System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于人工智能的碳酸锂生产参数控制方法及系统技术方案_技高网

基于人工智能的碳酸锂生产参数控制方法及系统技术方案

技术编号:42307323 阅读:9 留言:0更新日期:2024-08-14 15:53
本发明专利技术涉及生产参数控制技术领域,具体涉及基于人工智能的碳酸锂生产参数控制方法及系统,其方法包括:以生产参数为可观状态,产品质量值为隐含状态构建隐马尔可夫模型,隐马尔可夫模型的参数包括隐含状态转移概率矩阵;利用前向算法计算预设生产参数序列的合格概率,以合格概率的最大值作为动态生产参数序列,并对所述动态生产参数序列进行实时调整。即本发明专利技术基于第一合格概率和第二合格概率实时调整动态生产参数序列,然后根据调整后的动态生产参数序列进行生产,改善了当前环节的生产质量,提高了最终产品的合格概率。

【技术实现步骤摘要】

本专利技术一般地涉及生产参数控制。更具体地,本专利技术涉及基于人工智能的碳酸锂生产参数控制方法及系统


技术介绍

1、碳酸锂是一种重要的材料,广泛应用于电池、玻璃、陶瓷等领域。在碳酸锂生产过程中,生产参数对产品质量和生产效率有着重要的影响。碳酸锂的生产过程一般包括焙浸工段、碳酸锂生产工段和无水氯化锂工段,在无水氯化锂工段中完成液与氯化钙溶液进行复分解反应,反应结束后分离后得到氯化锂稀溶液,依次加入β型-活性三氧化二铝、碳酸钠和氢氧化钠溶液,去除氯化锂稀溶液中的硫酸根离子、钙离子、镁离子等杂质,再经蒸发浓缩将氯化锂浓度提高到400~500g/l后,进行冷却过滤,分离出固体氯化钠,得到氯化锂浓溶液。

2、在对氯化锂稀溶液进行除杂工程中,需要在一定的温度范围内进行,较佳的温度能够促进杂质快速沉淀,减少除杂所需的时间,不同的杂质在得到充分沉淀时所需的温度和时间也不相同,因此需要控制除杂时各个生产环节的溶液温度和持续时间以使杂质能够快速充分地得到沉淀。

3、公告号为cn105867325b,专利技术名称为“一种滤棒生产工艺参数控制系统及其控制方法”的专利申请文件,公开了该系统由滤棒在线检测仪qtm、物理指标采集装置、滤棒成型机电控系统、工艺参数采集装置、应用服务器、实时历史数据库、关系数据库、数据分析服务器、数据展示客户端、工艺参数控制服务器和工业以太网组成。

4、然而,上述方案是直接对采集的数据进行分析,然后对参数进行调整,但是调整后的参数对下一道工序起作用,无法实时调节参数改变本道工序的生产质量。</p>

技术实现思路

1、为解决上述技术问题,本专利技术提出基于人工智能的碳酸锂生产参数控制方法及系统,用于解决现有技术中无法实时调节参数改变工序的生产质量的问题。为此,本专利技术在如下的两个方面中提供方案。

2、在第一方面中,本专利技术提供的基于人工智能的碳酸锂生产参数控制方法,包括以下步骤:

3、以生产参数为可观状态,产品质量值为隐含状态构建隐马尔可夫模型,隐马尔可夫模型的参数包括隐含状态转移概率矩阵;

4、利用前向算法计算多个预设生产参数序列的合格概率,以合格概率值最大的生产参数序列作为动态生产参数序列,动态生产参数序列包括各个生产环节的生产参数;

5、利用前向算法计算各生产环节中相应的产品质量值,以及动态生产参数序列对应的第一合格概率;

6、将动态生产参数序列中当前生产环节的产品质量值和隐含状态转移概率矩阵之积作为第二合格概率;

7、响应于当前生产环节对应的第二合格概率大于第一合格概率,改变剩余其它生产环节的生产参数;继续计算下一生产环节的第二合格概率,根据第二合格概率和第一合格概率的大小调节剩余其他生产环节的生产参数,直至获得最佳生产参数序列。

8、其效果在于,构建隐马尔可夫模型,利用前向算法计算出生产质量最优的动态生产参数序列,在不同的生产环节计算出第一合格概率和第二合格概率,基于第一合格概率和第二合格概率实时调整动态生产参数序列,然后根据调整后的动态生产参数序列进行生产,改善了本道工序的生产质量,提高了最终产品的合格概率。

9、在一个实施例中,动态生产参数序列的表达式为:

10、

11、式中,表示在碳酸锂生产中动态生产参数序列,表示碳酸锂生产中各个生产环节的生产参数值,n表示共有n个生产环节,表示最终的碳酸锂质量满足要求,表示隐马尔可夫模型的参数值,表示最大合格概率值对应的生产参数序列。

12、其效果在于,将概率值最大的生产参数序列作为动态生产参数序列,为碳酸锂的生产提供了最佳的初始生产参数,进一步提高了碳酸锂的生产质量。

13、在一个实施例中,所述各生产环节中相应的产品质量值的计算公式为:

14、

15、式中,表示在第t个生产环节相应产品的质量值,表示第1个生产环节到第t个生产环节的生产参数序列,表示隐马尔可夫模型的参数值。

16、其效果在于,计算各个生产环节后的相应产品的质量值,便于实时监测中间产品的质量,为实时调整动态生产参数提供依据。

17、在一个实施例中,所述第二合格概率的计算公式为:

18、

19、其中,表示在第t个生产环节产品的质量值,表示隐马尔可夫模型中隐状态的转移矩阵,表示碳酸锂生产环节的总数。

20、其效果在于,通过上述公式能够准确计算出第二合格概率,提高了第二合格概率的准确度。

21、在一个实施例中,剩余其它生产环节的生产参数的表达式为:

22、

23、其中,表示剩余其它各生产环节改变后的生产参数序列,表示需要改变的第t+1个生产环节的参数到第n个生产环节的参数值,表示最终的碳酸锂质量满足要求,表示隐马尔可夫模型中以第t个时刻的隐状态为初始隐状态的隐马尔可夫模型参数,表示最大合格概率值对应的剩余其它生产参数序列。

24、其效果在于,根据公式实时对剩余生产环节的参数进行调整,使得最终产品的合格概率达到最大化。

25、在一个实施例中,所述隐马尔可夫模型的参数还包括观测状态转移概率矩阵。

26、在一个实施例中,在构建隐马尔可夫模型之后还包括对隐马尔可夫进行训练,训练方法为:

27、s31、随机初始化隐含状态转移概率矩阵、发射概率矩阵和初始状态概率分布;

28、s32、在当前生产参数序列下,使用前向-后向算法计算每个生产环节隐含状态出现的状态概率;

29、s33、利用计算得到的状态概率更新模型参数;

30、s34、重复执行s32和s33,直到模型参数收敛或达到最大迭代次数。

31、在第二方面中,本专利技术还提供了基于人工智能的碳酸锂生产参数控制系统,包括:

32、处理器;

33、存储器,其存储有基于人工智能的碳酸锂生产参数控制的计算机指令,当所述计算机指令由所述处理器运行时,使得系统执行上述的基于人工智能的碳酸锂生产参数控制方法。

34、本专利技术的有益效果为:利用前向算法找出合格概率最大的动态参数序列,按照动态参数序列进行生产加工,同时,在生产过程中实时检测中间产品的质量,并对剩余生产环节的参数进行调整,增加了相应生产环节产品质量合格的概率。

本文档来自技高网...

【技术保护点】

1.基于人工智能的碳酸锂生产参数控制方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,动态生产参数序列的表达式为:

3.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,所述各生产环节中相应的产品质量值的计算公式为:

4.根据权利要求3所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,所述第二合格概率的计算公式为:

5.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,剩余其它生产环节的生产参数的表达式为:

6.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,所述隐马尔可夫模型的参数还包括观测状态转移概率矩阵。

7.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,在构建隐马尔可夫模型之后还包括对隐马尔可夫进行训练,训练方法为:

8.基于碳酸锂的物料配比控制系统,其特征在于,包括:

【技术特征摘要】

1.基于人工智能的碳酸锂生产参数控制方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,动态生产参数序列的表达式为:

3.根据权利要求1所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,所述各生产环节中相应的产品质量值的计算公式为:

4.根据权利要求3所述的基于人工智能的碳酸锂生产参数控制方法,其特征在于,所述第二合格概率的计算公式为:

5.根据权...

【专利技术属性】
技术研发人员:颜廷利康如金朱磊肖莉莉王成长
申请(专利权)人:山东瑞福锂业有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1