[发明专利]一种生产过程能效跨尺度智能协同控制系统与方法有效
申请号: | 201910438073.1 | 申请日: | 2019-05-24 |
公开(公告)号: | CN110231808B | 公开(公告)日: | 2021-07-13 |
发明(设计)人: | 李洪丞;刘益通;罗蓉;冯松 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G05B19/418 | 分类号: | G05B19/418 |
代理公司: | 重庆市恒信知识产权代理有限公司 50102 | 代理人: | 刘小红;陈栋梁 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 生产过程 能效 尺度 智能 协同 控制系统 方法 | ||
本发明请求保护一种生产过程能效跨尺度智能协同控制系统与方法,由数据驱动生产过程能效建模模块、生产过程能效跨尺度动态优化模块以及生产过程能效跨尺度智能协同控制模块构成,其中数据驱动生产过程能效建模模块包括了数据预处理系统、数据分类器以及多数据模型融合器,并基于工艺加工时序,利用时序目标级联算法进行单工艺与全工艺链能耗的协同优化,最后将每个工艺单元看成一个低尺度的能耗调控体,将全工艺链系统看成一个高尺度的调控体,能耗在两个尺度上进行动态协同,协同策略采用时间粒度融合算法,从而在当前智能制造环境下,支撑制造工艺单元与制造工艺链能效的智能协同控制,智能化降低企业能耗成本与环境排放。
技术领域
本发明属于智能制造、工厂绿色制造技术领域,具体涉及生产过程中工艺单元与全工艺链能效的跨尺度智能协同控制。
背景技术
美国“清洁能源智能制造创新机构计划”、德国“工业4.0计划”、、以及欧盟的“未来工厂计划”,均将提高制造企业能源利用效率、降低能耗成本作为产业智能升级的重要目标与驱动力之一。2015年我国政府出台的《中国制造2025》,将“绿色制造”作为其重要工程之一,明确要求制造业由“资源能源消耗大、污染物排放多”的粗放模式向“绿色制造”转变。近年来,随着工业大数据、工业互联网、云计算、机器学习理论的发展,国内外也有研究开始尝试将工业大数据驱动方法应用于能源智能管理、能耗性能预测等。目前,生产过程节能优化理论的研究主要从工艺单元层与系统层两个层面展开,工艺单元层强调基于运行机理的能耗状态预测与优化,假定该工艺单元生产环境是独立的、确定的、线性的,对系统层面生产环境、约束参数变化的影响(如批量、生产订单的变化等)进行弱化;而系统层面则强调动态生产环境下能耗性能的仿真、评估与优化,系统层节能优化模型的构建则会弱化局部工艺单元能耗的行为机理及演变特征,假定工艺状态性能对系统能耗的不会产生逆向影响。能耗的精准调控要求工艺单元与全工艺链系统能耗的协同调控,基于任一层级系统能耗特征进行的调控都是局部的、不充分的,现有调控方式往往让工厂能耗的调控陷入局部最优值控制,但工厂总能耗成本依然无法改善。本发明提出一种生产过程能效跨尺度智能协同控制系统与方法,由数据驱动生产过程能效建模模块、生产过程能效跨尺度动态优化模块以及生产过程能效跨尺度智能协同控制模块构成,为工厂能效的全局精准控制提供系统工具及方法。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种解决生产过程运行过程中能效的智能化、全局化、跨尺度动态优化与控制,提高企业能效动态精益控制能力,降低生产过程运行过程能耗成本,提高生产运行质量的生产过程能效跨尺度智能协同控制系统及方法。本发明的技术方案如下:
一种生产过程能效跨尺度智能协同控制系统,其包括:数据驱动的生产过程能效建模模块(10)、生产过程能效跨尺度动态优化模块(20)以及生产过程能效跨尺度智能协同控制模块(30),所述生产过程能效建模模块(10)与生产过程能效跨尺度动态优化模块(20)相连接,所述生产过程能效跨尺度动态优化模块(20)与生产过程能效跨尺度智能协同控制模块(30)相连接,其中,所述数据驱动的生产过程能效建模模块(10)用于实现能耗数据的预处理以及构建工艺单元与全工艺链的能耗数据预测模型,生产过程能效跨尺度动态优化模块(20)用于获取工艺单元与全工艺链协同最优能效目标值,生产过程能效跨尺度智能协同控制模块(30)用于在系统中设计并开发能效跨尺度智能协同控制器;
所述数据驱动的生产过程能效建模模块(10)包括数据预处理系统(110)、数据分类器(120)以及数据驱动能耗模型融合器(130),所述数据预处理系统(110)负责将能耗数据库中数据进行包括数据异常检测与处理、数据属性选择在内的预处理,数据分类器(120)则对能耗状态数据进行分类处理,通过获得一个分类函数或分类模型,提取描述工艺单元能耗以及工艺链能耗状态数据类的模型;而数据驱动能耗模型融合器(130)则将先利用包括支持向量机、神经网络、稀疏高斯回归、稀疏响应面在内的算法建立工艺单元或工艺链的数据驱动能耗模型,然后利用熵权融合算法进行多个数据驱动模型的融合。
进一步的,所述融合过程用下式表示:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910438073.1/2.html,转载请声明来源钻瓜专利网。