申请/专利权人：广州冰泉制冷设备有限责任公司

申请日：2023-10-10

公开（公告）日：2023-11-24

公开（公告）号：CN117109212A

主分类号：F25C5/04

分类号：F25C5/04;F25C1/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.12#实质审查的生效;2023.11.24#公开

摘要：本发明提供了一种基于桃酥式制冰机的不同酥脆程度控制方法，适用于制冷系统领域。包括数据的采集和记录、数据的初步处理、分类预测模型的构建和分类预测模型的应用；本发明提供的一种基于桃酥式制冰机的不同酥脆程度控制方法，适用于制冷系统领域，能够提供更多的制冰口感，满足消费者的口味偏好。

主权项：1.一种基于桃酥式制冰机的不同酥脆程度控制方法，其特征在于，所述方法包含以下步骤：1数据的采集和记录；2数据的初步处理；3分类预测模型的构建；4分类预测模型的应用；所述数据的采集和记录，包括采用桃酥式制冰机进行n次制冰试验，所述n次制冰试验采用不同的设置参数，所述参数为冷媒流量Qi、螺旋冰刀体转速Ni、电机功率Pi和外置补水箱设置高度Hi，i∈[1,n]，对每次制冰试验结果进行密度计算获得对应的密度值ρi，最终获得制冰试验数据集C1{Qi，Ni，Pi，Hi，ρi，|i∈[1,n]}；所述数据的初步处理，包括针对密度值ρi采用酥脆程度评价标准进行酥脆程度评价，最终获得对应的酥脆程度评价等级Fi，整理数据最终获得包含酥脆程度评价等级Fi的数据集C2{Qi，Ni，Pi，Hi，Fi，|i∈[1,n]}，所述酥脆程度评价标准为：1当0.92gcm3≥ρi＞0.874gcm3，评价结果为Ⅴ级，2当0.874gcm3≥ρi＞0.828gcm3，评价结果为Ⅳ级，3当0.828gcm3≥ρi＞0.782gcm3，评价结果为Ⅲ级，4当0.782gcm3≥ρi＞0.736gcm3，评价结果为Ⅱ级，5当0.736gcm3≥ρi，评价结果为Ⅰ级；所述分类预测模型的构建，包括采用支持向量机构建酥脆程度分类预测模型，所述分类预测模型使用支持向量积工具包LIBSHM平台实现，所述采用支持向量机构建酥脆程度分类预测模型的构建步骤为：a数据预处理，获取数据集C2{Qi，Ni，Pi，Hi，Fi，|i∈[1,n]}，对Qi、Ni、Pi、Hi分别进行归一化处理获得归一化值Q’i、N’i、P’i、H’i，最终获得归一化后数据集C3{Q’i，N’i，P’i，H’i，Fi，|i∈[1,n]}，所述归一化处理采用的方法为鲁棒性缩放法RobustScaler，b构建输入数据样本Li，i∈[1,n]，定义数据类别为5，所述数据样本Li携带属性数量为4个，携带属性值为Q’i，N’i，P’i，H’i，所述数据样本Li还包含一个类别标签所述类别标签取值为所述酥脆程度评价等级Fi，c划分数据样本Li，按照7:3的比例将数据样本Li划分为训练集T1和测试集T2，d设定支持向量机核函数为改进线性与非线性混合核函数KmixX，Y，所述改进线性与非线性混合核函数计算公式为式1所示，KmixX,Y＝a·XTY+1b+1-a·exp-γ||X-Y||21式中，X和Y为输入样本的特征向量和标签，a为混合系数，取值范围为0.65-0.80，初值取0.65，b为度数，取值为1或2，γ为径向基参数，取值范围为2-10，初值取2，e采用训练集T1进行支持向量机分类预测模型训练，使用训练后的模型对测试集样本进行标签预测获得样本预测标签值，并基于测试集数据中的样本实际标签值与样本预测标签值计算获得分类准确率Accuracy，如果分类准确率Accuracy≥98％，则完成训练，输出训练后分类预测模型，如果分类准确率Accuracy＜98％，则随机改变参数a和γ，继续训练直到分类准确率Accuracy≥98％并输出训练后分类预测模型为止；所述分类预测模型的应用，包括获得训练后的分类预测模型，在使用桃酥式制冰机之前，设置参数，基于训练后的分类预测模型获得预测标签值，所述预测标签值为酥脆程度评价等级预测值，如果所述预测值符合预期，则不改变参数开启桃酥制冰机进行制冰作业，如果所述预测值不符合预期，则修改设置参数直到预测值符合预期，所述参数为冷媒流量Q、螺旋冰刀体转速N、电机功率P和外置补水箱设置高度H。

全文数据：

权利要求：

百度查询： 广州冰泉制冷设备有限责任公司 一种基于桃酥式制冰机的不同酥脆程度控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD