【技术实现步骤摘要】
一种氧化铝生产指标的云-边协同预报系统及方法
本专利技术涉及工业云计算与边缘端协同预报
,尤其涉及一种氧化铝生产指标的云-边协同预报系统及方法。
技术介绍
由于氧化铝生产全流程工艺复杂,涉及各个工序与大量生产数据,由于安全等原因,企业不允许工作人员在工业现场随意进行变量与指标等数据的获取、修改、验证与测试,因此对于提高产品质量以及降低能耗等要求相对困难,并且现有的氧化铝生产指标预报过程主要是通过将传感器等采集到的工业过程数据与实验室化验分析数据进行单独处理,人为将处理后的结果进行再次处理以保证数据维度等的一致,并以此数据进行模型训练,但这个过程难以满足预报过程的实时性要求,因此无法向工作人员进行实时反馈,工作人员无法对产品变量等进行实时性调整。所以非常需要建立一个高效、便捷的预报系统,以便更好的对氧化铝生产过程的生产指标进行预报。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足,提供一种氧化铝生产指标的云-边协同预报系统及方法,实现对氧化铝生产过程生产指标进行预报。为解决上述技术问题,本专利技术所采取的技术方案是:一方面,本专利技术提供一种氧化铝生产指标的云-边协同预报系统,包括数据采集装置、硬件平台和设置在硬件平台上的软件系统;所述数据采集装置用于采集氧化铝生产过程的全流程实际数据,并将采集到的数据以固定时间间隔传输给云端服务器和边缘端的氧化铝生产指标预报计算机上;所述硬件平台包括云端模型训练服务器与边缘端的氧化铝生产指标预报计算机;所述软件系统包括设置在云端模型训练服务器的软件和设置在边缘端的氧化铝生产指标预报计算机的软件;所述设置 ...
【技术保护点】
1.一种氧化铝生产指标的云‑边协同预报系统,其特征在于:包括数据采集装置、硬件平台和设置在硬件平台上的软件系统;所述数据采集装置用于采集氧化铝生产过程的全流程实际数据,并将采集到的数据以固定时间间隔传输给云端服务器和边缘端的氧化铝生产指标预报计算机上;所述硬件平台包括云端模型训练服务器与边缘端的氧化铝生产指标预报计算机;所述软件系统包括设置在云端模型训练服务器的软件和设置在边缘端的氧化铝生产指标预报计算机的软件;所述设置在云端模型训练服务器的软件实现对氧化铝生产指标预报算法的选择管理,并将通过数据采集装置采集到的氧化铝生产过程的全流程实际数据对氧化铝生产指标预报模型进行训练、评估,并将采集到的数据运用到生产指标预报模型中,将模型预报结果与实际生产指标数据进行大数据分析,进而对预报模型参数进行校正;所述设置在边缘端的氧化铝生产指标预报计算机的软件能够实现从云端模型训练服务器导入云端预报模型训练服务器校正后的预报模型参数,或者直接进行校正参数的远程更新,进而将数据采集装置采集到的氧化铝生产过程的全流程实际数据传入边缘端,在边缘端使用训练好的预报模型针对不同生产过程对氧化铝生产指标进行预报。
【技术特征摘要】
1.一种氧化铝生产指标的云-边协同预报系统,其特征在于:包括数据采集装置、硬件平台和设置在硬件平台上的软件系统;所述数据采集装置用于采集氧化铝生产过程的全流程实际数据,并将采集到的数据以固定时间间隔传输给云端服务器和边缘端的氧化铝生产指标预报计算机上;所述硬件平台包括云端模型训练服务器与边缘端的氧化铝生产指标预报计算机;所述软件系统包括设置在云端模型训练服务器的软件和设置在边缘端的氧化铝生产指标预报计算机的软件;所述设置在云端模型训练服务器的软件实现对氧化铝生产指标预报算法的选择管理,并将通过数据采集装置采集到的氧化铝生产过程的全流程实际数据对氧化铝生产指标预报模型进行训练、评估,并将采集到的数据运用到生产指标预报模型中,将模型预报结果与实际生产指标数据进行大数据分析,进而对预报模型参数进行校正;所述设置在边缘端的氧化铝生产指标预报计算机的软件能够实现从云端模型训练服务器导入云端预报模型训练服务器校正后的预报模型参数,或者直接进行校正参数的远程更新,进而将数据采集装置采集到的氧化铝生产过程的全流程实际数据传入边缘端,在边缘端使用训练好的预报模型针对不同生产过程对氧化铝生产指标进行预报。2.根据权利要求1所述的一种氧化铝生产指标的云-边协同预报系统,其特征在于:所述设置在云端模型训练服务器的软件包括预报模型训练方案管理单元、算法与模型库管理单元、大数据分析单元、模型训练单元、预报模型参数校正单元、预报模型分析单元和模型校正参数下载单元;所述预报模型训练方案管理单元用于管理训练预报模型时使用的训练样本数据和存储模型参数,以便在分析预报模型性能时进行对比;所述算法与模型库管理单元用于管理得到的氧化铝生产指标预报模型及模型训练过程所采用的预报算法和系统内置的常用数据处理算法,并提供预报算法的新建、更新与删除功能;所述模型训练单元用于根据一定时间内数据采集装置采集的氧化铝实际运行所产生的数据及选择的预报算法进行模型训练,并将模型训练结果下传给模型训练评估单元;所述模型训练过程包括数据选择、数据划分、数据预处理和算法选择四步;所述大数据分析单元根据采集到的氧化铝生产运行数据运用训练好的模型进行氧化铝生产指标预报结果与实际值之间的相关性系数计算,并根据相关性系数判断是否需要进行模型参数校正;所述预报模型参数校正单元根据最近的生产工况数据,按照模型训练参数配置继续训练预报模型,从而得到适应新工况的校正后的预报模型参数;所述预报模型分析单元采用校正后的预报模型参数与当前预报模型参数对预报模型训练方案管理模块中存储的氧化铝生产指标数据进行预报分析;如果采用校正后的模型参数预报氧化铝生产指标的结果比当前参数的预报模型准确性好,则选择校正后的预报模型参数,否则维持当前预报模型参数不变;所述模型校正参数下载单元提供校正后的预报模型参数的导出功能,以便下载到边缘端的氧化铝生产指标预报计算机的预报模型管理单元中;同时还提供了边缘端的氧化铝生产指标预报计算机中软件自动远程更新校正后的模型参数的在线下载接口。3.根据权利要求2所述的一种氧化铝生产指标的云-边协同预报系统,其特征在于:所述云端模型训练服务器上还包括模型训练评估单元用于对训练得到的预报模型进行性能评估;所述性能评估采用均方误差、平均绝对值误差、平均绝对百分误差及预报值与实际值相关性系数这些指标进行对比分析。4.根据权利要求3所述的一种氧化铝生产指标的云-边协同预报系统,其特征在于:所述模型训练单元还内置参数配置模块,用于对模型训练过程采用的具体训练算法进行预报算法的参数配置。5.根据权利要...
【专利技术属性】
技术研发人员:刘长鑫,袁宁,丁进良,柴天佑,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。