间t相对较长，检测的延迟性较高，当喘振发生时，不能快速识别出喘振的发生。
[0062]
如附图5所示，为改进后的防喘振控制框图，检测磁悬浮轴承的转子位移，通过训练完毕的vae模型中的编码器模型来提取特征表示，来判定是否喘振，若判定发生喘振则发送喘振信号至主控，主控进行相应的防喘控制，以快速准确的识别喘振，确保磁悬浮离心机正常运行。
[0063]
本技术在磁悬浮离心机的喘振检测环节中使用vae提取关键的高斯分布用于过程监控，分为先离线建模，再用于在线监测两个流程。
[0064]
如附图7所示为离线建模流程图。
[0065]
第一步，在磁悬浮离心机未发生喘振运行的情况下，使用传感器收集转子位移训练数据集x；第二步，构建初始的变分自动编码结构，包括编码器和解码器如附图6所示，输入转子位移数据x训练变分自动编码模型；第三步，通过vae中的编码器模型将正常数据映
射到隐藏表示h(也称特征表示)，用以构建离心机未喘振正常运行条件下的表示空间；第四步，在此正常条件下的表示空间中构造h2统计量；第五步，确定磁悬浮离心机在正常条件下，h2统计量的控制限h
2lim
的值。
[0066]
第二步详细为，定义隐变量h，隐变量h的对应分布为为p(h)，输入数据x的对应分布为p(x)，通过条件概率公式得到隐变量h分布与输入数据x分布之间的关系，如公式(1)：
[0067][0068]
其中，p(h|x)为在输入的转子位移数据x的条件下隐变量h的分布，p(x|h)为隐变量h的条件下输入的位移数据x的分布；
[0069]
计算输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的kullback-leibler散度如式(2)所示，表示两种概率分布之间的差异的度量，。
[0070][0071]
最小化式(2)得到输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的最小散度如式(3)作为vae的最小损失函数，是为了让隐变量h的分布尽可能和正态分布相似：
[0072]
min(d
kl
(q(h|x)||p(h|x)))＝min(d
kl
(q(h|x)||p(h))-e
h～q(h|x)
[logp(x|h)]) (3)
[0073]
式(3)中d
kl
(q(h|x)||p(h))对应编码器的过程，e
h～q(h|x)
[logp(x|h)]对应解码器的过程，h～q(h|x)表示隐变量h服从后验分布。
[0074]
若使p(h)服从标准正态分布n(0,1)，q(h|x)服从正态分布n(u,σ)，得到如式(4)结果如下，其中u为均值，σ为标准差。
[0075][0076]
当损失函数小到一定程度，停止训练，获得最优参数，vae模型训练完毕后，可以获得与正态分布近似的有用隐藏层表示。
[0077]
第四步，详细为vae将输入数据x映射到的隐藏表示h服从正态分布，p(h)服从标准正态分布n(0,1)，因此可以在正常运行条件的表示空间中构造类似于t2统计量的h2统计量如式(5)，σ是隐藏表示空间中的训练集的协方差矩阵。
[0078]
h2＝h
t
σ-1hꢀꢀꢀ
(5)
[0079]
第五步，详细为得到的正常运行条件下的h2，由χ2分布或f分布确定了控制限h
2lim
。
[0080]
如附图8为在线监测流程图。第一步，在磁悬浮离心机运行时，传感器实时采集当前的转子位移数据x
new
；第二步，当新转子位移数据点x
new
到达时，x
new
通过训练完毕的vae编码器模型映射到服从高斯分布的隐藏表示空间h
new
；第三步，根据式(5)计算当前的监控统计量h
2new
；第四步，根据该次的统计量h
2new
和控制限h
2lim
的值检测喘振的发生，若h
2new
大于控制限h
2lim
，则判定磁悬浮离心机发生喘振；否则判定为离心机未发生喘振，正常运行中，继续在线监控。
[0081]
采用本方法来判定磁悬浮离心机喘振是否发生，能灵敏且准确的识别喘振，提高
了磁悬浮离心机喘振的检测效率。
[0082]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0083]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台电子装置(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0084]
根据本技术实施例的另一个方面，还提供了一种用于实施上述磁悬浮离心机的防喘控制方法的磁悬浮离心机的防喘控制装置。图10是根据本技术实施例的一种可选的磁悬浮离心机的防喘控制装置的示意图，如图10所示，该装置可以包括：
[0085]
获取单元101，用于获取磁悬浮离心机的第一转子位移数据；控制单元103，用于在vae模型利用所述第一转子位移数据识别出所述磁悬浮离心机发生喘振的情况下，发送喘振信号至所述磁悬浮离心机的主控，以指示所述主控执行相应的防喘控制操作。
[0086]
需要说明的是，该实施例中的获取单元101可以用于执行本技术实施例中的步骤s1，该实施例中的控制单元103可以用于执行本技术实施例中的步骤s2。
[0087]
通过上述模块，可预先收集磁悬浮离心机正常运行下的转子位移x的数据集，训练vae模型(包括编码器和解码器)，在磁悬浮离心机的喘振在线监测环节中，实时采集转子位移x
new
，通过训练完毕的vae模型中的编码器模型来提取特征表示，用以判定磁悬浮离心机喘振的发生，能灵敏且准确的识别喘振的发生，提高了磁悬浮离心机喘振的检测效率，可以解决相关技术中检测出磁悬浮离心机发生喘振的时间周期较长的技术问题。
[0088]
可选地，该装置还包括训练单元，用于：在获取磁悬浮离心机的当前转子位移数据之前，在所述磁悬浮离心机未发生喘振的情况下，采集所述磁悬浮离心机的第二转子位移数据；使用所述第二转子位移数据对所述vae模型进行训练：通过所述vae模型中的编码器将所述第二转子位移数据映射到隐变量h，以构建所述磁悬浮离心机在未喘振时的表示空间；在所述磁悬浮离心机在未喘振时的表示空间中构造统计量h2，并确定统计量h2的控制限h
2lim
的值。
[0089]
可选地，训练单元还用于：在所述磁悬浮离心机未发生喘振的情况下，多次采集所述磁悬浮离心机的第二转子位移数据。
[0090]
可选地，训练单元还用于：在使用所述第二转子位移数据对所述vae模型进行训练之前，构建所述vae模型中编码器的结构：
[0091][0092]
其中，p(x)输入数据x的对应分布，p(h)为隐变量h的对应分布，p(h|x)为在输入的位移数据x的条件下隐变量h的分布，p(x|h)为隐变量h的条件下输入的位移数据x的分布。
[0093]
可选地，训练单元还用于：在使用所述第二转子位移数据对所述vae模型进行训练之前，建立位移数据x的条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的kl散度公式；最小化kl散度公式，得到输入的位移数据x条件下隐变量h的分布p(h|x)与输入的位移数据x服从正态分布的条件下隐变量h的分布q(h|x)之间的最小散度公式，以作为所述vae模型的最小损失函数，其中，所述最小损失函数用于保持隐变量h的分布符合正态分布。
[0094]
可选地，训练单元还用于：将输入的位移数据x映射到隐变量h，其中，隐变量h服从正态分布，p(h)服从标准正态分布n(0,1)。
[0095]
可选地，训练单元还用于：在所述表示空间中构造统计量h2：h2＝h
t
σ-1
h，其中，σ是隐藏表示空间中的训练集的协方差矩阵。
[0096]
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在相应的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
[0097]
根据本技术实施例的另一个方面，还提供了一种用于实施上述磁悬浮离心机的防喘控制方法的服务器或电子装置。
[0098]
图11是根据本技术实施例的一种电子装置的结构框图，如图11所示，该电子装置可以包括：一个或多个(仅示出一个)处理器1101、存储器1103、以及传输装置1105，如图11所示，该电子装置还可以包括输入输出设备1107。
[0099]
其中，存储器1103可用于存储软件程序以及模块，如本技术实施例中的磁悬浮离心机的防喘控制方法和装置对应的程序指令/模块，处理器1101通过运行存储在存储器1103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的磁悬浮离心机的防喘控制方法。存储器1103可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1103可进一步包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至电子装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0100]
上述的传输装置1105用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1105包括一个网络适配器(network interface controller，nic)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1105为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
[0101]
其中，具体地，存储器1103用于存储应用程序。
[0102]
处理器1101可以通过传输装置1105调用存储器1103存储的应用程序，以执行下述步骤：
[0103]
获取磁悬浮离心机的第一转子位移数据；
[0104]
在vae模型利用所述第一转子位移数据识别出所述磁悬浮离心机发生喘振的情况下，发送喘振信号至所述磁悬浮离心机的主控，以指示所述主控执行相应的防喘控制操作。
[0105]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
[0106]
本领域普通技术人员可以理解，图11所示的结构仅为示意，电子装置可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobile internet devices，mid)、pad等电子装置。图11其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图11中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图11所示不同的配置。
[0107]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令电子装置相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
[0108]
本技术的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行磁悬浮离心机的防喘控制方法的程序代码。
[0109]
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
[0110]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
[0111]
获取磁悬浮离心机的第一转子位移数据；
[0112]
在vae模型利用所述第一转子位移数据识别出所述磁悬浮离心机发生喘振的情况下，发送喘振信号至所述磁悬浮离心机的主控，以指示所述主控执行相应的防喘控制操作。
[0113]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
[0114]
可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0115]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0116]
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。
[0117]
在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0118]
在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0119]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0120]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0121]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。