一种基于数据分析的食用油碱炼工艺智能调节方法技术

本发明专利技术公开了一种基于大数据分析的食用油碱炼工艺智能调节方法，该方法主要包括以下步骤:1、将毛油品质、酸碱反应数据、离心机参数和质量化验数据按照时间延迟对齐成拼接表；2、去除冗余、矛盾记录后形成决策表；2、基于决策表训练Xgboost模型计算得油率；3、采用K‑means聚类算法寻优关键参数的最优得油率区间；4、采用自适应模拟退火遗传算法以最高得油率为目标在最优得油率区间寻优最优参数组合；5、采用粗糙集算法综合现场专家规则形成调节基本规则；6、对遗传算法给出的最优参数进行基本规则约束，对于遗传算法给出的最优参数组合进行基本规则过滤。本发明专利技术确保了碱炼工艺过程稳定运行，降低了生产成本，实现效益最大化。

【技术实现步骤摘要】
一种基于数据分析的食用油碱炼工艺智能调节方法
本专利技术涉及大数据挖掘的复杂工业过程智能化
，尤其涉及一种基于历史数据分析的食用油碱炼工艺智能调节方法。
技术介绍
食用油碱炼工艺过程是一个存在化学变化与物理变化、干扰因素难以精确定位的典型复杂工业过程。当前，精炼生产线中和工段采用人工调节的方式，待加工毛油是按批次输入精炼工厂，每批毛油因油品不同则需要班长在换油阶段通过试机调节，设定适合该批次油的生产工艺参数，换油阶段通过调节磷酸添加量、碱添加量、脱皂离心机的向心泵开度及轻向压力等关键工艺参数达到适合该批次毛油的生产设定值；生产过程中当出现化验值反馈油品不合格时需要根据观测到的反馈状态做相应调整，以达到得油率最大的目标。当前依据人工经验调节的方式无法实现精确的量化计算，只有基本的方向性调节规则，需要分析大量的历史生产数据，找出各关键工艺参数跟得油率的量化关系，根据不同工况给出最佳的工艺参数设定值，在保证油品合格的前提下最大限度的提高得油率。而且每批次油因缺乏搅拌可能致使油品分层导致品质在一定幅度内发生变化，要到达产油率最大值，则需根据不同油品适时调节关键参数，这是当前生产工艺人工调节所不具备的。
技术实现思路
本专利技术提出一种油脂精炼厂中和工段碱炼工艺最优调节方法，通过智能调节酸碱添加量、脱皂离心机的向心泵开度及轻向压力等关键工艺参数，达到中和工段酸碱反应平衡并稳定脱皂离心机分离效果，减少目前生产工艺参数调节对人工经验的依赖，达到稳定、高效生产，最终提高生产线得油率的目标。为了实现上述目的，本专利技术采用如图1所示的方案框架，主要包括以下主要内容：首先，建立Xgboost得油率预测模型，然后，根据历史得油率跟关键参数设置区间的历史数据，找出不同油品下的最高得油率参数区间，作为参数组合寻优模块GA算法寻优约束区间，最后，基于专家经验跟规则挖掘算法获取现场调节规则，对自适应退火遗传算法输出结果进行约束校正。拼接表，所述拼接表主要指深入分析工艺过程，找出影响食用油质量的DCS数据跟化验数据，将DCS数据、化验数据和油品质量数据基于时间对齐拼接成原始拼接表，形成拼接表的过程也称为数据集成。决策表，所述决策表是指对拼接表进行预处理，针对无效值和缺失值处理，采用滤波算法来剔除异常值，去除冗余和矛盾数据，精确计算各参数之间的时间延迟关系，形成大数据决策表。特征提取，将连续值决策表离散化后采用属性约简算法挖掘关键属性。寻优区间，所述寻优区间以得油率为评价指标，采用聚类算法将历史得油率数据划分为高得油率，低得油率与普通三类，然后找出高得油率对应的设置参数，并通过图表统计将高得油率操作区间与低得油率设定区间分隔开，将高得油率操作区间作为GA算法的关键工艺参数搜索区间。Xgboot得油率预测建模，基于决策表训练XGBoost模型，根据关键工艺指标预测当前得油率。GA参数寻优，所述参数寻优是指采用遗传算法在寻优区间内搜索保证最高得油率的关键工艺参数，遗传算法以XGBoost得油率预测值作为目标，在寻优区间内找出一组保证最高得油率的工艺参数组合。整理专家经验规则，将决策表离散化，采用关联关系挖掘算法、粗糙集上下近似集方法或者决策树等规则挖掘算法基于离散决策表挖掘专家操作规则，整合现场搜集的人工经验形成碱炼工艺操作规则。主要包括：机理规则约束，所述规则用于对工艺参数组合寻优模块输出的组合推荐参数进行机理约束，使推荐值符合现场工艺：a、离心机参数约束模块，基于专家经验，脱皂离心机轻向压力与向心开度单次调节区间需小于某阈值，该区间约束模块通过调节GA搜索区间使推荐调节值与当前设定值的差值小于设定阈值；b、加碱趋势约束模块，基于生产工艺机理与专家经验，加碱量调节趋势需与基于工艺机理经验趋势一致。该趋势约束模块通过概率投票表决约束推荐系统输出碱流量推荐值；c、遗传算法给出的调节逻辑必须符合现场调节制度。与现有技术相比，本专利技术所采用的技术方案具有以下优点：1、可根据实时生产参数预测出产品的优劣评判标准指标，从而在线实时指导工艺调整工况参数；2、提供一种智能调节方法，实现灵活性大，系统可维护性强，成本低调试方便，灵活性高，尤其是效率很高，克服了人工检测时间长和高成本，误差大等缺点；3、将遗传算法跟Xgboost预测模型结合对控制参数进行调节，较好的解决了模型预测控制和工业系统普遍存在的实时性产生的控制参数难以整定问题；4、建立的算法体系可以自动的搜寻最适合的控制参数,不仅节约了大量的人力资源,还在一定程度上优化了控制器的控制效果,提高了系统的自动化水平；5、通过优化算法寻找的参数最优解，可以为缺少丰富经验的工作者提供可靠的理论依据，提高设计质量，既保证了计算精度，又加快了生产速度。附图说明为了更清楚地说明本专利技术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，下面描述中的附图是本专利技术的一些实施例，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为本专利技术碱炼工艺智能调节工序整体方案框架图。图2为本专利技术碱炼工艺智能调节工序工艺图。图3为本专利技术智能推荐功能界面。图4为本专利技术得油率对比图。图5为本专利技术调整规则图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。图2为本专利技术的实施例的工序工艺图，工艺过程包括：首先将毛油倒入毛油罐，毛油罐中的毛油主要含有磷脂，色素、金属离子、游离脂肪酸、固体杂质，碱炼工序主要除去磷脂和游离脂肪酸；其次将毛油在加热情况下加入磷酸将不溶于水的磷脂变成水溶性磷脂（加热及搅拌，加快化学反应速度）；然后加入稀烧碱，利用碱与油中的游离脂肪酸起中和反应（皂化反应），生成钠盐和水，生成的钠盐在油中不易溶解，成为絮状物而沉降；再通过脱皂离心机利用向心泵开度将絮状物及固体杂质把清油跟沉淀物分开，调节轻向压力大小来控制清油跟沉淀物分开的界面；然后利用磷脂等脂类物分子中含有亲水基，加入热水（去掉溶于水的脂肪酸），同时加入适量柠檬酸来中和残余的磷脂，水化后的磷脂及其他胶体物质周围吸引水分子后，在油脂中溶解度减小，形成絮状物；最后通过水洗离心机把沉淀物跟油在水洗离心机中分离，得到水洗油。成品油质量和得油率的影响因素：1、毛油量多少及毛油中磷脂的含量和酸前酸价大小影响磷酸添加量的多少，磷酸添加量过多会导致酸后酸价过低，含磷量过多，添加量过少会导致大量磷脂未能溶于水影响毛油的得油率；2、加磷酸后酸价大小影响加碱量的多少，添加过量的碱会与少量的甘三脂发本文档来自技高网...

【技术保护点】
1.一种基于大数据分析的食用油碱炼工艺智能调节方法，其特征在于：该方法主要包括以下步骤。/n

【技术特征摘要】
1.一种基于大数据分析的食用油碱炼工艺智能调节方法，其特征在于：该方法主要包括以下步骤。


2.中和段工艺说明：通过中和反应将油脂中的（磷脂，色素，金属离子，游离脂肪酸，固体杂质）通过碱液与脂肪酸发生中和反应，生成皂从油中分离，但是在碱炼操作中，碱液除与脂肪酸发生中和反应外，过量的碱还会与少量的甘三脂发生皂化反应，从而引起练耗的增加，所以要选择合理比例的碱，减少练耗获得最高得油率。


3.粗糙集分辨矩阵分析影响得油率的关键参数拼接数据表，进行数据预处理，数据清洗与预处理主要包括：a、用于对中粮中和工段DCS采样数据进行无效值和缺失值处理；b、剔除异常工段以及异常值等的数据清洗；c、各关键工序时间节点计算时间延时对齐所选取的标准时间轴并与化验数据拼接；d、以及计算在线实时得油率等关键评价数据。


4.建立xgboost得油率预测模型，主要包括：输入接口跟输出Pickle文件，输入接口包含：训练X特征，目标Y，其中X特征有：'oil_type',','加碱总量delta','向心泵开度delta','碱流量值delta','中和工段酸前delta','中和工段酸后delta','中和工段脱皂油含皂量delta','中和工段酸前','中和工段酸后','碱液波美度','碱流量值','毛油流量值','磷酸流量值','轻相压力','向心泵开度'；目标Y为：输入数据结...

【专利技术属性】
技术研发人员：马天雨，李涛，刘思亚，刘金平，李志鹏，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：湖南;43