[发明专利]一种流程工业过程工艺参数的确定方法

说明书

 

技术领域

本发明涉及一种基于数据驱动的流程工业过程工艺参数的确定方法。

背景技术

流程工业生产过程普遍具有多变量、非线性、强耦合等特点，产品质量随生产条件变化而变化，如受到原料成分、运行工况、设备状态等多种不确定因素的干扰，且运行过程往往具有动态特性，难以用机理模型来准确描述。同时，由于其生产工艺过程非常复杂，国内流程工业生产的产品质量与国外同类产品相比存在较大差距，主要表现为产品质量不稳定、寿命低、废品率高等。

产品质量的控制归根结底还是工艺参数的设定问题，即根据产品的质量指标逆推工艺参数。

当前，国内各大流程工业生产过程中，工艺参数的调整主要靠人工经验，采用穷举试凑的方法进行参数设定，当工况变化频繁时，仅依靠人工经验难于及时准确地调整工艺参数，造成产品质量得不到有效的控制，浪费严重，且易出现废品。

采用一种合理的方法来优化过程工艺参数并进行设定，是解决产品质量合理控制的关键问题所在。

流程工业在长期的生产过程中会积累了大量的生产数据，目前，大量的新型仪表、网络化仪表和传感技术在工业生产中的广泛应用，获取了大量实际生产过程中的实时数据，这些数据蕴含了生产过程中的各种规律，可以利用数据驱动技术，从大量的数据中获取工艺参数与产品质量之间的定量关系，进而实现系统的预报、监控、诊断和优化等各种期望功能。

发明内容

本发明需要解决的技术问题就在于克服现有技术的缺陷，提供一种基于数据驱动的流程工业过程工艺参数的确定方法，它能够有效地提高生产产品合格率，降低生产成本。

为解决上述问题，本发明采用如下技术方案：

本发明提供了一种基于数据驱动的流程工业过程工艺参数的确定方法，所述方法包括下列步骤：

1）质量建模：根据实际生产过程中采集的生产数据，以过程工艺参数为输入、产品质量为输出建立质量模型；

2）规则抽取：根据实际生产过程中采集的生产数据，利用规则抽取的方法从数据中提取输入与输出之间的对应规则，形成规则库；

3）工艺参数优化：利用优化方法根据给定的质量指标，找到给定质量指标对应的规则，并在规则范围内初始化过程工艺参数，将初始化的参数作为质量模型的输入，预测产品质量，计算与质量指标的误差，根据误差，利用优化方法对工艺参数进行修正，在修正过程中以规则作为约束条件，保证修正后的参数仍然在规则范围内，通过优化修正，找到一组最优的参数，使模型的预测值和质量指标的误差最小。

所述质量建模采用神经网络、支持向量机、最小二乘、片最小二乘、核偏最小二乘、或核岭回归方法。

所述规则抽取采用决策树、神经网络规则抽取、或支持向量机规则抽取方法。

工艺参数优化采用粒子群优化、蚁群优化、鱼群优化、遗传算法、或免疫算法。

本发明的优点在于: 本发明采用数据驱动技术，采用优化方法，寻优速度快，操作简单；使产品的质量指标快速处于目标值范围内的最佳位置。 

每次寻优得到的结果可以利用质量模型对产品质量进行离线预测，避免了人工每调整一次参数都需在线验证，以致造成大量的废品；而且，在优化过程中，利用规则对参数进行了约束，确保了寻优得到的参数符合生产实际。本发明可以用计算机语言编成可视化软件，只需在软件界面上给定质量指标，便很快可以得到所需要的过程工艺参数值，使得过程工艺参数的优化确定更加方便和快捷。

本发明适用范围广，可推广到煤化工、石化、冶金等流程工业中，解决了生产过程中工艺参数设定的经验性和尝试性问题，不仅节能降耗，且对稳定产品质量，提高生产效率具有重要意义。

附图说明

图1为本发明技术路线图。

图2为神经网络质量模型预测仿真结果图。

图3 为决策树图。

图4为BP神经网络结构图。

图5为决策树结构图。

图6为粒子移动原理图。

具体实施方式

实施例1    基于数据驱动的流程工业过程工艺参数的确定方法

技术路线图如图1所示，具体步骤为：

第 1 步，建立质量模型提取方法：首先对已有的生产数据进行归一化处理，消除不同量纲的影响，利用生产过程中提取的数据建立质量模型，并利用规则抽取的方法提取工艺参数与质量指标之间的规则知识，形成规则库；