CN118728687B - 一种真空泵冷却装置控制方法、装置及电子设备 - Google Patents

Abstract

本发明提供一种真空泵冷却装置控制方法，包括：在真空泵工作过程中，通过温度传感器采集泵体外表面的第一温度分布；通过智能阀冷却液管路的第二温度分布和冷却注管道的阀门开度分布；基于第一温度分布、第二温度分布和阀门开度分布，确定各个智能阀门的开度控制参数；将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度。使智能阀门根据开度控制参数调整自身开度，对于不同热量的区域可以控制为不同的开度，提高散热效果，进而解决现有传统的控制方法在散热效果不好，导致真空泵寿命降低的问题。

Description

一种真空泵冷却装置控制方法、装置及电子设备

技术领域

本发明涉及真空泵技术领域，尤其涉及一种真空泵冷却装置控制方法、装置及电子设备。

背景技术

我国泵行业近年来一直保持着产销两旺、高速发展的状态。真空泵是指利用机械、物理、化学或物理化学的方法对被抽容器进行抽气而获得真空的器件或设备。真空泵在工作过程中会产生大量热量，导致泵体自身的温度快速提高，所以在真空泵工作时，对其降温成为了一个很关键的需要解决的问题。传统的控制方法在对真空泵进行冷却时，使用冷水管道对真空泵进行降温，然而，而且由于现有冷水管道的可控性差，在真空泵存在热量不均匀的情况下，会使得散热效果不好，导致真空泵寿命降低。

发明内容

本发明实施例提供一种真空泵冷却装置控制方法，旨在解决现有传统的控制方法散热效果不好，导致真空泵寿命降低的问题。在真空泵工作过程中，通过温度传感器采集泵体外表面的第一温度分布，以及通过智能阀冷却液管路的第二温度分布以及冷却注管道的阀门开度分布，并根据第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数，并将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度，对于不同热量的区域可以控制为不同的开度，进而解决现有传统的控制方法在散热效果不好，导致真空泵寿命降低的问题。

第一方面，本发明实施例提供一种真空泵冷却装置控制方法，所述真空泵冷却装置包括包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置控制方法应用于所述上位机，所述真空泵冷却装置控制方法包括以下步骤：

在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀所述冷却液管路的第二温度分布以及所述冷却注管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数；

将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

可选的，所述基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数的步骤包括：

基于所述第一温度分布、第二温度分布、所述阀门开度分布以及所述泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，所述第一温度矩阵与所述第二温度矩阵具有相同的时空分辨率，所述开度矩阵与所述第二温度矩阵具有相同的空间分辨率；

基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数。

可选的，所述基于所述第一温度分布、第二温度分布、所述阀门开度分布以及所述泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤包括：

对所述泵体外表面进行平面展开，得到所述泵体外表面的展开平面；

将所述第一温度分布的第一采样点按对应温度传感器在所述泵体外表面的位置映射到所述展开平面中，以及将所述第二温度分布的第二采样点按对应智能阀门在所述泵体外表面的投影位置映射到所述展开平面中，得到第一映射平面，所述第一映射平面包括所述第一采样点以及所述第二采样点；

根据所述第一映射平面中的采样点将所述第一映射平面进行德洛内三角剖分，得到第一映射平面，所述第二映射平面包括多个德洛内三角形，每个所述德洛内三角形的外接圆内不包含所述德洛内三角形所在面域的其他任何一个采样点；

基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵。

可选的，所述基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤包括：

在所述第二映射平面中确定出顶点到质心的距离总和最小的所述德洛内三角形作为目标德洛内三角形；

基于所述目标德洛内三角形确定所述第二映射平面的网格尺寸；

基于所述网格尺寸对所述第二映射平面进行划分，得到第三映射平面，所述第三映射平面包括M×N个网格单元；

将所述第一温度分布的第一采样点以及对应的所述第一温度值序列映射到所述第三映射平面中对应的网格单元内，得到第一温度矩阵；以及

将所述第二温度分布的第二采样点以及对应的所述第二温度值序列映射到所述第三映射平面中对应的网格单元内，得到第二温度矩阵；以及

将所述开度矩阵的第三采样点以及对应的所述阀门开度值映射到所述第三映射平面中对应的网格单元内，得到开度矩阵。

可选的，所述基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数的步骤包括：

获取训练好的开度预测模型；

基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果；

基于所述开度预测结果确定各个所述智能阀门的开度控制参数。

可选的，所述训练好的开度预测模型包括第一特征提取模块、第二特征提取模块、第三特征提取模快、第一融合模块、第二融合模块以及输出模块，所述第一特征提取模块、第二特征提取模块以及第三特征提取模块并行设置，所述第一融合模块的输入端与所述第一特征提取模块以及所述第二特征提取模块的输出端同时连接，所述第二融合模块的输入端与所述第一融合模块以及所述第三特征提取模块的输出端同时连接，所述输出模块的输入端与所述第二融合模块的输出端连接，所述输出模块包括M×N个网格单元，每个输出单元对应一个预测开度值的输出，所述基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果的步骤包括：

通过所述第一特征提取模块对所述第一温度矩阵进行第一特征提取处理，得到所述第一温度矩阵的第一时空特征；以及

通过所述第二特征提取模块对所述第二温度矩阵进行第二特征提取处理，得到所述第二温度矩阵的第二时空特征；

通过所述第一融合模块将所述第一时空特征以及所述第二时空特征在时间维度上进行特征融合，得到第一融合空间特征，所述融合空间特征包括空间维度上的第一特征值；

通过所述第三特征提取模块对所述开度矩阵进行第三特征提取处理，得到所述开度矩阵的空间特征，所述空间特征包括空间维度上的第二特征值；

通过所述第二融合模块将所述融合空间特征与所述空间特征在空间维度上进行特征融合，得到融合特征；

通过所述输出模块对所述融合特征进行分类回归处理，得到开度预测结果。

可选的，所述获取训练好的开度预测模型的步骤包括：

获取待训练模型以及训练数据集，所述待训练模型为神经网络模型，所述训练数据集中包括多个四元组样本数据，每个四元组样本数据包括一个第一样本温度矩阵、一个第二样本温度矩阵、一个样本开度矩阵以及一个标签矩阵，所述第一样本温度矩阵、所述第二样本温度矩阵以及所述样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，所述标签矩阵为专家标注的理想开度矩阵；

通过所述训练数据集对所述待训练模型进行有监督训练，得到训练好的开度预测模型。

第二方面，本发明实施例还提供了一种真空泵冷却装置控制装置，真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置控制系统应用于所述上位机，所述真空泵冷却装置控制装置包括：

采集模块，用于在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀所述冷却液管路的第二温度分布以及所述冷却注管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

确定模块，用于基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数；

调整模块，用于将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

第三方面，本发明实施例还提供一种真空泵冷却装置，所述真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置用于实现本发明实施例提供的真空泵冷却装置控制方法中的步骤。

第四方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的真空泵冷却装置控制方法中的步骤。

本发明实施例中，在真空泵工作过程中，通过温度传感器采集泵体外表面的第一温度分布，以及通过智能阀冷却液管路的第二温度分布以及冷却注管道的阀门开度分布，并根据第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数，并将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度。本发明可以根据第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数，并将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度，对于不同热量的区域可以控制为不同的开度，进而解决现有传统的控制方法在散热效果不好，导致真空泵寿命降低的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种真空泵冷却装置控制方法的流程图；

图2是本发明实施例提供的一种真空泵冷却装置控制装置的结构示意图；

图3是本发明实施例提供一种真空泵冷却装置控制系统的结构示意图；

图4是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，图1是本发明实施例提供的一种真空泵冷却装置控制方法的流程图。该真空泵冷却装置控制方法包括以下步骤：

101、在真空泵工作过程中，通过温度传感器采集泵体外表面的第一温度分布；以及通过智能阀冷却液管路的第二温度分布以及冷却注管道的阀门开度分布。

在本发明实施例中，上述真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在冷却液管路中每个分流口的智能阀门，智能阀门与上位机通信连接，智能阀门用于采集冷却液温度以及控制阀门开度，真空泵冷却装置控制方法应用于上位机。上述冷却液管路是传输冷却液的管道，主要是将冷却液输送到需要冷却的真空泵外表面，以达到降温的效果。上述智能阀门可以实时监测冷却液温度和控制阀门的开度。

第一温度分布包括第一采样点以及第一采样点对应的第一温度序列，每个第一采样点对应一个温度传感器，第二温度分布包括第二采样点以及第二采样点对应的第二温度序列，每个第二采样点对应一个智能阀门，阀门开度分布包括第三采样点以及第三采样点对应的阀门开度值。

上述温度传感器是一种能够感受温度并能够将温度信息转换成可用输出信号的设备，温度传感器用于采集泵体表面的实时温度数据。

上述阀门开度分布可以理解为通过调节阀门的开度来控制冷却液的流量，从而实现对不同部位冷却需求的满足。比如，当冷却液温度升高到一定值时，智能阀门会增大开度，使更多的冷却液进入冷却液管路中，以使泵体表面降温更快；当冷却液温度低于一定值时，智能阀门会减小开度，减少冷却液的流量。

102、基于第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数。

在本发明实施例中，可以根据第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数。

可以通过第一温度分布、第二温度分布、阀门开度分布以及泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵；并根据第一温度矩阵、第二温度矩阵以及开度矩阵，确定各个智能阀门的开度控制参数。

上述第一温度矩阵与上述第二温度矩阵具有相同的时空分辨率，上述开度矩阵与上述第二温度矩阵具有相同的空间分辨率。第一温度矩阵中的每个元素表示泵体外表面相应位置处在某个时间点的温度值；而第二温度矩阵中的每个元素则表示管道中冷却液相应位置处在某个时间点的温度值。第一温度矩阵用来描述泵体表面的温度分布，第二温度矩阵用来描述管道中冷却液的温度分布，因此它们需要具有相同的时空分辨率，以便在计算过程中能够准确地反映泵体外边表面各个位置上以及管道中冷却液各个位置上的温度变化情况。开度矩阵中的每个元素表示管道中各个分流口阀门的开度大小，因此第二温度矩阵和开度矩阵需要具有相同的空间分辨率，以便在计算过程中能够准确地反映管道中各个位置上的冷却液温度情况以及各个分流口阀门的开度大小。

上述开度控制参数可以理解为智能阀门在控制过程中需要调节的各个分流口阀门开度大小，用于控制冷却液的流量和压力，以保证设备在适宜的温度下运行。通过开度控制参数对各个智能阀门的开度进行控制，可以有效地控制冷却液的流量和压力，保证设备在适宜的温度下运行。

103、将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度。

在本发明实施例中，上述智能阀门用于采集冷却液温度以及控制阀门开度。每个智能阀门对应一个冷却液管路分流口。

可以通过开度控制参数在对各个智能阀门进行开度控制，以使冷却液管路中冷却液对泵体表面进行冷却冲刷，从而降低泵体表面的温度，提高冷却效率。

本发明实施例中在真空泵工作过程中，通过温度传感器采集泵体外表面的第一温度分布，温度传感器阵列设置在泵体外表面；通过智能阀冷却液管路的第二温度分布以及冷却注管道的阀门开度分布，第一温度分布包括第一采样点以及第一采样点对应的第一温度序列，每个第一采样点对应一个温度传感器，第二温度分布包括第二采样点以及第二采样点对应的第二温度序列，每个第二采样点对应一个智能阀门，阀门开度分布包括第三采样点以及第三采样点对应的阀门开度值；基于第一温度分布、第二温度分布和阀门开度分布，确定各个智能阀门的开度控制参数；将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度。本发明可以根据第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数，并将开度控制参数发送到对应的智能阀门，以使智能阀门根据开度控制参数调整自身开度，对于不同热量的区域可以控制为不同的开度，进而解决现有传统的控制方法在散热效果不好，导致真空泵寿命降低的问题。

可选的，在基于第一温度分布、第二温度分布以及阀门开度分布，确定各个智能阀门的开度控制参数的步骤中，可以基于第一温度分布、第二温度分布、阀门开度分布以及泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，第一温度矩阵与第二温度矩阵具有相同的时空分辨率，开度矩阵与第二温度矩阵具有相同的空间分辨率；基于第一温度矩阵、第二温度矩阵以及开度矩阵，确定各个智能阀门的开度控制参数。

在本发明实施例中，第一温度矩阵中的每个元素表示泵体外表面相应位置处在某个时间点的温度值；而第二温度矩阵中的每个元素则表示管道中冷却液相应位置处在某个时间点的温度值。第一温度矩阵用来描述泵体表面的温度分布，第二温度矩阵用来描述管道中冷却液的温度分布，因此它们需要具有相同的时空分辨率，以便在计算过程中能够准确地反映泵体外边表面各个位置上以及管道中冷却液各个位置上的温度变化情况。

开度矩阵中的每个元素表示管道中各个分流口阀门的开度大小，因此第二温度矩阵和开度矩阵需要具有相同的空间分辨率，以便在计算过程中能够准确地反映管道中各个位置上的冷却液温度情况以及各个分流口阀门的开度大小。

上述开度控制参数可以理解为智能阀门在控制过程中需要调节的各个分流口阀门开度大小，用于控制冷却液的流量和压力，以保证设备在适宜的温度下运行。通过开度控制参数对各个智能阀门的开度进行控制，可以有效地控制冷却液的流量和压力，保证设备在适宜的温度下运行。

可选的，在基于第一温度分布、第二温度分布、阀门开度分布以及泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤中，可以对泵体外表面进行平面展开，得到泵体外表面的展开平面；将第一温度分布的第一采样点按对应温度传感器在泵体外表面的位置映射到展开平面中，以及将第二温度分布的第二采样点按对应智能阀门在泵体外表面的投影位置映射到展开平面中，得到第一映射平面，第一映射平面包括第一采样点以及第二采样点；根据第一映射平面中的采样点将第一映射平面进行德洛内三角剖分，得到第二映射平面，第二映射平面包括多个德洛内三角形，每个德洛内三角形的外接圆内不包含德洛内三角形所在面域的其它任何一个采样点；基于第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵。

在本发明实施例中，上述平面展开可以理解为将一个三维物体战平成一个二维平面图像的过程。

上述第一采样点可以理解为泵体外表面上的第一温度分布的第一采样位置。

上述第二采样点可以理解为冷却液管路的第二温度分布的第二采样位置。

映射的过程是将采样点的位置信息和温度数据结合起来，将采样点的位置信息和温度数据现在展开平面上。这样可以更直观地观察和分析泵体外表面上的温度分布情况，以及各个分流点阀门开度情况。

上述德洛内三角剖分是一种用于将平面点集进行三角剖分的算法。德洛内三角剖分是将所有的点用最小外接圆圆心之间的连线进行连线，使得这些连线不会相交，形成一个三角网格。德洛内三角剖分将多边形分割成最少数量的三角形，以便进行更精确的计算，同时保证网格的质量和保真度。

需要说明的是，通过德洛内三角剖，将第一映射平面中的采样点连接起来，形成多个德洛内三角形，每个德洛内三角形的外接圆内不包含德洛内三角形所在面域的其它任何一个采样点。

可选的，在基于第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤中，可以在第二映射平面中确定出顶点到质心的距离总和最小的德洛内三角形作为目标德洛内三角形；基于目标德洛内三角形确定第二映射平面的网格尺寸；基于网格尺寸对第二映射平面进行划分，得到第三映射平面，第三映射平面包括M×N个网格单元；将第一温度分布的第一采样点以及对应的第一温度值序列映射到第三映射平面中对应的网格单元内，得到第一温度矩阵；以及将第二温度分布的第二采样点以及对应的第二温度值序列映射到第三映射平面中对应的网格单元内，得到第二温度矩阵；以及将开度矩阵的第三采样点以及对应的阀门开度值映射到第三映射平面中对应的网格单元内，得到开度矩阵。

在本发明实施例中，在第二映射平面上确定出顶点到之心的距离总和最小的德洛内三角形作为目标德洛内三角形；并根据目标的德洛内三角形的带下确定出第二映射平面上的网格尺寸；根据第二映射平面上的网格尺寸将第二映射平面划分为M×N个网格单元，即第三映射平面；将第一温度分布的采样点以及对应的温度值序列映射到第三映射平面上对应的网格单元内，得到一个包含M×N个元素的矩阵，即第一温度矩阵；将第二温度分布的采样点以及对应的温度值序列映射到第三映射平面上对应的网格单元内，得到一个包含M×N个元素的矩阵，即第二温度矩阵；将开度矩阵的采样点以及对应的阀门开度值映射到第三映射平面上对应的网格单元内，得到一个包含M×N个元素的矩阵，即开度矩阵。

上述网格尺寸可以理解为网格单元的边长。上述温度值序列可以理解为一组按时间顺序排列的温度数值。

可选的，在基于第一温度矩阵、第二温度矩阵以及开度矩阵，确定各个智能阀门的开度控制参数的步骤中，可以获取训练好的开度预测模型；基于训练好的开度预测模型对第一温度矩阵、第二温度矩阵以及开度矩阵进行预测处理，得到开度预测结果；基于开度预测结果确定各个智能阀门的开度控制参数。

在本发明实施例中，上述训练好的开度预测模型可以是机器学习或深度学习的预测模型，可以是循环神经网络(RNN)、长短时记忆网络(LSTM)等。上述训练好的开度预测模型是通过训练数据集对预测模型进行训练，训练完成得到的训练好的开度预测模型。

通过训练好的开度预测模型对第一温度矩阵、第二温度矩阵以及开度矩阵进行预测处理，从而得到开度预测结果；并根据开度预测结果确定出各个智能阀门的开度控制参数。

上述开度控制参数为智能阀门在控制过程中需要调节的各个分流口阀门开度大小，用于控制冷却液的流量和压力，以保证设备在适宜的温度下运行。

可选的，训练好的开度预测模型包括第一特征提取模块、第二特征提取模块、第三特征提取模块、第一融合模块、第二融合模块以及输出模块，第一特征提取模块、第二特征提取模块以及第三特征提取模块并行设置，第一融合模块的输入端与第一特征提取模块以及第二特征提取模块的输出端同时连接，第二融合模块的输入端与第一融合模块以及第三特征提取模块的输出端同时连接，输出模块的输入端与第二融合模块的输出端连接，输出模块包括M×N个输出单元，每个输出单元对应一个预测开度值的输出，在基于训练好的开度预测模型对第一温度矩阵、第二温度矩阵以及开度矩阵进行预测处理，得到开度预测结果的步骤中，可以通过第一特征提取模块对第一温度矩阵进行第一特征提取处理，得到第一温度矩阵的第一时空特征；以及通过第二特征提取模块对第二温度矩阵进行第二特征提取处理，得到第二温度矩阵的第二时空特征；通过第一融合模块将第一时空特征以及第二时空特征在时间维度上进行特征融合，得到第一融合空间特征，融合空间特征包括空间维度上的第一特征值；通过第三特征提取模块对开度矩阵进行第三特征提取处理，得到开度矩阵的空间特征，空间特征包括空间维度上的第二特征值；通过第二融合模块将融合空间特征与空间特征在空间维度上进行特征融合，得到融合特征；通过输出模块对融合特征进行分类回归处理，得到开度预测结果。

在本发明实施例中，上述特征提取模块用于从输入数据中提取有用的特征。上述融合模块用于将来自不同特征提取模块的特征进行融合，以便更好地预测开度值。上述输出模块包括M×N个输出单元，每个输出单元对应一个预测开度值的输出，输出模块用于输出M×N个不同的开度值。

上述时空特征可以理解为在时间和空间两个维度上的特征，时空特征反映了温度矩阵在随时间变化以及在不同空间位置上的变化规律。

上述特征融合可以理解为将多个特征向量按照一定的方式进行组合，以形成一个更强大的特征向量的过程。

上述第一融合空间特征可以理解为第一时空特征以及第二时空特征在空间维度上的变化情况。

上述分类回归处理可以理解为通过分析输入的特征来预测输出的值或类别的过程。

可选的，在获取训练好的开度预测模型的步骤中，可以获取待训练模型以及训练数据集，待训练模型为神经网络模型，训练数据集中包括多个四元组样本数据，每个四元组样本数据包括一个第一样本温度矩阵、一个第二样本温度矩阵、一个样本开度矩阵以及一个标签矩阵，第一样本温度矩阵、第二样本温度矩阵以及样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，标签矩阵为专家标注的理想开度矩阵；通过训练数据集对待训练模型进行有监督训练，得到训练好的开度预测模型。

在本发明实施例中，上述神经网络模型是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。上述神经网络模型可以是循环神经网络(RNN)、长短时记忆网络(LSTM)、卷积神经网络(CNN)等。

上述有监督训练可以理解为通过使用标记的训练数据来指导模型的学习过程。在有监督学习中，每个训练样本都有一个已知的标签或输出值，模型的目标是通过学习输入变量和输出变量之间的关系来构建一个预测模型。

上述第一样本温度矩阵可以理解为样本泵体外表面的温度矩阵；上述第二样本温度矩阵可以理解为样本冷却液管路的温度矩阵；上述样本开度矩阵可以理解为冷却注管道的阀门开度矩阵。第一样本温度矩阵、第二样本温度矩阵以及样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，标签矩阵为专家标注的理想开度矩阵。

通过训练数据集对待训练模型进行有监督训练，训练完成，可以得到训练好的开度预测模型。可以通过训练好的开度预测模型对第一温度矩阵、第二温度矩阵以及开度矩阵进行预测处理，从而得到开度预测结果。

如图2所示，本发明实施例提供一种真空泵冷却装置控制装置，真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在冷却液管路中每个分流口的智能阀门，智能阀门与上位机通信连接，智能阀门用于采集冷却液温度以及控制阀门开度，真空泵冷却装置控制装置应用于所述上位机。该真空泵冷却装置控制装置包括：

采集模块201，用于在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀所述冷却液管路的第二温度分布以及所述冷却注管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

确定模块202，用于基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数；

调整模块203，用于将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

可选的，所述确定模块202的步骤包括：

构建子模块，用于基于所述第一温度分布、第二温度分布、所述阀门开度分布以及所述泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，所述第一温度矩阵与所述第二温度矩阵具有相同的时空分辨率，所述开度矩阵与所述第二温度矩阵具有相同的空间分辨率；

确定子模块，用于基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数。

可选的，所述构建子模块包括：

平面展开单元，用于对所述泵体外表面进行平面展开，得到所述泵体外表面的展开平面；

映射单元，用于将所述第一温度分布的第一采样点按对应温度传感器在所述泵体外表面的位置映射到所述展开平面中，以及将所述第二温度分布的第二采样点按对应智能阀门在所述泵体外表面的投影位置映射到所述展开平面中，得到第一映射平面，所述第一映射平面包括所述第一采样点以及所述第二采样点；

剖分单元，用于根据所述第一映射平面中的采样点将所述第一映射平面进行德洛内三角剖分，得到第一映射平面，所述第二映射平面包括多个德洛内三角形，每个所述德洛内三角形的外接圆内不包含所述德洛内三角形所在面域的其他任何一个采样点；

构建单元，用于基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵。

可选的，所述构建单元包括：

第一确定子单元，用于在所述第二映射平面中确定出顶点到质心的距离总和最小的所述德洛内三角形作为目标德洛内三角形；

第二确定子单元，用于基于所述目标德洛内三角形确定所述第二映射平面的网格尺寸；

划分子单元，用于基于所述网格尺寸对所述第二映射平面进行划分，得到第三映射平面，所述第三映射平面包括M×N个网格单元；

第一映射子单元，用于将所述第一温度分布的第一采样点以及对应的所述第一温度值序列映射到所述第三映射平面中对应的网格单元内，得到第一温度矩阵；以及

第二映射子单元，用于将所述第二温度分布的第二采样点以及对应的所述第二温度值序列映射到所述第三映射平面中对应的网格单元内，得到第二温度矩阵；以及

第三映射子单元，用于将所述开度矩阵的第三采样点以及对应的所述阀门开度值映射到所述第三映射平面中对应的网格单元内，得到开度矩阵。

可选的，所述确定子模块包括：

获取单元，用于获取训练好的开度预测模型；

处理单元，用于基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果；

确定单元，用于基于所述开度预测结果确定各个所述智能阀门的开度控制参数。

可选的，所述处理单元包括：

第一处理子单元，用于通过所述第一特征提取模块对所述第一温度矩阵进行第一特征提取处理，得到所述第一温度矩阵的第一时空特征；以及

第二处理子单元，用于通过所述第二特征提取模块对所述第二温度矩阵进行第二特征提取处理，得到所述第二温度矩阵的第二时空特征；

第一特征融合子单元，用于通过所述第一融合模块将所述第一时空特征以及所述第二时空特征在时间维度上进行特征融合，得到第一融合空间特征，所述融合空间特征包括空间维度上的第一特征值；

第三处理子单元，用于通过所述第三特征提取模块对所述开度矩阵进行第三特征提取处理，得到所述开度矩阵的空间特征，所述空间特征包括空间维度上的第二特征值；

第二特征融合子单元，用于通过所述第二融合模块将所述融合空间特征与所述空间特征在空间维度上进行特征融合，得到融合特征；

第四处理子单元通过所述输出模块对所述融合特征进行分类回归处理，得到开度预测结果。

可选的，所述获取单元包括：

获取子单元，用于获取待训练模型以及训练数据集，所述待训练模型为神经网络模型，所述训练数据集中包括多个四元组样本数据，每个四元组样本数据包括一个第一样本温度矩阵、一个第二样本温度矩阵、一个样本开度矩阵以及一个标签矩阵，所述第一样本温度矩阵、所述第二样本温度矩阵以及所述样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，所述标签矩阵为专家标注的理想开度矩阵；

训练子单元，用于通过所述训练数据集对所述待训练模型进行有监督训练，得到训练好的开度预测模型。

需要说明的是，本发明实施例提供的真空泵冷却装置控制装置可以应用于可以进行真空泵冷却装置控制方法的上位机、单片机、智能手机、电脑、服务器等设备。

本发明实施例提供的真空泵冷却装置控制装置能够实现上述方法实施例中真空泵冷却装置控制方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。

参见图3，图3是本发明实施例提供的一种真空泵冷却装置，真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，真空泵冷却装置用于实现本发明实施例提供的真空泵冷却装置控制方法中的步骤。

参见图4，图4是本发明实施例提供的一种电子设备的结构示意图，如图4所示，包括：存储器402、处理器401及存储在存储器402上并可在处理器401上运行的真空泵冷却装置控制方法的计算机程序，其中：

处理器401用于调用存储器402存储的计算机程序，执行如下步骤：

在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀所述冷却液管路的第二温度分布以及所述冷却注管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数；

将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

可选的，处理器401执行的所述基于所述第一温度分布、所述第二温度分布以及所述阀门开度分布，确定各个所述智能阀门的开度控制参数的步骤包括：

基于所述第一温度分布、第二温度分布、所述阀门开度分布以及所述泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，所述第一温度矩阵与所述第二温度矩阵具有相同的时空分辨率，所述开度矩阵与所述第二温度矩阵具有相同的空间分辨率；

基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数。

可选的，处理器401执行的所述基于所述第一温度分布、第二温度分布、所述阀门开度分布以及所述泵体外表面的展开平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤包括：

对所述泵体外表面进行平面展开，得到所述泵体外表面的展开平面；

将所述第一温度分布的第一采样点按对应温度传感器在所述泵体外表面的位置映射到所述展开平面中，以及将所述第二温度分布的第二采样点按对应智能阀门在所述泵体外表面的投影位置映射到所述展开平面中，得到第一映射平面，所述第一映射平面包括所述第一采样点以及所述第二采样点；

根据所述第一映射平面中的采样点将所述第一映射平面进行德洛内三角剖分，得到第一映射平面，所述第二映射平面包括多个德洛内三角形，每个所述德洛内三角形的外接圆内不包含所述德洛内三角形所在面域的其他任何一个采样点；

基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵。

可选的，处理器401执行的所述基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤包括：

在所述第二映射平面中确定出顶点到质心的距离总和最小的所述德洛内三角形作为目标德洛内三角形；

基于所述目标德洛内三角形确定所述第二映射平面的网格尺寸；

基于所述网格尺寸对所述第二映射平面进行划分，得到第三映射平面，所述第三映射平面包括M×N个网格单元；

将所述第一温度分布的第一采样点以及对应的所述第一温度值序列映射到所述第三映射平面中对应的网格单元内，得到第一温度矩阵；以及

将所述第二温度分布的第二采样点以及对应的所述第二温度值序列映射到所述第三映射平面中对应的网格单元内，得到第二温度矩阵；以及

将所述开度矩阵的第三采样点以及对应的所述阀门开度值映射到所述第三映射平面中对应的网格单元内，得到开度矩阵。

可选的，处理器401执行的所述基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数的步骤包括：

获取训练好的开度预测模型；

基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果；

基于所述开度预测结果确定各个所述智能阀门的开度控制参数。

可选的，所述训练好的开度预测模型包括第一特征提取模块、第二特征提取模块、第三特征提取模快、第一融合模块、第二融合模块以及输出模块，所述第一特征提取模块、第二特征提取模块以及第三特征提取模块并行设置，所述第一融合模块的输入端与所述第一特征提取模块以及所述第二特征提取模块的输出端同时连接，所述第二融合模块的输入端与所述第一融合模块以及所述第三特征提取模块的输出端同时连接，所述输出模块的输入端与所述第二融合模块的输出端连接，所述输出模块包括M×N个网格单元，每个输出单元对应一个预测开度值的输出，处理器401执行的所述基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果的步骤包括：

通过所述第一特征提取模块对所述第一温度矩阵进行第一特征提取处理，得到所述第一温度矩阵的第一时空特征；以及

通过所述第二特征提取模块对所述第二温度矩阵进行第二特征提取处理，得到所述第二温度矩阵的第二时空特征；

通过所述第一融合模块将所述第一时空特征以及所述第二时空特征在时间维度上进行特征融合，得到第一融合空间特征，所述融合空间特征包括空间维度上的第一特征值；

通过所述第三特征提取模块对所述开度矩阵进行第三特征提取处理，得到所述开度矩阵的空间特征，所述空间特征包括空间维度上的第二特征值；

通过所述第二融合模块将所述融合空间特征与所述空间特征在空间维度上进行特征融合，得到融合特征；

通过所述输出模块对所述融合特征进行分类回归处理，得到开度预测结果。

可选的，处理器401执行的所述获取训练好的开度预测模型的步骤包括：

获取待训练模型以及训练数据集，所述待训练模型为神经网络模型，所述训练数据集中包括多个四元组样本数据，每个四元组样本数据包括一个第一样本温度矩阵、一个第二样本温度矩阵、一个样本开度矩阵以及一个标签矩阵，所述第一样本温度矩阵、所述第二样本温度矩阵以及所述样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，所述标签矩阵为专家标注的理想开度矩阵；

通过所述训练数据集对所述待训练模型进行有监督训练，得到训练好的开度预测模型。

需要说明的是，本发明实施例提供的电子设备可以应用于可以进行真空泵冷却装置控制方法的智能手机、电脑、服务器等设备。

本发明实施例提供的电子设备能够实现上述方法实施例中真空泵冷却装置控制方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种真空泵冷却装置控制方法，其特征在于，所述真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置控制方法应用于所述上位机，所述方法包括以下步骤：

在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀门采集所述冷却液管路的第二温度分布以及所述冷却液管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

对所述泵体外表面进行平面展开，得到所述泵体外表面的展开平面；

将所述第一温度分布的第一采样点按对应温度传感器在所述泵体外表面的位置映射到所述展开平面中，以及将所述第二温度分布的第二采样点按对应智能阀门在所述泵体外表面的投影位置映射到所述展开平面中，得到第一映射平面，所述第一映射平面包括所述第一采样点以及所述第二采样点；

根据所述第一映射平面中的采样点将所述第一映射平面进行德洛内三角剖分，得到第二映射平面，所述第二映射平面包括多个德洛内三角形，每个所述德洛内三角形的外接圆内不包含所述德洛内三角形所在面域的其它任何一个采样点；

基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，所述第一温度矩阵与所述第二温度矩阵具有相同的时空分辨率，所述开度矩阵与所述第二温度矩阵具有相同的空间分辨率；

基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数；

将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

2.如权利要求1所述的真空泵冷却装置控制方法，其特征在于，所述基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵的步骤包括：

在所述第二映射平面中确定出顶点到质心的距离总和最小的所述德洛内三角形作为目标德洛内三角形；

基于所述目标德洛内三角形确定所述第二映射平面的网格尺寸；

基于所述网格尺寸对所述第二映射平面进行划分，得到第三映射平面，所述第三映射平面包括M×N个网格单元；

将所述第一温度分布的第一采样点以及对应的所述第一温度序列映射到所述第三映射平面中对应的网格单元内，得到第一温度矩阵；以及

将所述第二温度分布的第二采样点以及对应的所述第二温度序列映射到所述第三映射平面中对应的网格单元内，得到第二温度矩阵；以及

将所述开度矩阵的第三采样点以及对应的所述阀门开度值映射到所述第三映射平面中对应的网格单元内，得到开度矩阵。

3.如权利要求1或2所述的真空泵冷却装置控制方法，其特征在于，所述基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数的步骤包括：

获取训练好的开度预测模型；

基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果；

基于所述开度预测结果确定各个所述智能阀门的开度控制参数。

4.如权利要求3所述的真空泵冷却装置控制方法，其特征在于，所述训练好的开度预测模型包括第一特征提取模块、第二特征提取模块、第三特征提取模块、第一融合模块、第二融合模块以及输出模块，所述第一特征提取模块、第二特征提取模块以及第三特征提取模块并行设置，所述第一融合模块的输入端与所述第一特征提取模块以及所述第二特征提取模块的输出端同时连接，所述第二融合模块的输入端与所述第一融合模块以及所述第三特征提取模块的输出端同时连接，所述输出模块的输入端与所述第二融合模块的输出端连接，所述输出模块包括M×N个输出单元，每个输出单元对应一个预测开度值的输出，所述基于所述训练好的开度预测模型对所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵进行预测处理，得到开度预测结果的步骤包括：

通过所述第一特征提取模块对所述第一温度矩阵进行第一特征提取处理，得到所述第一温度矩阵的第一时空特征；以及

通过所述第二特征提取模块对所述第二温度矩阵进行第二特征提取处理，得到所述第二温度矩阵的第二时空特征；

通过所述第一融合模块将所述第一时空特征以及所述第二时空特征在时间维度上进行特征融合，得到第一融合空间特征，所述融合空间特征包括空间维度上的第一特征值；

通过所述第三特征提取模块对所述开度矩阵进行第三特征提取处理，得到所述开度矩阵的空间特征，所述空间特征包括空间维度上的第二特征值；

通过所述第二融合模块将所述融合空间特征与所述空间特征在空间维度上进行特征融合，得到融合特征；

通过所述输出模块对所述融合特征进行分类回归处理，得到开度预测结果。

5.如权利要求4所述的真空泵冷却装置控制方法，其特征在于，所述获取训练好的开度预测模型的步骤包括：

获取待训练模型以及训练数据集，所述待训练模型为神经网络模型，所述训练数据集中包括多个四元组样本数据，每个四元组样本数据包括一个第一样本温度矩阵、一个第二样本温度矩阵、一个样本开度矩阵以及一个标签矩阵，所述第一样本温度矩阵、所述第二样本温度矩阵以及所述样本开度矩阵为同一样本真空泵冷却装置以及样本真空泵在不同工况或时段所采集到的，所述标签矩阵为专家标注的理想开度矩阵；

通过所述训练数据集对所述待训练模型进行有监督训练，得到训练好的开度预测模型。

6.一种真空泵冷却装置控制装置，其特征在于，所述真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置控制装置应用于所述上位机，所述真空泵冷却装置控制系统包括：

采集模块，用于在所述真空泵工作过程中，通过温度传感器采集所述泵体外表面的第一温度分布，所述温度传感器阵列设置在所述泵体外表面；以及通过所述智能阀门采集所述冷却液管路的第二温度分布以及所述冷却液管道的阀门开度分布，所述第一温度分布包括第一采样点以及所述第一采样点对应的第一温度序列，每个所述第一采样点对应一个所述温度传感器，所述第二温度分布包括第二采样点以及所述第二采样点对应的第二温度序列，每个所述第二采样点对应一个所述智能阀门，所述阀门开度分布包括第三采样点以及所述第三采样点对应的阀门开度值；

确定模块，用于对所述泵体外表面进行平面展开，得到所述泵体外表面的展开平面；将所述第一温度分布的第一采样点按对应温度传感器在所述泵体外表面的位置映射到所述展开平面中，以及将所述第二温度分布的第二采样点按对应智能阀门在所述泵体外表面的投影位置映射到所述展开平面中，得到第一映射平面，所述第一映射平面包括所述第一采样点以及所述第二采样点；根据所述第一映射平面中的采样点将所述第一映射平面进行德洛内三角剖分，得到第二映射平面，所述第二映射平面包括多个德洛内三角形，每个所述德洛内三角形的外接圆内不包含所述德洛内三角形所在面域的其它任何一个采样点；基于所述第二映射平面，构建出第一温度矩阵、第二温度矩阵以及开度矩阵，所述第一温度矩阵与所述第二温度矩阵具有相同的时空分辨率，所述开度矩阵与所述第二温度矩阵具有相同的空间分辨率；基于所述第一温度矩阵、所述第二温度矩阵以及所述开度矩阵，确定各个所述智能阀门的开度控制参数；

调整模块，用于将所述开度控制参数发送到对应的所述智能阀门，以使所述智能阀门根据所述开度控制参数调整自身开度。

7.一种真空泵冷却装置，其特征在于，所述真空泵冷却装置包括设置于真空泵的泵体外表面的冷却液管路以及设置在所述冷却液管路中每个分流口的智能阀门，所述智能阀门与上位机通信连接，所述智能阀门用于采集冷却液温度以及控制阀门开度，所述真空泵冷却装置用于实现如权利要求1至5中任一项所述的真空泵冷却装置控制方法中的步骤。

8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的真空泵冷却装置控制方法中的步骤。