申请/专利权人：中南大学

申请日：2022-07-06

公开（公告）日：2024-04-16

公开（公告）号：CN115202190B

主分类号：G05B11/42

分类号：G05B11/42

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.11.04#实质审查的生效;2022.10.18#公开

摘要：本发明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。

主权项：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，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，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，根据评估值的分布特点，选择将评估值划分为几个类别，一般划分为最优控制类，次优控制类；S5：控制框架设计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：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；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；②在获取控制规则之后，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。

全文数据：

权利要求：

百度查询： 中南大学 一种基于工艺指标调节潜质的工况划分和识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD