一种基于工业互联网平台的数据驱动的质量建模方法技术

本发明专利技术公开了一种基于工业互联网平台的数据驱动的质量建模方法，该方法包括以下步骤：基于工业互联网平台采集不同的系统数据，并对数据进行统一汇总；对采集的数据进行数据预处理；根据工艺原理和过程特性选取辅助变量，并对辅助变量采用主成分分析法进行降维；基于数据驱动建模策略构建关键产品质量预测模型；对建立的预测模型进行偏差校正和模型参数校正。本发明专利技术提供的方法可以大大降低工厂对测量设备的要求，对提高产品质量、促进节能降耗、加快企业数字化转型具有重要意义；本发明专利技术提供的方法可以实时预测化工原料及产物的关键指标，避免了某些指标测量耗时长、难以检测或根本无法检测等问题，节省了大量的时间和资源。源。源。

【技术实现步骤摘要】
一种基于工业互联网平台的数据驱动的质量建模方法


[0001]本专利技术涉及工业互联网领域，具体来说，涉及一种基于工业互联网平台的数据驱动的质量建模方法。

技术介绍

[0002]在石油化工过程中，系统的仿真、控制与优化往往依赖于高性能的模型。近年来随着市场竞争的日益加剧和环保要求的不断提高迫切要求企业从有效的资源中尽可能的提高经济效益这就对过程控制和优化提出了新的要求同时也增加了建模的难度尤其是那些强非线性、时变对象如基于连续搅拌反应釜下化工过程中物理和化学参数的建模发酵过程中生物参数的建模等等。例如连续搅拌反应釜(CSTR)是聚合化学反应中广泛使用的一种反应器它不仅在化工生产的核心设备中占有相当重要的地位而且在染料、医药试剂、食品及合成材料工业中被普遍使用。然而相反的是在其内的反应过程的自动控制却发展缓慢究其原因主要是由于其内的反应过程往往涉及到很多的物理和化学过他们的相互作用和影响使得反应过程呈现出高度的非线性这就使得对其过程建模变得非常困难。
[0003]在化工实际生产操作中，由于技术手段及硬件设备的匮乏，核心生产系统不能实时反馈全部所需过程参数，如果要想对反应过程进行更好的控制，就须要获得反应过程中的数据信息。相比温度、压力、液位、体积等相对容易实时测得的变量，反应物浓度等参数缺乏可靠的传感器对它们进行在线检测，且成本较高。许多工业生产系统无法依靠故障诊断和状态检测来提高系统运行的安全性。这对产品质量也带来了很大的困扰。在生产过程中还会受到其他因素的影响，如反应器内原料的温度、浓度等，这都会使所建模型存在不确定的偏差。
[0004]大数据和工业互联网时代的到来，使得以数学挖掘、机器学习技术为代表的算法研究为化工领域智能化开辟了一种新方法，指明了一种新方向。基于工业互联网平台的数据驱动的质量建模方法具有较高的灵活性和现实相关性，利用其强大的学习和表征能力，可以充分挖掘历史数据中的重要信息，对关键原料及产品质量指标建立准确的预测模型。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种基于工业互联网平台的数据驱动的质量建模方法，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]一种基于工业互联网平台的数据驱动的质量建模方法，该方法包括以下步骤：
[0009]S1、基于工业互联网平台采集不同的系统数据，并对数据进行统一汇总；
[0010]S2、对采集的数据进行数据预处理；
[0011]S3、根据工艺原理和过程特性选取辅助变量，并对辅助变量采用主成分分析法进行降维；
[0012]S4、基于数据驱动建模策略构建关键产品质量预测模型；
[0013]S5、对建立的预测模型进行偏差校正和模型参数校正。
[0014]进一步的，所述对采集的数据进行数据预处理包括以下步骤：
[0015]S201、对采集的数据进行融合并存储，得到样本数据；
[0016]S202、对所述样本数据进行异常数据剔除和滤波处理，并将数据进行归一化。
[0017]进一步的，所述对采集的数据进行融合的计算公式如下：
[0018][0019]其中，h
1q
表示业务系统在t
1q
时刻采集的数据；
[0020]h
2q
表示生产系统在t
2q
时刻采集的数据；
[0021]ε
h1
表示采集数据h
1q
的均方根误差；
[0022]ε
t1
表示时刻t
1q
的均方根误差；
[0023]ε
h2
表示采集数据h
2q
的均方根误差；
[0024]ε
t2
表示时刻t
2q
的均方根误差；
[0025]h
q
表示业务系统和生产系统在t
q
时刻采集数据融合的结果。
[0026]进一步的，所述样本数据进行异常数据剔除的采用3σ判定原则进行筛选处理，具体步骤如下；
[0027]假设样本数据中共有n个辅助变量为x，x的序列为x1,x2,
…
,x
i
,(i＝1,2,3
…
n)，并计算其平均值和标准差σ：
[0028][0029][0030]若样本中辅助变量x满足以下公式：
[0031][0032]则将其作为异常样本剔除掉，依次对样本中的其它辅助变量进行3σ判定处理，将经过筛选的样本选入建模样本集；
[0033]进一步的，所述样本数据进行滤波处理通过以下公式对样本进行平均滤波：
[0034]X(t)＝(X(t
‑
T/2)+X(t
‑
T/2+T
c
)+
…
+X(t))
[0035]…
+X(t
‑
T/2+T
c
)+X(t+T/2)/(T/T
c
)
[0036]其中，t表示采样时间；
[0037]T表示滤波时间常数；
[0038]T
c
表示采样周期。
[0039]进一步的，所述将数据进行归一化通过以下公式将样本数据归一化到[y
min
,y
max
]：
[0040]y＝[y
min
,y
max
]*(x
‑
x
min
)/(x
max
‑
x
min
)+y
min
[0041]其中，y
min
,y
max
表示归一化目标的上下界；
[0042]x
max
,x
min
表示当前变量值得上下界。
[0043]进一步的，所述主成分分析法的计算步骤如下：
[0044]1)对原始样本数据进行标准化，并构成标准化矩阵：
[0045]设m维随机向量X＝(X1，X2，
…
，X
n
)
T
为n个样本X
i
＝(X
i1
，X
i2
，
…
，X
im
)
T
,(i＝1,2,3
…
m)，T为矩阵转置的上标，构成样本矩阵，并对样本矩阵进行标准化，样本的平均值：
[0046][0047]样本方差：
[0048][0049]标准化后的数据为：
[0050][0051]其中，(i＝1,2,3
…
m；k＝1,2,3
…
n)，
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，该方法包括以下步骤：S1、基于工业互联网平台采集不同的系统数据，并对数据进行统一汇总；S2、对采集的数据进行数据预处理；S3、根据工艺原理和过程特性选取辅助变量，并对辅助变量采用主成分分析法进行降维；S4、基于数据驱动建模策略构建关键产品质量预测模型；S5、对建立的预测模型进行偏差校正和模型参数校正。2.根据权利要求1所述的一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，所述对采集的数据进行数据预处理包括以下步骤：S201、对采集的数据进行融合并存储，得到样本数据；S202、对所述样本数据进行异常数据剔除和滤波处理，并将数据进行归一化。3.根据权利要求2所述的一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，所述对采集的数据进行融合的计算公式如下：其中，h
1q
表示业务系统在t
1q
时刻采集的数据；h
2q
表示生产系统在t
2q
时刻采集的数据；ε
h1
表示采集数据h
1q
的均方根误差；ε
t1
表示时刻t
1q
的均方根误差；ε
h2
表示采集数据h
2q
的均方根误差；ε
t2
表示时刻t
2q
的均方根误差；h
q
表示业务系统和生产系统在t
q
时刻采集数据融合的结果。4.根据权利要求2所述的一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，所述样本数据进行异常数据剔除的采用3σ判定原则进行筛选处理，具体步骤如下；假设样本数据中共有n个辅助变量为x，x的序列为x1,x2,
…
,x
i
,(i＝1,2,3
…
n)，并计算其平均值和标准差σ：和标准差σ：若样本中辅助变量x满足以下公式：则将其作为异常样本剔除掉，依次对样本中的其它辅助变量进行3σ判定处理，将经过
筛选的样本选入建模样本集。5.根据权利要求2所述的一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，所述样本数据进行滤波处理通过以下公式对样本进行平均滤波：X(t)＝(X(t
‑
T/2)+X(t
‑
T/2+T
c
)+
…
+X(t))
…
+X(t
‑
T/2+T
c
)+X(t+T/2)/(T/T
c
)其中，t表示采样时间；T表示滤波时间常数；T
c
表示采样周期。6.根据权利要求2所述的一种基于工业互联网平台的数据驱动的质量建模方法，其特征在于，所述将数据进行归一化通过以下公式将样本数据归一化到[y
min
,y
max
]：y＝[y
min
,y
max
]*(x
‑
x
min
)/(x
max
‑
x
min
)+y
min
其中，y
min
,y
max
表示归...

【专利技术属性】
技术研发人员：王峰，顾毅，熊亮，张莹，郑锦泉，
申请(专利权)人：无锡雪浪数制科技有限公司，
类型：发明
国别省市：