[发明专利]一种设备运行参数调整方法及系统

权利要求书

1.一种设备运行参数调整方法，其特征在于，包括：

获取有机酸生产过程中的N种变量，所述N种变量用于表征有机酸生产设备的运行参数；

获取所述N种变量中与有机酸收率相关性大于预设值的M种变量；

将所述M种变量对应的多组变量值输入至预训练的收率预测模型中以获取每组变量值对应的收率预测值，其中，每组变量值对应一个收率预测值，所述收率预测值为校正催化剂活性后的预测值；

根据所述收率预测值的最大值所对应的同一组变量值对有机酸生产过程中的设备运行参数进行调整。

2.如权利要求1所述的方法，其特征在于，所述获取所述N种变量中与有机酸收率相关性大于预设值的M种变量，包括：

计算N种变量中每种变量与有机酸收率的相关性；

将所述N种变量中与有机酸收率相关性小于预设值的变量进行剔除，以得到与有机酸收率相关性大于预设值的M种变量。

3.如权利要求2所述的方法，其特征在于，所述计算N种变量中每种变量与有机酸收率的相关性，包括：

根据以下公式计算每种变量与有机酸收率的最大信息数：

其中，X为有机酸收率；Y为N种变量中的任意一种变量；MIC[X；Y]为X和Y的最大信息数；I[X；Y]为X和Y的互信息值；

确定所述每种变量与有机酸收率的最大信息数为每种变量与有机酸收率的相关性。

4.如权利要求3所述的方法，其特征在于，所述X和Y的互信息值根据以下方式确定：

根据以下公式获取X和Y的互信息值：

其中，p(x，y)为变量x，y之间的联合概率；p(X)、p(Y)分别为变量x、y的概率；p(X,Y)等于p(X)和p(Y)的乘积；B的大小设置为变量取值个数的1.3次方。

5.如权利要求1所述的方法，其特征在于，所述收率预测模型根据以下方式创建：

生成与有机酸收率相关性大于预设值的M种变量对应的数据集；

依据设备运行负荷对所述M种变量对应的数据集划分为多个子数据集；

将划分后的每一个子数据集分配一个支持向量机，以得到每个数据集的深度学习模型；

确定每个数据集的深度学习模型为所述收率预测模型。

6.如权利要求1所述的方法，其特征在于，所述收率预测模型根据以下方式训练：

以每个支持向量机的样本值与模型预测值的损失函数为指标优化支持向量机的不敏感系数g和惩罚参数C，实现对所述收率预测模型的参数优化；

对参数优化后的收率预测模型进行催化剂活性校正。

7.如权利要求6所述的方法，其特征在于，所述以每个支持向量机的样本值与模型预测值的损失函数为指标优化支持向量机的不敏感系数g和惩罚参数C，包括：

创建所述每个支持向量机的样本值与模型预测值的损失函数如下：

其中，f(x_i)为模型输出，y_i为真实输出；w、b分别为支持向量机在样本空间划分超平面时的模型参数，L_ε为核宽度函数；

根据网格搜索法进行调优，以确定使得损失函数最小时不敏感系数g和惩罚参数C的取值；

将损失函数最小时敏感系数g和惩罚参数C的取值作为优化后的敏感系数g和惩罚参数C。

8.如权利要求7所述的方法，其特征在于，所述核宽度函数L_ε根据以下公式确定：

其中，ε为核宽度；y_i为真实输出；f(x_i)为模型输出。

9.如权利要求6所述的方法，其特征在于，所述对参数优化后的收率预测模型进行催化剂活性校正，包括：

建立催化剂总活性的时间序列模型；

根据催化剂总活性的时间序列模型计算催化剂活性校正量；

根据所述催化剂活性校正量对收率预测模型进行催化剂活性校正。

10.一种设备运行参数调整系统，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现如权利要求1-9任一项所述的设备运行参数调整方法。