本發(fā)明涉及工頻控制，尤其涉及一種基于數(shù)據(jù)處理的高壓風機工頻控制方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代農(nóng)業(yè)生產(chǎn)與糧食存儲過程中，確保糧食的安全性和品質(zhì)至關(guān)重要。隨著全球人口的增長和氣候變化的影響，糧食存儲技術(shù)面臨越來越多的挑戰(zhàn)。傳統(tǒng)的糧食存儲方法往往依賴于機械通風和自然干燥，但這些方法容易受到外界環(huán)境變化的影響，難以實現(xiàn)對糧食環(huán)境的精準控制，導(dǎo)致糧食發(fā)霉、蟲害和腐爛等問題。

2、高壓風機因其出風量大、風壓高、能耗低等優(yōu)點，被廣泛應(yīng)用于糧食存儲的通風系統(tǒng)中，通過有效控制風機的運行，可以實現(xiàn)對存儲環(huán)境的精準調(diào)節(jié)，從而提高糧食的存儲安全性和品質(zhì)。然而，現(xiàn)有的高壓風機控制技術(shù)主要依賴于固定頻率的工頻供電方式，缺乏智能化、自動化的控制手段，難以根據(jù)實時數(shù)據(jù)調(diào)整風機的運行狀態(tài)，無法滿足動態(tài)變化的糧食存儲需求。迭代自組織聚類算法是一種對多維度數(shù)據(jù)進行分析的算法，在糧食存儲領(lǐng)域，通過對糧倉內(nèi)的溫度、濕度、氧氣濃度等參數(shù)進行監(jiān)測分析，并根據(jù)分析結(jié)果實現(xiàn)對高壓風機的精準控制，從而保持糧食存儲環(huán)境的最佳狀態(tài)。

3、公告號為cn117762106b的專利文件公開了基于物聯(lián)網(wǎng)的蓄禽血制品加工過程監(jiān)控方法。該方法通過對多個加工周期中拐點之間的局部波動和時間的差異情況，得到劃分點時序分布序列，并根據(jù)其中劃分點的分布對所有加工周期進行劃分得到加工周期的劃分段；對每個劃分段進行迭代自組織聚類得到初始聚類簇，并根據(jù)數(shù)據(jù)點在所處加工周期和所處初始聚類簇的波動偏離情況，得到修正權(quán)重調(diào)整修正聚類中心，獲得最終聚類中心；基于當前時刻下溫度數(shù)據(jù)與對應(yīng)最終聚類中心的偏離情況，得到加工狀態(tài)進行監(jiān)控。

4、然而，上述專利文件并不是針對糧食存儲過程，并且沒有解決對于糧倉內(nèi)的環(huán)境數(shù)據(jù)，由于不同的維度具有不同的環(huán)境特征以及聚集模式，當糧倉內(nèi)的各個維度的環(huán)境數(shù)據(jù)發(fā)生變化時，會逐步的發(fā)生變化，因此，其中會存在一些數(shù)據(jù)點在聚類過程中與一些聚類簇的距離較為接近，而迭代自組織算法在聚類過程中會直接的將該數(shù)據(jù)點劃分在距離最近的聚類簇中，忽略了其它距離接近的聚類簇，從而導(dǎo)致聚類結(jié)果的誤差不斷累積，使聚類結(jié)果準確性降低，進一步的使高壓風機的工頻控制結(jié)果不準確的問題。

技術(shù)實現(xiàn)思路

1、為了解決迭代自組織算法在聚類過程中會直接的將該數(shù)據(jù)點劃分在距離最近的聚類簇中，忽略了其它距離接近的聚類簇，從而導(dǎo)致聚類結(jié)果的誤差不斷累積，使聚類結(jié)果準確性降低，進而使得高壓風機的工頻控制結(jié)果不準確的問題，本發(fā)明提供一種基于數(shù)據(jù)處理的高壓風機工頻控制方法及系統(tǒng)。

2、第一方面，本發(fā)明提供一種基于數(shù)據(jù)處理的高壓風機工頻控制方法，采用如下的技術(shù)方案：

3、一種基于數(shù)據(jù)處理的高壓風機工頻控制方法，包括：獲取糧倉的環(huán)境數(shù)據(jù)內(nèi)各數(shù)據(jù)點的各維度數(shù)據(jù)；通過迭代自組織聚類算法獲取各數(shù)據(jù)點的異常度，將所有數(shù)據(jù)點的異常度的均值作為糧倉的環(huán)境數(shù)據(jù)的異常度，以實現(xiàn)基于數(shù)據(jù)處理的高壓風機工頻控制；在迭代自組織聚類算法的每輪迭代過程中，響應(yīng)于各數(shù)據(jù)點所屬聚類簇不再變動，聚類結(jié)束進入下一輪迭代，包括：對于每輪迭代中的每次聚類，基于任意兩個數(shù)據(jù)點在各維度的值的差異以及截止至該次聚類時每次聚類上述兩個數(shù)據(jù)點所屬聚類簇的聚類中心之間的歐式距離，計算數(shù)據(jù)點之間的相似度；對于任意一個維度，基于各數(shù)據(jù)點在該維度的值和該維度內(nèi)數(shù)據(jù)點的均值的差異，計算該維度的重要度；將所述重要度作為權(quán)重，對各數(shù)據(jù)點到各聚類中心的歐式距離進行加權(quán)，得到各數(shù)據(jù)點到各聚類中心的加權(quán)歐式距離；根據(jù)所述加權(quán)歐式距離將各數(shù)據(jù)預(yù)分配至加權(quán)歐式距離最小的聚類簇中；基于各數(shù)據(jù)點和各聚類簇內(nèi)所有數(shù)據(jù)點的相似度均值以及所述加權(quán)歐式距離的比值，計算各數(shù)據(jù)點分配至各聚類簇的可能性；根據(jù)所述可能性將各數(shù)據(jù)點分配至可能性最大的聚類簇中，完成該次聚類。

4、有益效果在于：通過迭代自組織聚類算法獲取各數(shù)據(jù)點的異常度，并將所有數(shù)據(jù)點的異常度的均值作為糧倉環(huán)境數(shù)據(jù)的異常度，能夠更準確地識別出環(huán)境數(shù)據(jù)中的異常點，從而提高異常檢測的準確性；通過聚類分析，能夠?qū)⒋罅凯h(huán)境數(shù)據(jù)點有效歸類，減少冗余信息，提高數(shù)據(jù)處理效率；重要度的評估使得控制系統(tǒng)能夠關(guān)注最相關(guān)的維度，優(yōu)化決策過程；通過量化各數(shù)據(jù)點與其余任意一個數(shù)據(jù)點的相似度，更準確地衡量數(shù)據(jù)點之間的相似性，從而提高數(shù)據(jù)處理的魯棒性；采用相似度和加權(quán)歐式距離的計算，使得數(shù)據(jù)點分配到最合適的聚類中，從而提高聚類的準確性，避免傳統(tǒng)方法可能存在的分類錯誤。

5、進一步地，所述各維度數(shù)據(jù)，包括：溫度維度數(shù)據(jù)、濕度維度數(shù)據(jù)和氧氣濃度維度數(shù)據(jù)。

6、進一步地，所述相似度滿足如下關(guān)系式：

7、；式中，為第個數(shù)據(jù)點和第個數(shù)據(jù)點之間的相似度，為維度的數(shù)量，為第個數(shù)據(jù)點在第個維度的值，為第個數(shù)據(jù)點在第個維度的值，為截止至該次聚類時的聚類次數(shù)，為第次聚類時第個和第個數(shù)據(jù)點所屬聚類簇的聚類中心之間的歐式距離，為超參數(shù)，為自然指數(shù)函數(shù)。

8、有益效果在于：通過綜合考慮各個維度的差異和聚類中心之間的距離，能夠更加精確地衡量數(shù)據(jù)點之間的相似性，有助于提高聚類的準確性，使得相似的環(huán)境數(shù)據(jù)點能夠被有效地分配到同一聚類簇。

9、進一步地，所述重要度滿足如下關(guān)系式：

10、；式中，為第個維度的重要度，為數(shù)據(jù)點的數(shù)量，為第個數(shù)據(jù)點在第個維度的值，為所有數(shù)據(jù)點在第個維度的均值，為標準歸一化函數(shù)。

11、有益效果在于：通過計算不同維度的重要度，更好地理解數(shù)據(jù)的結(jié)構(gòu)和特征，幫助識別維度對整體數(shù)據(jù)的影響；通過量化重要度，從而優(yōu)先關(guān)注和分析重要性高的特征，節(jié)省時間和資源；通過分析重要度較高的維度，可以更容易地識別出潛在的異常值或不符合預(yù)期的數(shù)據(jù)點，確保數(shù)據(jù)的質(zhì)量和可靠性。

12、進一步地，所述加權(quán)歐式距離滿足如下關(guān)系式：

13、；式中，為第個數(shù)據(jù)點到第個聚類簇的聚類中心之間的加權(quán)歐式距離，為維度的數(shù)量，為第個維度的重要度，為第個數(shù)據(jù)點到第個聚類簇的聚類中心在第個維度的歐式距離。

14、有益效果在于：通過引入維度重要度，能有效地反映每個維度在距離計算中的相對重要性；加權(quán)歐式距離考慮了每個維度的重要性，能提升聚類的準確性，確保距離計算更合理，從而得到更好的聚類結(jié)果；在數(shù)據(jù)集特征分布發(fā)生變化時，維度的重要性可以動態(tài)調(diào)整，使得距離計算能夠適應(yīng)新的數(shù)據(jù)特征，增強模型的靈活性和適應(yīng)性。

15、進一步地，所述可能性滿足如下關(guān)系式：

16、；式中，為第個數(shù)據(jù)點分配至第個聚類簇的可能性，為第個數(shù)據(jù)點和第個聚類簇內(nèi)所有數(shù)據(jù)點之間的相似度均值，為第個數(shù)據(jù)點到第個聚類簇的聚類中心之間的加權(quán)歐式距離，為標準歸一化函數(shù)。

17、有益效果在于：通過將數(shù)據(jù)點與聚類簇之間的相似度均值與加權(quán)歐式距離相結(jié)合，可以有效衡量數(shù)據(jù)點與聚類簇之間的關(guān)系，有助于判斷數(shù)據(jù)點的聚類歸屬；通過標準歸一化函數(shù)，能夠?qū)⒖赡苄灾祲嚎s到一個統(tǒng)一的范圍內(nèi)，便于后續(xù)的比較和分析，避免不同規(guī)模數(shù)據(jù)帶來的偏差。

18、進一步地，所述通過迭代自組織聚類算法獲取各數(shù)據(jù)點的異常度，包括：將迭代自組織聚類算法的最終聚類結(jié)果中各數(shù)據(jù)點和其所屬聚類簇的聚類中心的歐式距離的歸一化結(jié)果作為各數(shù)據(jù)點的異常度，異常度滿足：；式中，為第個數(shù)據(jù)點的異常度，為在最終聚類結(jié)果中第個數(shù)據(jù)點和其所屬聚類簇的聚類中心之間的歐式距離，為標準歸一化函數(shù)。

19、進一步地，所述以實現(xiàn)基于數(shù)據(jù)處理的高壓風機工頻控制，包括：根據(jù)糧倉內(nèi)的環(huán)境數(shù)據(jù)的異常度對高壓風機的工頻進行控制調(diào)整，調(diào)整后的工作頻率的調(diào)整量滿足：；式中，為調(diào)整后的工作頻率的調(diào)整量，為調(diào)整前的工作頻率，為糧倉內(nèi)的環(huán)境數(shù)據(jù)的異常度，為預(yù)設(shè)異常閾值，為雙曲正切函數(shù)。

20、第二方面，本發(fā)明提供一種基于數(shù)據(jù)處理的高壓風機工頻控制系統(tǒng)，采用如下的技術(shù)方案：

21、一種基于數(shù)據(jù)處理的高壓風機工頻控制系統(tǒng)，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)上述一種基于數(shù)據(jù)處理的高壓風機工頻控制方法。

22、通過采用上述技術(shù)方案，將上述的一種基于數(shù)據(jù)處理的高壓風機工頻控制方法生成計算機程序，并存儲于存儲器中，以被處理器加載并執(zhí)行，從而根據(jù)存儲器及處理器制作終端設(shè)備，方便使用。

23、本發(fā)明具有以下技術(shù)效果：

24、通過在每輪迭代過程中的每次聚類時對每一個數(shù)據(jù)點與其它聚類簇的聚類中心的距離進行分析，再對該數(shù)據(jù)點與其它聚類中心的歐式距離進行加權(quán)修正，從而減少聚類過程中的誤差累積，使聚類結(jié)果更加準確，進而提高對高壓風機的工頻控制的準確性。