[发明专利]一种基于SVDD和Agent的精馏过程质量监控业务自适应演化方法

说明书

本发明公开了一种基于SVDD和Agent的精馏过程质量监控自适应演化方法，可用于精馏过程制造业务改变引起的精馏过程质量监控系统软件的更新调节，解决由于制造业务变化引发的自适应演化问题。本发明将精馏过程质量监控的软件系统内各功能模块包装成Agent，结合Agent具有的自治、环境感知、主动等诸多特性，通过读取ECA演化规则动态更新Agent内部参数，克服了已有精馏过程质量监控系统不具备自学习能力和难以自主应对复杂智能制造业务演化的缺点。本发明采用SVDD模型算法实时地监控精馏过程产品质量，可有效解决实际精馏过程在非高斯和非线性质量数据下的监控问题。

技术领域

本发明属于流程工业智能制造质量管控技术和计算机技术领域，特别提供一种基于SVDD和Agent的精馏过程质量监控业务自适应演化方法。

背景技术

精馏是流程工业上应用最广泛的分离操作单元，在化工分离过程中占据举足轻重的地位。一些学者提出了T²、P等传统控制图对精馏过程质量进行监控，这些控制图需假设精馏过程质量数据满足高斯分布特性。然而实际的精馏过程质量数据具有非高斯和非线性的特性，导致传统控制图的监控效果不好，虚发警报增多，进而影响精馏生产过程。随着人工智能(Artificial Intelligence，AI)技术的迅猛发展，许多机器学习(MachineLearning)算法被应用到质量监控系统中实时监控产品质量。其中，支持向量数据描述(Support Vector Data Description，SVDD)算法是一种在支持向量机的基础上发展起来的无监督学习算法，具有泛化性好以及更少的过拟合等优点。将其用于精馏过程质量监控系统具有良好的监控性能，且不要求精馏数据满足高斯分布特性。但是，当精馏过程的制造业务发生改变时，正在运行的精馏过程质量监控软件系统的SVDD模型在功能和性能上无法适应业务变化后的精馏产品质量管控要求，往往需要现场工作人员花费大量时间停机更新SVDD模型，增加了企业的生产成本和管理费用，难以满足智能制造过程的业务自适应演化需求。

发明内容

本发明的目的在于提供一种基于SVDD和Agent的精馏过程质量监控自适应演化方法。该方法采用SVDD算法及时监测精馏过程异常数据，有效解决实际精馏过程数据非高斯和非线性的监控问题。还实现了面向精馏过程制造业务变化的自适应演化，将基于SVDD的实时监控功能包装成Agent，结合Agent自治、环境感知、主动等一系列特性，通过ECA演化规则动态更新Agent内部参数，满足制造业务演化需求。

本发明技术方案如下：

(1)为实现精馏过程质量监控业务自适应演化，精馏过程质量监控软件系统应包括前端和后端两个部分。所述前端负责精馏产品质量信息的输入和数据的可视化，包含精馏产品DisID和产品质量分数Znm输入框、“确定”按钮及仪表图等可视化模型。所述后端负责获取现场传感器采集的实时精馏过程质量数据、找到关键质量指标的目标值、离线训练质量监控模型和实时监控精馏过程产品质量，包含精馏数据库和演化规则库。所述监控模型采用SVDD的方法训练得到。所述精馏数据库事先集成大量离线精馏数据集和汽液平衡数据，这些数据均关联在精馏产品DisID参数下。所述演化规则库事先存储应对不同制造业务变化的ECA演化规则。所述事件以字典的形式存储在事件队列中。

将所述获取现场传感器采集的实时精馏过程质量数据和找到关键质量指标目标值的功能包装成Agent，并命名为数据源Agent(DataAgent)。数据源Agent包括解析单元、运行单元和输出单元：

1)解析单元负责接收现场传感器采集的实时精馏过程质量数据和前端的精馏产品质量信息。所述精馏过程质量数据包括精馏塔塔顶温度、塔底温度、塔顶压力、上升蒸汽流量、塔底液位、回流罐液位、回流量、塔底采出流量和塔顶采出流量等。所述精馏产品质量信息包括精馏产品DisID和产品质量分数Znm参数值。

2)运行单元执行功能如下：