一种海洋平台多舱室通风多目标优化控制方法

1.本发明涉及通风系统控制技术领域，尤其涉及一种海洋平台多舱室通风多目标优化控制方法。


背景技术：

2.随着海上油气探测、开发与海洋工程的快速发展，海洋平台数量大大增加，规模及任务量也逐渐增大。海洋平台是海上石油钻探与运输加工等活动的重要场所，由于其工作环境恶劣、设计复杂，造价昂贵，机械设备高度集中，存在大量易燃易爆物质以及油气存储设备，一旦发生火灾将导致极为严重的后果，因此保障海洋平台在长期离岸环境下的正常安全运行非常重要。而通风系统作为海洋平台的重要组成部分，合理的设计可以为平台的工作区和生活区提供足够的通风，以调控平台舱室的温度、湿度、气体浓度、舱压等重要的环境参数，保障稳定良好的舱室环境，这对平台施工的安全、工作人员的舒适健康以及室内设备的安全运行有重要影响。
3.针对海洋平台而言，风平衡是指根据各个舱室的通风需求，协调控制各出风口出风量，以实现所有舱室风量的供需平衡，是实现通风系统功能中的重要一环。海洋平台的舱室与陆地普通商业建筑不同，舱室种类繁多，通风个性化要求高，不同类型的舱室严格需要不同的精确通风量。例如，对于能源供应舱室，通风系统需要实时输送其不同负荷运行时所需的最大安全空气量,以及防止热敏感设备的过热。而对于人员居住活动舱室，根据相关文献研究表明，空气进量与人员的舒适度感觉直接关联，因此送入足够的新鲜空气到所有工作和服务的必要舱室，才能保证海洋平台工作人员的身心健康和工作效率。
4.在海洋平台通风系统中，受多因素影响，大部分管路存在不平衡，风机输入和出风末端输出表现出强耦合性，使得经过管道及机组的风量与设计风量不符, 加上风机选型偏大，风机运行在不合适的工作点处，导致系统处于大流量运行工况。
5.到目前为止，通风系统风平衡调节方法有比例法、迭代法等理论方法，但需要知道通风系统精确的数学模型后，经过长时间反复尝试才能实现系统所有出风末端的风平衡；而渐进流法、风机基压法、基准风口法等实验方法，这些方法本质上是一种实验试错法，而且要求所有风阀从全开或者全闭的初始状态开始调节，这种状态下可能会导致极端风量值，带来通风安全隐患，费时费力，成本高，且依赖于技术人员的经验以及系统的复杂性。另外，海洋平台由于其部分舱室作用的特殊性，对于通风系统要求高实时，低能耗，短步长，这些都是在满足风平衡精确控制的条件下，传统方法无法实现的。


技术实现要素：

6.本发明的目的在于克服现有技术的不足之处，针对多舱室海洋平台风平衡控制需求，提供一种可以实现多舱室风量实时、快速、精确和节能自适应控制的海洋平台多舱室通风多目标优化控制方法。
7.为了达到上述目的，本发明采用的技术方案为：
一种海洋平台多舱室通风多目标优化控制方法，用于海洋平台通风系统的控制，通风系统包括一个风机和个舱室，风机出风口经通风管路连接至每个舱室的出风管道，每个出风管道处均设置有风阀和风阀控制器，所述风阀控制器用于接收中央控制器的控制信号控制风阀开度，并用于检测风阀开度反馈至中央控制器：s1：为每个舱室设定一个初始退火温度，获得初始温度向量，令各舱室的当前问题为，设定各舱室风阀控制器的初始解状态，获得初始状态解角度向量，计算初始状态解角度向量对应的控制目标函数：其中：，，是权重系数；为风阀角度差和最小化目标函数：，为风阀全开角度，为第个舱室风阀当前开度对应的角度；为风量比例误差控制目标函数：；为一个维向量，为每个舱室对应的出风管道的目标风量，为一个维向量，为每个舱室对应的出风管道的实际风量，为一个n维全1行向量，即，表示的转置向量，即为维的列向量；为风机全压控制的目标函数：，表示风机全压；s2：基于扰动更新角度向量至，计算更新控制目标函数至；s3：计算与的误差：；s4：若，接受新解,；若，计算的接受概率，产生一个在（0,1）区间上均匀分布的随机数，若，则接受作为新的当前解，否则保留当前解；s5：设定切换误差阈值，衰减系数，重复迭代执行步骤s2至s5，记录当前迭代次数；若，则返回当前角度向量解下的风量比例误差, 所有风阀角度的差和和风机全压，结束全局搜索：若，则根据衰减系数和当前迭代次数k按照公式降低当前温度t，返回步骤s2；s6：进行局部搜索，根据风量比例误差、风阀角度差和以及风机全压，定义角度向量全局最优解，利用预训练完成的多层感知机预测角度向量全局最优解。
8.本发明一些实施例中，进一步包括以下步骤：设定初始温度的迭代次数；重复步骤s2至s5进行迭代计算，当迭代计算次数达到时，执行步骤s6。
9.本发明一些实施例中，步骤s5中：若，则按衰减系数和当前迭代次数k降低当前温度，重置迭代次数，返回步骤s2。
10.本发明一些实施例中，对于：；其中为静压，为一定值，为动压；；其中：是气流密度，是气体流速。
11.本发明一些实施例中，多层感知机的训练步骤包括步骤s1至步骤s5，还包括：将风量比例误差, 所有风阀角度的差和和风机全压重构为一个新的向量x并进行归一化处理，作为多层感知机的输入，利用多层感知机预测预测角度向量解；设定优化终止误差；若，则返回当前解作为角度向量全局最优解，计算；若，则返回步骤s2，并重置x；基于随机初始化多层感知机权重和偏置，更新多层感知机权重和偏置参数，具体为：，，其中为多层感知机的学习率，c为损失函数；设定学习终止误差；如果，则停止多层感知机权重和偏置参数更新，接受感知机预测角度向量全局最优解；如果，则下一次调节继续更新多层感知机权重和偏置，不接受感知机预测最优解，仍保留作为本次优化的最优解。
12.本发明一些实施例中，进一步包括：根据当前角度向量全局最优解调节风阀角度，获取当前的各舱室的风量，计算风机电压比例系数；风机根据调整电压比例系数调节电压，获取最终调节后的各舱室的风量，计算通风系统整体误差；设定通风系统总风量误差；根据整体误差判断是否结束本次优化控制过程，如果，则本次优化满足要求，结束流程并保存多层感知机参数，；如果，则跳回步骤s2，重新下一次迭代。
13.本发明一些实施例中，。
14.本发明一些实施例中，多层感知机训练步骤进一步包括：在进行训练前，首先启动通风系统风机，设定算法迭代的起点初始解状态，风机初始电压v，等待系统稳定后进行多层感知机的训练。
15.与现有技术相比，本发明的优点和积极效果在于：1、改进风平衡比例控制法，设计了一种能兼顾风量精确控制和能耗优化的目标函数，在无需海洋平台通风系统数学模型和规避风阀全开/全闭而导致极端风量的情况下，也可以实现多舱室风量实时、快速、精确和节能自适应控制。
16.2、通过增加风阀控制器，仅需要少量风量数据即可实现对海洋平台多舱室风平衡自适应控制，既能保证各舱室风量的精准智能控制，又能降低通风系统的能耗，同时减少了
新风系统的造价，增强建筑环境的健康性和舒适性，实现对海洋平台通风系统的多目标控制。
17.、相比于使用单纯的模拟退火优化算法进行全局搜索和局部搜索，本发明引入多层感知机，利用在线训练的方式，直接利用优化中产生的冗余信息在线训练，无需通风系统停机或者多次单独实验训练，进一步节省了系统能耗。引入多层感知机后，重新划分搜索阶段，全局搜索使用模拟退火优化算法实现快速收敛，局部搜索使用多层感知机直接预测最优解，避免了传统模拟退火优化模式局部搜索步长过长的问题，保证了本发明控制策略的实时性和快速性。
附图说明
18.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1为海洋平台通风控制系统结构示意图；图2为风阀控制器结构示意图；图3为海洋平台多舱室通风多目标优化控制方法流程图；图4为海洋平台多舱室通风多目标优化控制与在线多层感知机训练流程图；以上各图中：1-箱体，101-进风口，102-出风口；2-皮托管；3-电动风阀；4-压差传感器；5-物联网单元；6-风阀执行器7-数据处理器8-软管；9-控制器。
具体实施方式
20.下面，通过示例性的实施方式对本发明进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
21.本发明提供一种海洋平台多舱室通风多目标优化控制方法，用于多舱室海洋平台的通风控制。
22.为介绍本方法，首先，阐述海洋平台通风控制系统的结构，参考图1。
23.海洋平台通风控制系统包括:风机：作为整个平台通风控制系统的风源，电源为风机供电；中央控制器：用于控制风机的工作；
若干个舱室：每个舱室均具有通风口，风机的送风口经通风管道连接至每个舱室的通风口，以为每个舱室供风；风阀控制器：设置在每个舱室的通风口处，可通过调整风阀控制器控制风阀开度，调节对每个舱室的供风量。
24.风阀控制器的具体结构参考图2。
25.本发明控制方法中使用的风阀控制器与传统plc控制旋风阀钮式控制器不同。风阀控制器包括箱体1，箱体1设置有进风口101和出风口102，进风口101连接通风管道，出风口102连通至其所对应的舱室。在进风口101处设置有电动风阀3，风阀执行器6接受控制器9的控制信号，控制调节电动风阀3的角度调整出风量，进而实现从最大开度到完全关闭的连续调节通风量。箱体1内部增加了皮托管2，通过皮托管2检测风压差，利用软管8将压差传递给压差传感器4，再将压差传感器4数据传输到数据处理器7后解算为实际风量，最后使用物联网单元5将风量信号发送到中央处理器用于后续的控制策略。相较于传统的风速传感器与风阀控制器分离式布局，新型风阀控制器终端集成压差传感器4、数据处理器7、物联网单元5和执行器6，大幅降低成本，安装布局的难度也随之降低。
26.风阀控制器兼具风阀控制，数据传输与接收，风量测量三个功能，只需要将其安装在海洋平台各舱室的出风口，利用物联网与中央控制器连接后即可快速使用，无需对以完成建设的通风系统做任何的改造，方便快捷。
27.在介绍本发明提供的海洋台通风系统多舱室风量多目标优化控制方法前，首先介绍该方法的原理。
28.对于具有单个风机和个舱室的海洋平台通风系统。每个舱室的出风管道都配有一个风阀控制器，能够实现从风阀的最大开度到完全关闭连续调节通风量。出风管道的目标风量**，由中央控制器给定，对于具有个舱室的海洋平台通风系统，*为一个维向量，分别对应每个舱室对应的出风管道的目标风量。从通风管道流到每个舱室的出风管道的实际风量由风阀控制器获得（可以根据通过测量直接获取），风阀角度由一组中央控制器的控制信号在合理的响应时间内控制，对于具有个舱室的海洋平台通风系统，为一个维向量，分别对应每个舱室内风阀的角度控制信号。表示维向量空间。每个舱室内的风阀均对应一个控制信号，个控制信号在中央处理器中组合成一个向量进行优化计算，计算完成后的新的控制信号从向量再转化为标量，随后分别传输给对应的个风阀。
29.海洋平台通风系统整体动态如下：其中是负定且满足稳定性约束的系统状态转移矩阵，为风量的导数，衡量舱室出风管道的风量的变化速度，为风量，也是状态方程的状态变量。
30.其中是李雅普诺夫稳定性判据中的状态变量，在本发明中对应个舱室的出风管道的实际风量，控制理论中使用李雅普诺夫判决判断系统稳定时习惯用表示，此式表示通风系统稳态下具有稳定性，这是后续利用系统稳态调整风量的基础。
31.是风阀角度非线性时的稳态风量表示为：
其中表示稳态下风阀角度，改进的比例风平衡法侧重于风量比例，而不是其绝对量。因此，引入了风量的归一化，并且平衡的目标可以表示为稳态和平衡状态下两个风量比的相等：其中为一个n维全1行向量，即，表示的转置向量，即为维的列向量。分母为个舱室风量的和，是一个标量，保证分子能够进行矩阵除法，最终实现风量比例相等。
32.然后风平衡控制变成一个约束优化问题，其中针对风量比例误差控制的目标函数可以给出为：其中：任意舱室的风阀角度均满足。其中为风阀最小开度（关闭状态），为风阀最大开度。
33.接下来介绍第二个优化目标——风阀角度和最大。
34.根据美国采暖、制冷与空调工程师学会ashrae 2001 duct design标准的要求，通风系统至少有一个风阀应该大开，以最大限度地降低能耗，将其命名为临界风阀。利用模拟退火优化算法和多层感知机并不能显示的规定这一项优化目标，因此本发明采用另外更为简洁的思路，将所有风阀角度差和最小化设置为目标函数，即：虽然这样理论上不能保证每次优化结果都有至少一个临界风阀存在，但是风阀角度差和最小化也能保证通风系统总体上节能，并且经过实际测试，使用风阀角度差和最小化作为目标函数能够保证每次都存在至少一个临界风阀。
35.最后是风机全压，表示风机在最大输出功率时的工作状态，引入风机全压变化模型：其中是风机全压变化，是管道摩擦引起的压力损失，是型工件引起的压力损失，是k型工件引起的压力损失，是r型工件引起的热重力压力损失。对于海洋平台通风系统而言，在建造时通风管道的j型、k型和r型工件的数量和安装位置已经确定，因此能够调整的只有管道摩擦引起的压力损失，其计算公式为：其中是摩擦系数，是管道长度，是液压直径，是气体流速，是气流密度。，，是通风系统管道的固定参数，通常认为每次运行时是一个变化不大的数，影响的主要因素就是气体流速。根据手册定义，风机的全压计算公式为：
其中为静压，为动压，对于一个确定的风机而言，静压是一个定值，而动压则与气体流速有关：因此，当初始全压越大，那么通风管道内的气体流速就越大，与此同时带来的管道摩擦引起的压力损失就越大，为保证通风系统的节能性，减少风传输过程中的损失，本发明第三个优化目标就是使风机的出口处全压尽可能的小，风机的出口处全压可以由风机直接通过物联网发送到中央控制器，无需额外的传感器，针对风机全压控制的目标函数可以给出为：因此，整体的目标函数为：其中，，是权重系数，表示整体优化目标更倾向于哪个方向，经过实验，认为：： = 7：2：1是一组较好的超参数选择方案。
36.基于以上原理，清楚阐述了本发明的控制目标。以下，详述本发明提供的海洋平台多舱室通风多目标优化控制方法流程，流程图参考图3和图4。该方法用于具有单个风机，个舱室的海洋平台通风系统的控制。
37.本发明将优化阶段分成两个部分，前期全局搜索使用模拟退火优化算法，当每两步之间的误差小于误差阈值时，切换多层感知机预测局部搜索。具体包括以下步骤。
38.s1：初始化步骤：为每个舱室设定一个初始退火温度（优选为），获得初始温度向量，令各舱室的当前温度为，设定各舱室风阀控制器的初始解状态，获得初始状态解角度向量；计算初始状态解角度向量对应的控制目标函数：其中：，，是权重系数；如前文所述，作为优选，：： = 7：2：1。
39.为风阀角度差和最小化目标函数：，风阀全开角度，为第个舱室风阀当前开度对应的角度；为风量比例误差控制目标函数：；为一个维向量，为每个舱室对应的出风管道的目标风量，为一个维向量，为每个舱室对应的出风管道的实际风量，为一个n维全1行向量，即，表示的转置向量，即为维的列向量为风机全压控制的目标函数：，表示风机全压。
40.风机的全压是随风量改变而改变的，不同的通风系统计算公式不同，但是当前主流的中央空调风机均有全压测量功能，因此这项参数是可以直接测量得到。
41.具体的本发明一些实施例中，可以通过测量气流密度和气体流速来辅助测量风机全压：
；其中为静压，为一定值，为动压；；其中：是气流密度，是气体流速。
42.除以上初始化工作外，每个初始温度的迭代次数（优选为200），衰减系数（优选为0.95），切换误差阈值（优选为），目标风量的初始化工作，也可以在该步骤中完成。
43.s2：基于扰动更新角度向量至，计算更新控制目标函数至；计算过程同步骤s1，不再赘述。其中，中央控制器将产生的新风阀角度，通过物联网传输到各舱室的风阀控制器，风阀控制器调节风阀角度，同时测量调节后各舱室内的新风量，风阀控制器再通过物联网将各自的新风量传回中央处理器，同时风机也会将此时的全压传给中央处理器。
44.s3：计算与的误差：。
45.s4：根据目标函数误差判断，若，接受新解,；若,计算的接受概率，产生一个在（0,1）区间上均匀分布的随机数，若，则接受作为新的当前解，否则保留当前解。
46.s5：设定切换误差阈值，衰减系数，重复迭代执行步骤s2至s5，记录当前迭代次数；其中当前迭代次数是指在总的迭代步骤中，目前的迭代处于第几次迭代；若，则返回当前角度向量解下的风量比例误差, 所有风阀角度的差和和风机全压，结束全局搜索：若，则根据衰减系数和当前迭代次数k按照公式降低当前温度t，返回步骤s2。
47.本发明一些实施例中，步骤s5中：若，则按衰减系数和当前迭代次数k降低当前温度，重置迭代次数，返回步骤s2。此处所述的迭代次数是指迭代总次数，与当前迭代次数不同。
48.在一些实施例中，重复步骤s2至s5进行迭代计算，当迭代计算次数达到时，执行步骤s6。
49.s6：进行局部搜索，根据风量比例误差、风阀角度差和以及风机全压，定义角度向量全局最优解，利用预训练完成的多层感知机预测角度向量全局最优解。
50.本发明一些实施例中，多层感知机的训练步骤包括步骤s1至步骤s5，同前述实施方式记载的步骤s1至步骤s5，不同的是，在步骤s1初始化参数还包括：优化终止误差，切换误差阈值（），目标风量，随机初始化多层感知机权重和偏置，多层感知机学习率（优选为0.001），多层感知机学习终止误差（优选为0.01），通风系统总风量误差（优选为），计算初始解对应的目标函数。
51.本实施例中，多层感知机包含三层隐藏层（线性层），每层神经元个数为256，128，32，使用relu作为激活函数，输入层为包含+3个神经元的线性层（维风量比例误差+1维风
阀角度的差和+1维风机全压+1维偏置项），输出层为包含个神经元的全连接层。
52.多层感知机的训练还包括以下步骤：将风量比例误差所有风阀角度的差和和风机全压重构为一个新的向量x并进行归一化处理，作为多层感知机的输入，利用多层感知机预测角度向量全局最优解。
53.设定优化终止误差；如果，则返回当前解作为向量全局最优解，计算；如果，则返回步骤s2，并重置x；基于随机初始化多层感知机权重和偏置，更新多层感知机权重和偏置参数，具体为：，，其中为多层感知机的学习率，c为损失函数。损失函数c的选择属于本领域公知常识，不再赘述。
54.设定学习终止误差；若，则停止多层感知机权重和偏置参数更新，接受感知机预测角度向量全局最优解；如果，则下一次调节继续更新多层感知机权重和偏置，不接受感知机预测最优解，仍保留作为本次优化的角度向量全局最优解。
55.本发明一些实施例中，多层感知机的训练步骤进一步包括：根据当前角度向量全局最优解调节风阀角度，获取当前的各舱室的风量，计算风机电压比例系数。
56.风机根据调整电压比例系数调节电压，获取最终调节后的各舱室的风量，计算通风系统整体误差；风机的全压与风机电压成正比，通过调节风机电压即可实现通风系统整体的风量调节，电压越大，越大，所有舱室的风量均会增大；v的初始值为保证节能会尽可能的小。还需要注意到，风机电压从头到尾只改变一次，只和电压比例系数有关。
57.设定通风系统总风量误差；根据整体误差判断是否结束本次优化控制过程，如果，则本次优化满足要求，结束流程并保存多层感知机参数，；如果，则跳回步骤s2，重新下一次迭代。
58.本发明一些实施例中，多层感知机训练步骤进一步包括：在进行训练前，首先启动通风系统风机，设定算法迭代的起点初始解状态，风机初始电压，等待系统稳定后进行多层感知机的训练。
59.本发明在整体优化控制流程中加入了多层感知机在线参数更新过程，流程图参考图4。多层感知机只需要使用适量的数据（输入数据：三个优化变量，包括风量比例误差, 风阀角度的差和和风机全压p；输出数据：最优风阀角度）训练后，针对海洋平台通风系统的局部搜索就能具有较高的准确性，因此本发明前期应用主要以模拟退火算法为主，进行全局搜索和局部搜索，在前期控制过程中多层感知机会自适应在线训练，当对大部分的控制情况下的误差小于学习终止误差后，后期就可以直接利用多层感知机进行最优解预测，从而大大加快优化速率。实际上，当目标函数设计完成后，单纯利用模拟退火
算法也能实现最优化过程，加入多层感知机是为了解决模拟退火局部搜索时间过长的问题，而在线训练多层感知机能利用模拟退火优化中产生的冗余数据从而实现信息价值最大化。
60.本发明在海洋平台通风系统各舱室的出风管道的合理位置安装风阀控制器（风阀控制器用于控制风阀开度以控制每个出风口出风量，并且该风阀控制器也可实现流量测量的功能），通过把风阀控制器少量的风量采样数据传输到中央控制器，将多舱室风量比例控制误差、风阀角度和差与风机初始全压作为多优化目标，多舱室的风阀角度作为问题的解，在大于设定阈值误差前使用模拟退火算法搜索广域最优解搜索，当小于设定阈值误差后利用多层感知机直接预测局域最优解，中央控制器完成优化计算后，再将满足多优化目标的风阀角度传输到各舱室的风阀控制器，根据目标是否被控制在合理范围内判定通风是否满足要求。
61.以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

技术特征：
1.一种海洋平台多舱室通风多目标优化控制方法，其特征在于，用于海洋平台通风系统的控制，所述通风系统包括一个风机和个舱室，风机出风口经通风管路连接至每个舱室的出风管道，每个出风管道处均设置有风阀和风阀控制器，所述风阀控制器用于接收中央控制器的控制信号控制风阀开度，并用于检测风阀开度反馈至中央控制器；所述控制方法包括以下步骤：s1：为每个舱室设定一个初始退火温度，获得初始温度向量，令各舱室的当前温度为，设定各舱室风阀控制器的初始解状态，获得初始状态解角度向量；计算初始状态解角度向量对应的控制目标函数：其中：，，是权重系数；为风阀角度差和最小化目标函数：，为风阀全开角度，为第个舱室风阀当前开度对应的角度；为风量比例误差控制目标函数：；为一个维向量，为每个舱室对应的出风管道的目标风量，为一个维向量，为每个舱室对应的出风管道的实际风量，为一个n维全1行向量，即，表示的转置向量，即为维的列向量；为风机全压控制的目标函数：，表示风机全压；s2：基于扰动更新角度向量至，计算更新控制目标函数至；s3：计算与的误差：；s4：若，接受新解,；若,计算的接受概率，产生一个在（0,1）区间上均匀分布的随机数，若，则接受作为新的当前解，否则保留当前解；s5：设定切换误差阈值，衰减系数，迭代执行步骤s2至s5，并记录当前迭代次数；若，则返回当前角度向量解下的风量比例误差, 所有风阀角度的差和以及风机全压，结束全局搜索，其中：，风阀角度的差和为若，则根据衰减系数和当前迭代次数k按照公式降低当前温度t，返回步骤s2；s6：进行局部搜索，根据风量比例误差、风阀角度差和以及风机全压，定义角度向量全局最优解，利用预训练完成的多层感知机预测角度向量全局最优解。2.如权利要求1所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，进一步包括以下步骤：
设定初始温度的迭代次数；重复步骤s2至s5进行迭代计算，当迭代计算次数达到时，执行步骤s6。3.如权利要求2所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，步骤s5中：若，则按衰减系数和当前迭代次数k降低当前温度，重置迭代次数，返回步骤s2。4.如权利要求1所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，对于，其中的为：；其中：是静压，为一定值，是动压；；其中：是气流密度，是气体流速。5.如权利要求1至4中任意一项所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，多层感知机的训练步骤包括步骤s1至步骤s5，还包括：将风量比例误差, 所有风阀角度的差和和风机全压重构为一个新的向量x并进行归一化处理，作为多层感知机的输入，利用多层感知机预测角度向量解；设定优化终止误差；如果，则返回当前解作为角度向量全局最优解，计算；如果，则返回步骤s2，并重置x；基于随机初始化生成的多层感知机权重和偏置，更新多层感知机权重和偏置参数，具体为：，，其中为多层感知机的学习率，c为损失函数；设定学习终止误差；如果，则停止多层感知机权重和偏置参数更新，接受感知机预测角度向量全局最优解；如果，则下一次调节继续更新多层感知机权重和偏置，不接受感知机预测最优解，仍保留作为本次优化的最优解。6.如权利要求5所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，进一步包括：根据当前角度向量全局最优解调节风阀角度，获取当前的各舱室的风量，计算风机电压比例系数；风机根据调整电压比例系数调节电压，获取最终调节后的各舱室的风量，计算通风系统整体误差；
设定通风系统总风量误差；根据整体误差判断是否结束本次优化控制过程，如果，则本次优化满足要求，结束流程并保存多层感知机参数，；如果，则跳回步骤s2，重新下一次迭代。7.如权利要求5所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，。8.如权利要求5所述的海洋平台多舱室通风多目标优化控制方法，其特征在于，多层感知机训练步骤进一步包括：在进行训练前，首先启动通风系统风机，设定算法迭代的起点初始解状态，风机初始电压v，等待系统稳定后进行多层感知机的训练。

技术总结
本发明涉及通风系统控制技术领域，提出一种海洋平台多舱室通风多目标优化控制方法。风阀控制器用于接收中央控制器的控制信号控制各舱室风阀开度，并用于检测各出风管道风量反馈至中央控制器。为每个舱室设定一个初始退火温度，获得初始状态解角度向量；计算初始状态解角度向量对应的控制目标函数，在目标函数误差切换误差阈值时，结束全局搜索，通过局部搜索利用在线预训练完成的多层感知机预测角度向量最优解。本发明可以大大加快通风系统风量解算优化速率，实现多舱室风量实时、快速、精确和节能自适应控制。和节能自适应控制。和节能自适应控制。


技术研发人员：崔璨 刘运涛 薛佳慧 苏明伟 薛璟
受保护的技术使用者：中国海洋大学
技术研发日：2023.01.07
技术公布日：2023/3/7