Проект направлен на создание интеллектуального автономного контроллера для тепловых пунктов, реализующего погодозависимое регулирование (ПЗР) на базе предобученной модели машинного обучения, выполняющей вывод непосредственно на борту устройства без связи с облачными сервисами. Ключевое техническое решение — адаптация "тяжелой" ML-модели для работы на микроконтроллерах с ограниченным FPU (аппаратным ускорителем вещественных вычислений) и минимальным объемом памяти, что достигается за счет глубокой оптимизации и использования легковесных runtime-сред.

Принципы работы:

1. Локальный AI-инференс (Edge AI): все вычисления управляющего сигнала (целевая температура теплоносителя в подающем трубопроводе) производятся на самом контроллере на основе текущих показаний датчиков (наружный воздух, обратка, расход) и встроенного краткосрочного метеопрогноза. Отказ от облака гарантирует детерминированную задержку (< 50 мс), полную безопасность данных и работоспособность при обрыве связи.

2. Оптимизация модели под ограниченные ресурсы:

- Предобученная модель (нейросеть или ансамбль деревьев решений) конвертируется в форматы ONNX Runtime или TensorFlow Lite for Microcontrollers.

- Проводится квантование весов и активаций (снижение точности с FP32 до INT8 или FP16), сокращение глубины дерева и удаление слоев, критичных для FPU. Это позволяет разместить модель во Flash-памяти объемом от 256 КБ и выполнять инференс на Cortex-M4/M7 или RISC-V кластерах без перегрева.

3. Адаптивное управление вместо жесткого графика: в отличие от классических табличных тепловых кривых, ML-модель учитывает инерционность здания, фактическую температуру внутри помещений (при наличии обратной связи) и скорость изменения погоды, формируя упреждающий сигнал на регулирующий клапан. Это минимизирует перетопы в межсезонье и экономит 8–15% тепловой энергии.

4. Робастность и самодиагностика:

- Встроенный мониторинг достоверности выходного сигнала: при расхождении расчетной уставки с физическим пределом контроллер плавно переключается на резервный ПИД-регулятор (Fail-Safe).

- Обновление весов модели производится только во время регламентного обслуживания через локальный интерфейс, что исключает дрейф параметров при сбоях датчиков.

Ожидаемый результат: разработка недорогого, энергоэффективного контроллера (на базе STM32 или ESP32), который заменяет сложные погодозависимые станции с дорогими PLC. Система обеспечивает стабильное поддержание температуры в подаче в широком диапазоне наружных температур, снижает нагрузку на диспетчерский персонал и позволяет внедрять "умное" теплоснабжение в объектах без устойчивого интернета (удаленные котельные, временные сооружения, промышленные площадки).

На страницу проекта