"Народный контроллер" для теплового насоса - 3

РЕКЛАМА НА ФОРУМХАУС

Бочка пластиковая 500 л, боюсь проблематично будет, впрочем весы в контроллере тоже используются - взвешивают раствор гипохлорита.

Щас на старой системе используется что-то похожее, решил на новом попробовать что-то более технологичное.
Еще есть ультразвуковые, но они дорогие.

 

Не совсем понял, это опционально выбирается при помощи чеки или жёстко зашито?
Просто глянул плату Добрыни, там все 6 выходов на 1-й шине сидят.

 

Думаю речь идет про доп плату которую можно подключить к плате Добрыни. У меня такая. Её vad711 может помочь приобрести.

 

Выбирается через веб - если на шине висит в данный момент только один датчик, то ставим галочку напротив нужной шины, если много - то не ставим.
Первая шина - это или PIN_ONE_WIRE_BUS или первая DS2482 по I2C адресу I2C_ADR_DS2482 (0x18).

 

А можно как то расшифровать для блондинок?

 

У тебя галочки должны быть выключены.

 

Добрый день любители ТН!
С большим интересом прочитал всю ветку "Подсказки для самостоятельного изготовления ТН". Сам заинтересован в его изготовлении, но пока впитываю информацию и морально готовлюсь.
В процессе сбора информации добрался до ветки НК. Каюсь, прочитал только 3ю часть, но уже есть вопрос: создатели прошивки не рассматривали использование в управлении ТН нейронные сети? Мне кажется эта задача как раз для них - много входных параметров (куча температур, давлений, расходов и т. д.) и не так много выходных (целевая температура в доме, ГВС, КОП). При этом прошивку можно разделить на две части: первая - обучение нейронной сети, а вторая - работа ТН по полученным весам связей нейронов. После обучения нейронная сеть сама будет выставлять оптимальные параметры работы ТН (частоты ПЧ, % ЭТРВ, вкл/выкл клапанов и т. д.) для достижения целевых температур с максимальным КОП.
Сам я инженер АСУ, на ты с любым контроллером и программированием, много изучал теорию нейронных сетей, их возможности. Даже реализовывал, но чисто теоретические. А тут, им самое место!
Если Вам интересны их возможности и нюансы работы, могу описать.
Извиняюсь если Вы уже рассматривали этот вариант и я повторяюсь.

 

@Yuran231, Сюда наверное очень подойдет фраза (селфриджа) из фильма АВАТАР.

Беседа была как раз про нейроны, синопсы между корнями деревьев.

 

Сдержался что бы не ответить грубо...
Хотите прикол про связку ТН и нейронной сети? Если реализовать такой контролер, то при обучении все однотипные датчики можно будет подключать как угодно (даже если вы температуру горшка с температурой на улице перепутаете, или частоту компрессора с расходом воды (это видимо для очень тупых вариант). Нейронная сеть сама найдет зависимости, подстроится и будет выдавать результат на 200% лучше чем десяток (сотня, тысяча...и т. д.) ПИД регуляторов. И даже аппаратных ресурсов потребуется меньше, чем те же ПИД.
В алгоритмах и реализациях сетей нет ничего сложного, умножение матриц и все. Проблема в обучении, не сам алгоритм (обучение сетей для применения ТН не сложен), а реализация у конечного пользователя ТН. Сеть может обучаться 1-2 сезона, это с нуля, и для каждого ТН будет индивидуальный результат. Но если изначально задать близкие веса (после опытов), то реально сократить обучение до половины сезона.
При этом если Вы получали 10кВт тепла при КОП=5 и думали что это потолок, сеть вполне сможет этот полок поднять до 10.5кВт и КОП=5.3 (цифры взяты наобум)...

 

Я Вам не ктому, что это невозможно, или...
А к тому, что ну уж очень с фильмом перекликается.
И как правильно Вы подметили, и там и тут найдутся скептики.

 

такой контроллер будет стоить дороже всего самодельного ТН целиком.
Зачем это надо?
Есть отдельная тема про то, каким должен быть народный контроллер. Пишите лучше туда, что б модераторам меньше переносить потом.
В этой теме обсуждается готовое ПО и железо.

 

Нескромный вопрос:
Успеет ли нейронная сеть обучится прежде, чем зальет/убьет/перегреет компрессор?
Сможете на своем ТН продемонстрировать?
Если ресурсов надо меньше, то НК должно хватить..

 

Извиняюсь что написал в этой теме, не был в курсе про соответствующую.
По поводу угробить ТН при обучении: задаются граничные выходные параметры, перейти которые сеть не сможет.
По реализации: как соберусь делать ТН, буду закладывать максимальную избыточность датчиков, т. к. пока не ясно чем можно пренебречь.
А в итоге:
1. Сеть может по показаниям метеостанции выставить оптимальный режим работы (солнце, ветер, влажность, температура на входе, а на выходе готовые параметры ТН),
2. Простить ошибки подключения входов (но до обучения),
3. По анализу данных после обучения найти слабые места ТН (недоразмер ТО, количество фреона, тип фреона, выбор дросселирующего узла и т. п.), опредедить параметры сильно/слабо влияющию на КОП, и много еще чего,
4. В процессе эксплуатации моментально реагировать на отклонения после обучения (засор ТО, утечка фреона, умирание датчиков/насосов и т. д.)
5. Необходимость повторного обучения при изменениях ТН (впаяли кран/тройник или удлинили трубку - сеть будет реагировать как на неисправность), но это обучение будет проходить НАМНОГО быстрее.
Представьте себе ПИД: один вход, одна уставка, один выход.
Нейросеть это полиПИД, со множеством входов, уставок, выходов. Ограничение одно - выходов меньше или равно количеству входов.

 

Эти граничные параметры, меняются в процессе работы...
Как с этим быть - это риторический вопрос...

Процесс обучения должен быть продуман до таких мелочей и поворотов в логике управления, о которых на стадии проектирования даже не знаешь.

 

К сожалению, практически, поменять что-то полиПИД. не сможет.

Поскольку мой (наш) контроллер, имеет на борту 3 ШИМ, а именно холодный и горячий контур + компрессор...Связать всё вместе, задача далеко не простая.
Даже имея одинаковый ТН, условия геоконтура и СО, будут различаться.

Тут правильно говорить не о КОП, а о среднем КОП.

Если имеете ссылки какие, литературу почитать, ткните носом.

Пока, кроме как примерно измерить проток самим насосом, затем пересчитать в градусы и ватты, ничего на ум не приходит.
Собственно, кроме поддержания, скажем постоянной дельты 3К в системе отопления, всё остальное требует как алгоритмов, так и дополнительное железо. Это деньги и лишняя причина внезапно сломаться.