[发明专利]一种基于残差网络的控制回路阀门粘滞检测方法在审
申请号: | 202010696803.0 | 申请日: | 2020-07-20 |
公开(公告)号: | CN111783252A | 公开(公告)日: | 2020-10-16 |
发明(设计)人: | 王焕明;屠海彪;方国跃;谢昊旻;赵春晖;刘梦杰 | 申请(专利权)人: | 浙江浙能台州第二发电有限责任公司;浙江大学 |
主分类号: | G06F30/17 | 分类号: | G06F30/17;G06F30/27;G06N3/04;G06F119/10 |
代理公司: | 浙江永鼎律师事务所 33233 | 代理人: | 陆永强 |
地址: | 317109 浙江*** | 国省代码: | 浙江;33 |
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 基于 网络 控制 回路 阀门 检测 方法 | ||
1.一种基于残差网络的控制回路阀门粘滞检测方法,其特征在于,包括以下步骤:
S1.通过数据集构建和模型训练得到用于阀门粘滞检测的网络模型;
S2.将一段时间内待测回路的控制器输出和被控变量输入所述网络模型中并得到网络输出结果;
S3.根据所述网络输出结果判断相应时间段内阀门是否存在粘滞问题。
2.根据权利要求1所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,步骤S2具体包括:
S21.获取一段时间内待测回路的控制器输出和被控变量数据;
S22.将步骤S21中得到的数据按照每个样本包含n个时间点的数据进行分段;
S23.将分段数据进行向量归一化及合并处理以得到多个二维矩阵;
S24.将得到的二维矩阵输入到网络模型中以得到网络输出结果。
3.根据权利要求2所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S1中,数据集构建步骤包括:
S11.构建用于生成仿真数据的单输入单输出控制回路仿真模型;
S12.建立阀门粘滞模型,且所述阀门粘滞模型包含有能够改变仿真的阀门粘滞严重程度的粘滞参数;
S13.将步骤S12中建立的阀门粘滞模型加入到步骤S11中的仿真模型中以构建阀门粘滞回路仿真模型;
S14.使用步骤S13中的阀门粘滞回路仿真模型对控制回路中包括存在不同程度粘滞问题的多种情况进行仿真,并保存运行过程中的控制器输出和被控变量以作为仿真数据;
S15.将每次仿真运行时存储的控制器输出和被控变量分别划分为多个元素个数为n的向量;
S16.将一条回路运行时同一时间段内产生的两个向量分别经过Min-Max归一化处理后再合并为一个二维矩阵;
S17.将回路阀门处于非粘滞状态时生成的仿真数据的标签设置为[1,0],将回路阀门处于粘滞状态时生成的仿真数据的标签设置为[0,1];
S18.将所有仿真数据经过步骤S16处理后得到的二维矩阵和每个二维矩阵对应的标签同时打乱后得到阀门粘滞检测数据集。
4.根据权利要求3所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S11中,使用matlab软件中的simulink仿真模块构建一条包含阶跃输入、PID控制器、被控对象、随机噪声以及外部扰动的单输入单输出控制回路用于后续仿真数据的生成。
5.根据权利要求4所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S1中,模型训练步骤包括:
S19.构建用于阀门粘滞检测的残差网络,且所述的残差网络包括残差块、全局平均池化层、全连接层和激活函数层四个部分,对于输入的训练数据,所述残差网络的输出结果为向量[y0,y1];
S20.使用步骤S18得到的阀门粘滞检测数据集作为训练数据,以残差网络的输出结果和训练数据的标签的交叉熵作为残差网络的损失函数,并使用Adam优化算法对残差网络进行训练,训练完成后得到所述网络模型。
6.根据权利要求5所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S3中,网络输出结果为向量[y0,y1],且当y0>y1时,判断为相应时间段内回路的阀门不存在粘滞问题,否则,判断为存在粘滞问题。
7.根据权利要求6所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S13中,阀门粘滞模型的输入为PID控制器的输出,阀门粘滞模型的输出为被控对象的输入。
8.根据权利要求7所述的基于残差网络的控制回路阀门粘滞检测方法,其特征在于,在步骤S14中,对控制回路中控制器参数变化、回路受不同大小的外部扰动影响和回路阀门存在不同程度的粘滞问题这三类情况进行仿真。
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浙江浙能台州第二发电有限责任公司;浙江大学,未经浙江浙能台州第二发电有限责任公司;浙江大学许可,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/202010696803.0/1.html,转载请声明来源钻瓜专利网。