[发明专利]一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统

权利要求书

1.一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，包括数据采集平台和智能控制模型，其中：

所述数据采集平台包括数据采集模块和烘丝筒具象化模型，所述数据采集模块实时采集烘丝筒运行数据、产品工艺质量数据、产品信息、质量检测数据、工艺规范要求以及设备校正数据，并根据采集数据实时更新烘丝筒具象化模型；

所述智能控制模型包括数据预处理模块、智能控制算法网络和仿真虚拟环境模块，所述数据预处理模块从所述烘丝筒具象化模型获取数据并对数据进行预处理后输入所述智能控制算法网络；所述智能控制算法网络根据预处理的数据生成设备控制状态并发送至所述仿真虚拟环境模块；所述仿真虚拟环境模块根据从所述烘丝筒具象化模型直接获取的数据进行仿真模拟，获得下一时刻的设备控制状态并反馈给智能控制算法网络；所述智能控制算法网络在需要进行工艺参数调整时，根据设备控制状态生成设备控制指令并经所述数据采集平台发送至烘丝筒的主控PLC以控制烘丝筒的运行参数调整；

所述智能控制算法网络包括：

决策控制模块，其由全连接神经网络组成，用于根据预处理后的实时烘丝筒运行数据生成当前时刻的状态空间矩阵，并发送至所述仿真虚拟环境模块，还用于根据从记忆模块获取的一系列空间状态矩阵，预测输出动作矩阵，动作矩阵中包含工艺参数调整时间和调整量，并将动作矩阵输出至所述数据采集平台；

记忆模块，其用于保存所述仿真虚拟环境模块发送的下一时刻的状态空间矩阵。

2.如权利要求1所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，所述数据采集模块从烘丝筒的主控PLC上实时采集烘丝筒运行数据和产品工艺质量数据；

所述数据采集模块从烘丝筒对应的业务管理系统中实时采集产品信息、质量检测数据、工艺规范要求以及设备校正数据。

3.如权利要求1所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，所述烘丝筒具象化模型是根据采集数据构建得到，包含实时采集的烘丝筒运行数据、产品工艺质量数据、产品信息、质量检测数据、工艺规范要求以及设备校正数据，根据采集数据的实时变化反应烘丝筒实时运行状态。

4.如权利要求1所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，所述数据预处理模块对获取数据依次进行数据剔除、数据清洗、数据标定处理。

5.如权利要求1所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，所述仿真虚拟环境模块包括：

构建模块，用于根据从所述烘丝筒具象化模型直接获取的入口烟丝水分、入口烟丝流量、SIROX水分增量、冷却水分设定值、脱水量设定值、CK干燥因子以及KLD一次减压后蒸汽压力这7种特征数据构建环境特征矩阵；

记忆模块，用于缓存环境特征矩阵和当前时刻的状态空间矩阵；

仿真模块，用于根据所述环境特征矩阵和从所述智能控制算法网络获取的当前时刻的状态空间矩阵进行虚拟环境建模，生成下一时刻的状态空间矩阵并发送至所述智能控制算法网络。

6.如权利要求5所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，在构建环境特征矩阵时，对于可控的数据，直接用来构建环境特征矩阵；对于不可控的数据，先对不可控的数据进行联合概率分布统计后，再构建环境特征矩阵。

7.如权利要求5所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，仿真模块中，利用T时刻的状态空间矩阵和构建的环境特征矩阵作为输入，利用训练好的神经网络模型对输入的状态空间矩阵和环境特征矩阵进行运算，以获得T+1时刻的状态空间矩阵，该T+1时刻的状态空间矩阵在原有T时刻状态空间矩阵的基础上，增加了蒸汽薄膜阀开度、冷却水分。

8.如权利要求5所述的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，其特征在于，状态空间矩阵和环境特征矩阵在输入至训练好的神经网络模型前，还需要进行扰动修正处理，即增加扰动稳态误差来修正状态空间矩阵和环境特征矩阵。