.png){kind=icon}
返回
Flow Control Based on Virtual Sensor for a Proportional Valve Using Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/JSEN.2026.3667163.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
机器学习提供了一种基于数据驱动的方法，用于开发能够预测流量的虚拟传感器。准确的虚拟传感器能够实现多种应用，包括流量控制系统。理想情况下，虚拟传感器应独立部署在嵌入式计算硬件上，以便能够无需依赖云计算资源而运行。本文提出了一种基于部署在边缘计算硬件上的流量推断模型的计算流量反馈控制方法。该流量推断模型采用注意力机制（AM）和门控循环单元（GRUs）来学习受滑阀位移、压差和油温影响的流量行为。随后采用约束树状帕森估计器（CTPE）算法对模型进行优化。此外，在通常集成于边缘控制器（ECs）的高级精简指令集机器（ARM）处理器上实施缓存机制，可显著提升推断模型的计算速度。结果表明，所提出的模型在包含四种正常工况的测试集上优于基线方法：均方误差（mse）降低了16.3%至0.637，平均绝对误差（MAE）降低了10.9%至0.578 L/min。量化后，虚拟传感器在EC上占用238.20 KB的存储空间。通过采用缓存机制，虚拟传感器的平均推理时间从54.95 ms降至14.01 ms，减少了74.5%。流量控制方法的性能通过实验进行评估，控制误差被限制在±4.4%。
Keyword:
Caching mechanism
constrained tree-structured Parzen estimator (CTPE)
edge computing
flow control
virtual sensor
期刊
IF:
4.5
论文数:
2.2W
被引数:
7.3W
机构
引用论文
A Flow Rate Estimation Method for Gas-Liquid Two-Phase Flow Based on Transformer Neural Network基于变压器神经网络的气液两相流流量估算方法.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏分享收藏
查看更多内容