申请/专利权人：大连理工大学人工智能大连研究院;大连英达士智能科技有限公司

申请日：2020-12-20

公开（公告）日：2024-05-03

公开（公告）号：CN112734166B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/0639;G06Q10/30;G06N3/126;G06F17/15

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2021.05.21#实质审查的生效;2021.04.30#公开

摘要：本发明提供了一种铜业数据鲁棒协调及显著误差检测方法，涉及信息技术领域，本发明采用真实物料盘点数据，首先根据盘点数据粗略计算各数据项的盘点数据标准差；根据铜生产企业熔炼厂的铜、硫、金、银金属量回收率；为了防止在数据协调时盘点数据中的显著误差对其他数据项的干扰，本发明建立鲁棒数据协调模型；为了能对熔炼厂物料的盘点数据实现全物料属性的快速数据协调及显著误差检测，本发明采用拉格朗日乘子转换方法，将高维度的变量空间用低维度的约束乘子空间表示。此外采用差分进化算法进行优化迭代求解。此方法所得结果显著误差检测更加准确，且协调后数据更加稳定，计算效率符合实际要求，在铜生产企业及其他生产企业中亦可推广应用。

主权项：1.一种铜业数据鲁棒协调及显著误差检测方法，其特征在于，包括如下步骤：S1：数据预处理：由生产现场SAP数据库，读取当前月份盘点数据，其中包括物料的质量及对应有价元素品位值，并计算测量值的均值和标准差，根据当月生产情况估计熔炼厂各金属元素回收率及无名损失率；S2：数据鲁棒协调建模：首先考虑工厂金属量回收率与无名损失率稳定；S21：金属元素的金属量回收率和无名损失率的表达式分别如下式12所示： 其中代表物料质量，代表物料元素的品位值，下标表示变量属性为投入或期初结存，下标表示变量属性为期末结存，下标表示变量属性为产出，下标表示物料属性为有名损失，表示元素的无名损失率约束目标，表示元素的回收率约束目标；S22：基于设计的鲁棒函数可以对金属平衡的数据协调建立如式3所示的以鲁棒函数为目标函数，由元素守恒推导得到各有价元素回收率、无名损失率稳定以及各个变量的物理上下限构成约束集合的数据协调模型： 其中，为了消除变量数量级不同对协调结果带来的影响，协调后相对残差用协调残差除以相对标准差表示； 公式如4所示： 其中，为调谐参数，为第个物料的相对标准差，，其中为对应第个物料对应的第个元素的相对标准差，和分别为无名损失率和回收率约束导出式，，，和对应物料质量的协调下限和协调上限，和为第种物料的第种品位的协调下限和协调上限；S3：高维变量的乘子降维转化：当只考虑等式约束时原模型对应的拉格朗日函数如5所示： 其中、为对应第种元素回收率约束和无名损失率约束的拉格朗日乘子；S31：对L求和联立求解可得： 其中为LambertWFunction，表示在定义域在0,+∞上的单值函数，为Welsch函数的调谐常量，该物料属性为投入或期初结存时，，当物料属性为期末结存时，；当物料属性为产出时，；当物料属性为有名损失时，；S32：根据盘点的历史数据以及多次测量的结果以及生产车间的物理限制，可以得到各协调变量的协调上下限，为了进一步减少乘子空间的维数，在协调过程中对各变量做分段处理，从式6可以看出对于每组乘子均可求解出唯一确定的一组变量及，且仅同一物料的数量及元素品位间存在耦合关系；在考虑变量上下限情况下，先预估各变量在仅考虑变量上下限限制下的变动范围：根据的正负情况可以将变量的预估区间与变量设定区间做以下三种状态分类：状态①：若该范围完全超出该变量上下限约束范围，其未经上下限约束的解一定落在上下限范围外，则根据符号直接取该变量，若＜0取变量为其上限或若＞0取变量为其下限；状态②：若该范围完全包含在该变量上下限范围内，则在求解过程中无需关注其上下限，其解一定落在上下限范围内；状态③：若该范围与上下限范围相交，不存在包含关系，则进行标记，求解过程中仍需关注其变量上下限限制；预估后进行求解，对于上述状态①的变量直接固定至上限或下限，状态②、③的变量先不进行上下限约束，求解后若该组变量均在上下限范围内，则无需进行下一步操作直接得出解；若有变量超出上下限范围限制，则执行下一步对解的搜索操作，搜索范围按照变量的情况分为以下三种情况：1变量固定至上限，则变量间解除耦合关系，可根据预估状态直接进行求解，其中状态③的变量若超出上限或下限限制，则拉回至上限或下限；2变量固定至下限，则变量间解除耦合关系，可根据预估状态直接进行求解，其中状态③的变量若超出上限或下限限制，则拉回至上限或下限；3变量未触及上下限，则变量间仍存在耦合关系，每个均存在两种情况触及上下限、未触及上下限，其中状态③的变量若超出上限或下限限制，则拉回至上限或下限；S4：长期配料计划全局优化：初始化种群为[P1,P2…Ppsize]，其中每一个个体P包含一组Lagrange乘子变量，psize为种群大小，定义其种群密度为式8所示，种群的密度阈值TI，连续无收敛轮次阈值TNC以及适应度函数阈值TF，在进行求解搜索时DE的适应度函数如式9，算法的变异过程如公式10，交叉过程如式11，选择过程如式12所示： 其中，为种群中除变异个体外随机选择的两个不同个体，为产生的新个体，为最大迭代次数，为当前迭代次数为在区间[0,2]的进化因子； 其中为交叉概率，为[1,...,psize]的随机整数，为第个染色体经过交叉后的第个基因，为第个变异后染色体的第个基因； 以下为采用DE方法结合乘子转换技术的对鲁棒数据协调模型的求解步骤：S41：初始化整体规划向量种群，其中每一个个体都包含一组拉格朗日乘子，为种群规模；S42：采用公式10进行个体变异操作：S43：采用公式11进行交叉操作：S44：经过上述过程得到繁衍后的新种群，并计算对应的适应度函数9；S45：将新旧两个种群混合并采用贪婪取优的方式保留配料方案总时长较长的前个个体，组成新种群，并将最优个体标记为；S46：采用公式8计算种群密度，如果密度小于预置的TF，则保留并重新初始化剩余种群个体；S47：若算法未达到最大迭代次数，则回到步骤:S42；否则返回最优个体及其对应的数据协调值；S5：显著误差检测：计算数据协调的相对残差，并判断残差与Welsch调谐参数的关系，如果则标记为显著误差。

全文数据：

权利要求：

百度查询： 大连理工大学人工智能大连研究院;大连英达士智能科技有限公司 一种铜业数据鲁棒协调及显著误差检测方法

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