一种基于工艺指标调节潜质的工况划分和识别方法技术

本发明专利技术提供一种基于工艺指标调节潜质的工况划分和识别方法，涉及工业过程控制方法领域。该一种基于工艺指标调节潜质的工况划分和识别方法，包括以下步骤：S1：变量预处理；S2：获取动态波动系数；S3：构建模糊评估模型；S4：获取评估值并划分类别；S5：控制框架设计。通过提出控制方法可以有效区别出不同控制效果的工况类别，从而从中提取出控制规则，对控制方案进行指导。相比于人工控制，其控制方式更加合理和智能，避免了被控变量的长时间波动。相比于PID控制来说，不用频繁调节PID参数，适用性大大增加同时控制效果与PID控制相当，同时实施例的实验结果表明所提出的控制方法效果优于PID控制和模糊控制。于PID控制和模糊控制。于PID控制和模糊控制。

【技术实现步骤摘要】
一种基于工艺指标调节潜质的工况划分和识别方法


[0001]本专利技术涉及工业过程控制方法领域，具体为一种基于工艺指标调节潜质的工况划分和识别方法。

技术介绍

[0002]工业过程数据正在成为过程操作和过程控制中越来越有价值的资产。由于过程变量之间高度相关，基于过程数据的运行模式分类可以有效指导被控变量的控制方案。由于工业过程内部反应机理复杂，在线检测反应过程中的关键参数难以测量，传统的通过机理模型对工业过程运行模式进行分类的方法往往不适用。随着计算机技术的发展，工况分类和识别技术得到了进一步发展。一般来说，可以分为基于数据的方法和基于知识的方法。基于数据的方法包括传统的聚类算法，如k
‑
means聚类、DBSCAN聚类(基于密度的带噪声的应用空间聚类)、均值移位聚类等。
[0003]工业过程中常常存在大时滞和非线性的情况，这对工业过程中一些被控变量的控制起到了很大的干扰作用。在传统控制中，现场操作人员通过调节控制变量来使得被控变量维持在一个稳定的设定值附近，但是由于存在大时滞和非线性，现场操作人员存在控制不及时和控制调节量欠缺的问题，同时由于工业过程中工况变化较为频繁，现场控制又是基于人工经验，会存在控制效果不佳的问题。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种基于工艺指标调节潜质的工况划分和识别方法，针对工业过程存在的时滞和非线性问题，进而指导工业过程中的过程控制。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于工艺指标调节潜质的工况划分和识别方法，包括以下步骤：
[0006]S1：变量预处理
[0007]根据工业过程的反应过程，选取控制变量和被控变量，首先对被控变量和控制变量进行预处理，采用中值滤波滤去原数据中波动较大的点，采用3σ原则去除原数据中的离群点，最后将被控变量和控制变量进行数据标准化；
[0008]S2：获取动态波动系数
[0009]根据变量之间相关性大小原理，采用滑动窗口的方法，将控制变量和被控变量划分为一个个窗口大小。通过平移被控变量的窗口，计算出控制变量与被控变量窗口之间的最大相关度，此时所平移得到的步长就是所估计的动态时延。同时记录下被控变量与控制变量之间的最大动态相关度。然后平移控制变量的滑动窗口，计算下一个窗口的动态时延和最大动态相关度。根据之前计算的动态时延，可以确定每段窗口时延之后的被控变量窗口，然后通过一个线性模型来拟合这段被控变量，计算拟合模型和实际被控变量之间的误差。我们将此计算所得到的值定义为动态波动系数；
[0010]S3：构建模糊评估模型
[0011]选择Z型、钟型和S型作为模糊隶属度函数，然后根据计算出的动态时延、最大动态相关度以及动态波动系数的范围，分别定义出相对应的模糊域：低值域(L)、中值域(M)、高值域(H)。根据控制特征，低值域代表着控制效果在一个比较理想的范围，中值域代表控制效果是在可接受的范围，高值域代表控制效果处于一个较差的情况。由此可以构建出一套模糊规则，该模糊评估模型共有三个输入，分别为动态时延，动态最大相关度以及动态波动系数；
[0012]S4：获取评估值并划分类别
[0013]在通过模糊规则得到相对应的语义值后，选择通过重心法来进行反模糊化，得到评估值，即所定义的工艺指标调节潜质。将工艺指标调节潜质范围定义为[
‑
1,1]，评估值越接近于1，则代表控制效果越好。获得评估值后，可以根据评估值的分布特点，选择将评估值划分为几个类别，一般可以划分为最优控制类，次优控制类等；
[0014]S5：控制框架设计
[0015]①
考虑到上述步骤已经将工况进行划分，提出基于支持向量机(SVM)进行控制规则提取。选取最优控制域，将其划分为7个区域段，控制变量根据它们的大小标记为{
‑
3,
‑
2,
‑
1,0,1,2,3}。进行多类支持向量机建模，根据可控域内样本所标记的类，得到支持向量对应的原始样本。对原始样本进行模糊处理，控制变量、过程变量和被控变量映射到相应的模糊集。最后根据输入和输出变量得到模糊规则，由于训练样本中存在干扰样本点，因此提取的规则中存在无效规则，因此还需要对规则进行过滤，包括以下基本原则：
[0016]a、如果控制变量的当前语义值小于目标语义值，且其调整后的语义值为正，则有效；
[0017]b、如果控制变量的当前语义值大于目标语义值，且其调整后的语义值为负，则有效。
[0018]②
在获取控制规则之后，可以构建相应的控制框架。控制框架分为离线部分和在线部分。在离线部分，首先从训练集中提取控制特征。然后通过模糊评价得到工艺指标调节潜质并划分可控域。可控域划分后，通过支持向量机(SVM)方法提取最佳可控域的模糊规则，加入模糊规则库。在在线部分，提取输入样本的控制特征，然后划分到相应的可控域中。
[0019]控制对象采用模糊控制和PID相结合的方式进行控制，其中模糊控制的模糊规则是通过离线训练得到的。对于在线样本，如果它们处于可控域内且可控性较好，则采用模糊控制。如果处于可控性较差的可控域，则采用PID控制。
[0020]本专利技术提供了一种基于工艺指标调节潜质的工况划分和识别方法。具备以下有益效果：
[0021]1、本专利技术通过提出的基于工艺指标调节潜质的工况划分和识别可以有效区别出不同控制效果的工况类别，从而从中提取出控制规则，对控制方案进行指导。与人工操作方式依赖经验不同，所提出的结合目标值与当前的工况状态进行控制变量调节，从而使得被控变量可以快速稳定的到达目标值。相比于人工控制，其控制方式更加合理和智能，避免了被控变量的长时间波动，相比于PID控制来说，不用频繁调节PID参数，适用性大大增加同时控制效果与PID控制相当。
[0022]2、本专利技术通过选用了均值、方差、波动范围作为评价控制效果的评价指标，同时还定义了一个新的评价指标参数：损失，其为目标值和被控变量在有限时间内差值的绝对值
积分大小。其计算公式如下所示：
[0023]loss＝∫|y
tar
‑
y
act
|dt
[0024]其中y
tar
为设定的目标值，y
act
为被控变量的实际值。
[0025]本文选用了工业净化过程除钴的数据进行实验，设定的ORP控制目标为
‑
300，其控制效果见表1所示。从表1我们可以发现，所提出的控制方法与第一种PID控制参数在均值上效果相当，但是波动范围，方差上显著降低；与第二种PID控制参数比较，在方差和损失上略有降低；与第三种PID参数相比而言，在均值，波动范围，方差以及损失上都有所降低；与第四种比较而言，其波动范围和方差显著降低；与第五种PID参数相比较，其均值，方差上都有较大的降低；与单纯的模糊控制相比较而言，控制性能均有所提升。
[0026]表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工艺指标调节潜质的工况划分和识别方法，其特征在于：包括以下步骤：S1：变量预处理根据工业过程的反应过程，选取控制变量和被控变量，首先对被控变量和控制变量进行预处理，采用中值滤波滤去原数据中波动较大的点，采用3σ原则去除原数据中的离群点，最后将被控变量和控制变量进行数据标准化；S2：获取动态波动系数根据变量之间相关性大小原理，采用滑动窗口的方法，将控制变量和被控变量划分为一个个窗口大小。通过平移被控变量的窗口，计算出控制变量与被控变量窗口之间的最大相关度，此时所平移得到的步长就是所估计的动态时延。同时记录下被控变量与控制变量之间的最大动态相关度。然后平移控制变量的滑动窗口，计算下一个窗口的动态时延和最大动态相关度。根据之前计算的动态时延，可以确定每段窗口时延之后的被控变量窗口，然后通过一个线性模型来拟合这段被控变量，计算拟合模型和实际被控变量之间的误差。我们将此计算所得到的值定义为动态波动系数；S3：构建模糊评估模型选择Z型、钟型和S型作为模糊隶属度函数，然后根据计算出的动态时延、最大动态相关度以及动态波动系数的范围，分别定义出相对应的模糊域：低值域(L)、中值域(M)、高值域(H)。根据控制特征，低值域代表着控制效果在一个比较理想的范围，中值域代表控制效果是在可接受的范围，高值域代表控制效果处于一个较差的情况。由此可以构建出一套模糊规则，该模糊评估模型共有三个输入，分别为动态时延，动态最大相关度以及动态波动系数；S4：获取评估值并划分类别在通过模糊规则得到相对应的语义值后，选择通过重心法来进行反模糊化，得到评估值，即所定义的工艺指标调节潜质。将工艺指标调节潜质范围定义为[
‑
1,1]，评估值越接近于1，则代表控制效果越好。获得评估值后，可以根...

【专利技术属性】
技术研发人员：孙备，戴俊韬，阳春华，李勇刚，黄科科，周灿，朱红求，李繁飙，
申请(专利权)人：中南大学，
类型：发明
国别省市：