基于神经网络的动态PVTt容器内平均温度预测方法和装置
技术特征：
1.基于神经网络的动态pvtt标准容器内平均温度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的动态pvtt标准容器内平均温度预测方法，其特征在于，获取pvtt标准容器内平均温度的理论值，包括：
3.根据权利要求1所述的基于神经网络的动态pvtt标准容器内平均温度预测方法，其特征在于，利用所述pvtt标准容器内平均温度的理论值，pvtt标准容器外壁布设的多个温度传感器的温度值以及相关环境数据训练所述神经网络模型，以得到pvtt标准容器内平均温度预测模型，包括：
4.根据权利要求3所述的基于神经网络的动态pvtt标准容器内平均温度预测方法，其特征在于，所述神经网络模型为前馈神经网络模型，所述前馈神经网络模型包括输入层、多层隐藏层和输出层，
5.根据权利要求3所述的基于神经网络的动态pvtt标准容器内平均温度预测方法，其特征在于，所述损失函数为均方误差损失函数。
6.一种基于神经网络的动态pvtt标准容器内平均温度预测装置，其特征在于，包括：
7.根据权利要求6所述的基于神经网络的动态pvtt标准容器内平均温度预测装置，其特征在于，所述加热源包括电阻加热、电池驱动加热、微波加热或弯管换热。
8.根据权利要求6所述的基于神经网络的动态pvtt标准容器内平均温度预测装置，其特征在于，在所述pvtt标准容器外壁的每个表面以二维矩阵的方式均匀分布方式、以长方体边界均匀点分布方式，以每个面中心点分布或以规则网格分布方式布设所述温度传感器。
9.根据权利要求6所述的基于神经网络的动态pvtt标准容器内平均温度预测装置，其特征在于，所述上位机根据下述公式确定所述pvtt标准容器内平均温度的理论值：
10.根所述据权利要求6所述的基于神经网络的动态pvtt标准容器内平均温度预测装置，其特征在于，所述神经网络模型为前馈神经网络模型，所述前馈神经网络模型包括输入层、多层隐藏层和输出层，
技术总结
本申请提供一种基于神经网络的动态PVTt标准容器内平均温度预测方法和装置、PVTt标准容器内平均温度预测方法及装置，其通过预埋可控可视的加热源为标准容器提供稳定的腔内平均温度，以及通过在外壁面均匀分布温度传感器以能全面测量标准容器各个部分的壁外温度，从而通过训练一种多层神经网络模型，使壁外温度通过某种函数关系输出腔内平均温度的预测结果，最终将算法模型应用到实际PVTt标准装置中，通过壁外温度精确预测腔内平均温度，从而解决动态PVTt标准容器内平均温度测量问题，同时优化/极大提高微小气体流量计量技术。
技术研发人员：李诗宇,杜鹏飞,吕科炅,包福兵,凃程旭,刘墨菲,王策,严程耀
受保护的技术使用者：中国计量大学
技术研发日：
技术公布日：2024/11/28
技术研发人员：李诗宇,杜鹏飞,吕科炅,包福兵,凃程旭,刘墨菲,王策,严程耀
技术所有人：中国计量大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除