本發明涉及控制領域。更具體地，本發明涉及一種高低溫沖擊熱流儀的溫度控制方法及系統。

背景技術：

1、高低溫沖擊熱流儀是用于模擬材料在快速溫度變化下的熱應力和熱穩定性的實驗設備，應用于材料科學、電子工業、汽車等領域，對于研究新材料、涂層或復合材料的熱穩定性、熱傳導性及熱應力性能，檢測和驗證電子元件、光學元件、航空航天器材等對高低溫沖擊的適應性具有重要意義。同時，它還能評估熱管理系統在面對急劇溫度變化時的效能。

2、現有技術如公開號為cn118550338a的專利申請文件公開了一種溫度控制方法、溫度控制裝置、溫度控制設備和存儲介質，該溫度控制方法包括：獲取預設時長內，溫度控制設備在各個設定溫度下的溫度調節信息；對各個設定溫度下的溫度調節信息進行統計處理，計算溫度上調比例和溫度下調比例，基于這些比例，確定各個設定溫度下的目標參數；使用目標參數和設定溫度構建預測模型，采用模糊邏輯方法，將目標參數和設定溫度分別映射到模糊集中，生成模糊規則及其支持度，通過模糊規則進行溫度預測，根據預測模型的結果，調節溫度控制設備的當前設定溫度至目標溫度區間。

3、然而在實際應用中，溫度會受到各種因素（如環境變化、設備狀態等）而快速變化，上述專利申請文件缺乏實時溫度監測與反饋，導致無法及時準確地調整溫度控制設備的溫度。

技術實現思路

1、為解決上述溫度控制方法存在局限性的技術問題，本發明在如下的多個方面中提供方案。

2、在第一方面中，一種高低溫沖擊熱流儀的溫度控制方法，包括：

3、采集歷史多個時刻下熱流儀的歷史參數序列；所述歷史參數序列包括進氣溫度、進氣壓力、進氣流量以及熱流儀的內部溫度；將各歷史參數序列輸入預設的預測模型中，得到訓練好的預測模型；

4、獲取熱流儀內部在目標時間內達到的目標溫度，并采集當前時刻的熱流儀內部溫度，將當前時刻的熱流儀內部溫度作為所述預測模型的初始隱狀態，計算從當前時刻到目標時刻，預測模型中所有觀測狀態序列在隱狀態為目標溫度時的概率值；將概率值大于預設的概率閾值的觀測狀態序列作為最佳調節參數集；

5、計算最佳調節參數集中各觀測狀態序列的調整難度，將觀測狀態序列對應的所述概率值與所述調整難度的比值的最大值對應的觀測狀態序列作為最佳參數序列；

6、根據最佳參數序列調整熱流儀從當前時刻到目標時刻的各參數。

7、本發明通過采集歷史參數序列并訓練預測模型，能夠更準確地預測熱流儀內部溫度的變化趨勢，在調節過程中，將當前時刻的內部溫度作為初始隱狀態，計算從當前時刻到目標時刻的概率值，進而找到最佳調節參數集，進一步通過計算最佳調節參數集中各觀測狀態序列的調整難度，并將概率值與調整難度的比值作為評價指標，選擇比值最大對應的觀測狀態序列作為最佳參數序列，可以在保證溫度調節效果的同時，盡量減少調節難度，提高調節效率。

8、優選地，所述根據最佳參數序列調整熱流儀從當前時刻到目標時刻的各參數包括：

9、對最佳參數序列進行解析，根據解析得到的參數設定值，逐步調整熱流儀的進氣溫度、進氣壓力和進氣流量。

10、通過逐步調整進氣溫度、壓力和流量等參數，可以使熱流儀內部溫度的變化更加平滑，避免因參數突變導致的溫度波動過大，從而確保在整個調節過程中溫度控制的連續性和穩定性，使熱流儀能夠順利地從當前溫度過渡到目標溫度。

11、優選地，所述預測模型為隱馬爾可夫模型；隱馬爾可夫模型訓練結束后，得到隱狀態轉移概率矩陣、觀測概率矩陣和隱狀態初始概率分布。

12、優選地，所述觀測狀態序列的概率值滿足關系式為：

13、；式中，為從當前時刻到目標時刻，第個觀測狀態序列在隱狀態為目標溫度時的概率值，為第個觀測狀態序列，為在目標時刻熱流儀內部溫度，為目標溫度，、和分別為隱馬爾可夫模型的隱狀態轉移概率矩陣、觀測概率矩陣和隱狀態初始概率分布，表示概率。

14、通過計算觀測狀態序列在目標溫度隱狀態下的概率值，可以精確預測或診斷熱流儀在未來或當前是否可能達到目標溫度。

15、優選地，所述調整難度的計算過程包括：

16、計算最佳調節參數集中各觀測狀態序列包含的參數的信息熵，將所述信息熵作為對應參數的復雜度；

17、計算觀測狀態序列中所有參數的復雜度的平均值，得到觀測狀態序列的調整難度。

18、通過計算各觀測狀態序列中參數的信息熵，可以準確地量化每個參數的復雜度。信息熵越大，表示該參數的不確定性越高，即其取值越難以預測或控制，從而反映出該參數的復雜度越高；計算所有參數復雜度的平均值，可以得到觀測狀態序列的整體調整難度，這一指標有助于全面了解系統或模型的復雜程度，為后續的優化或調整提供依據。

19、優選地，所述調整難度的計算過程還包括：

20、計算最佳調節參數集中各觀測狀態序列包含的參數的信息熵；計算最佳調節參數集中各觀測狀態序列包含的參數的方差；

21、將所述信息熵和所述方差的乘積作為該參數的復雜度，計算觀測狀態序列中所有參數的復雜度的平均值，得到觀測狀態序列的調整難度。

22、優選地，所述調整難度的計算過程還包括：

23、計算觀測狀態序列中兩兩參數之間的協同性，將觀測狀態序列中所有協同性的平均值作為協同因子；

24、將觀測狀態序列中所有參數的復雜度的平均值與協同因子的比值歸一化后，得到所述調整難度。

25、通過計算觀測狀態序列中兩兩參數之間的協同性，可以量化參數間的相互作用程度。協同性高表示參數間存在較強的相互影響，而協同性低則表明參數間相對獨立；將參數的復雜度平均值與協同因子的比值進行歸一化處理，得到的調整難度指標綜合考慮了參數的復雜度和參數間的協同性。這一指標能夠更全面地反映系統的調整難度，為優化決策提供有力支持。

26、第二方面，一種高低溫沖擊熱流儀的溫度控制系統，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行時實現上述的高低溫沖擊熱流儀的溫度控制方法。

27、本發明的有益效果是：

28、本發明的溫度控制方法能夠動態地根據當前的熱流儀溫度和目標的熱流儀溫度，通過隱馬爾可夫模型找出一組最優的熱流儀參數調整集，從而實現精確的溫度控制，該方法不僅考慮了達到目標溫度的概率，還考慮了參數序列的復雜性和協同性，確保了參數調整的可行性和有效性。

技術特征：

1.一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，包括：

2.根據權利要求1所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述根據最佳參數序列調整熱流儀從當前時刻到目標時刻的各參數包括：

3.根據權利要求2所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述預測模型為隱馬爾可夫模型；隱馬爾可夫模型訓練結束后，得到隱狀態轉移概率矩陣、觀測概率矩陣和隱狀態初始概率分布。

4.根據權利要求3所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述觀測狀態序列的概率值滿足關系式為：

5.根據權利要求4所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述調整難度的計算過程包括：

6.根據權利要求5所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述調整難度的計算過程還包括：

7.根據權利要求6所述的一種高低溫沖擊熱流儀的溫度控制方法，其特征在于，所述調整難度的計算過程還包括：

8.一種高低溫沖擊熱流儀的溫度控制系統，其特征在于，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行時實現根據權利要求1-7任一項所述的高低溫沖擊熱流儀的溫度控制方法。

技術總結
本發明涉及控制領域，具體涉及一種高低溫沖擊熱流儀的溫度控制方法及系統，方法包括：采集熱流儀參數；模型訓練；利用訓練好的預測模型，計算從當前時刻到目標時刻，所有可能的觀測狀態序列在隱狀態為目標溫度時的概率值，篩選出概率值大于概率閾值的觀測狀態序列，作為最佳調節參數集的候選；計算最佳調節參數集中各觀測狀態序列的調整難度，選擇概率值與調整難度比值最大的觀測狀態序列作為最佳參數序列；根據最佳參數序列，調整熱流儀從當前時刻到目標時刻的參數設置。本發明能夠動態地根據當前的熱流儀溫度和目標的熱流儀溫度，通過預測模型找出一組最佳參數調整集，從而實現精確的溫度控制。

技術研發人員：周金鋒,汪靜,周子林
受保護的技術使用者：武漢克萊美特環境設備有限公司
技術研發日：
技術公布日：2025/4/28