一种数据和规则模型融合驱动的复杂设备实时控制方法技术

本发明专利技术公开了一种数据和规则模型融合驱动的复杂设备实时控制方法，包括：复杂设备实时控制方案可信度评估模块，该模块基于历史生产数据建立复杂设备产品质量预测模型，并评估各控制方案的可信度；基于改进模拟退火的复杂设备实时控制模块，该模块基于产品质量预测模型和智能优化算法，生成控制方案；基于规则模型的复杂设备实时控制模块，该模块根据专家经验建立复杂设备实时控制规则模型，生成控制方案；多实时控制方案融合输出模块，该模块基于不同控制方案的可信度，对其进行融合并输出。本发明专利技术能够在一定程度上解决复杂设备实时控制不规范、不及时、不可靠的问题，提高复杂设备实时控制的智能化水平。实时控制的智能化水平。实时控制的智能化水平。

【技术实现步骤摘要】
一种数据和规则模型融合驱动的复杂设备实时控制方法


[0001]本专利技术属计算机科学领域，具体涉及一种数据和规则模型融合驱动的复杂设备实时控制方法。

技术介绍

[0002]对于大规模工业生产，产品的高质量和稳定性是企业竞争力的核心和关键，这也对复杂设备的实时控制方法提出了更高的要求。在复杂设备连续运转过程中，车间环境、设备运行状态、工艺参数指标等都在动态变化中，这些都影响了最终产品的质量。复杂设备的实时控制需要在生产过程中，实时地根据产品质量和生产环境，对设备的各个控制参数进行调整，以保证产品的高质量和稳定性。
[0003]传统的复杂设备控制方法以人工控制为主，依赖操作工的自身经验，缺乏定量的调整规则。随着信息技术的不断发展，企业和学者对复杂设备实时控制方法进行了各方面的研究。其中，数据驱动的方法基于神经网络和智能优化算法等方法实现设备的实时控制，但是在环境突变、设备异常等情况下容易出现预测不准确、控制不稳定的问题；规则模型驱动的方法基于专家经验规则建立设备实时控制规则模型，但是控制效果依赖于经验的可靠性。因此，亟需一种更可靠的复杂设备实时控制方法。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种数据和规则模型融合驱动的复杂设备实时控制方法，该方法覆盖了复杂设备实时控制方案可信度评估模块设计、基于改进模拟退火的复杂设备实时控制模块设计、基于规则模型的复杂设备实时控制模块设计、多实时控制方案融合输出模块设计，能够在一定程度上解决复杂设备实时控制不规范、不及时、不可靠的问题，提高复杂设备实时控制的标准化、智能化水平。
[0005]本专利技术解决其技术问题是采取以下技术方案实现的：
[0006]一种数据和规则模型融合驱动的复杂设备实时控制方法，包括：
[0007](1)设计复杂设备实时控制方案可信度评估模块，具体实现如下：
[0008]①
基于历史数据建立预测模型：根据复杂设备历史生产数据，以生产环境参数E、设备工艺参数M、关键控制参数C等作为输入，以产品质量指标Q(如产品的温度、含水率、密度等)作为输出，建立复杂设备产品质量预测模型；
[0009]②
产品质量实时预测：在生产过程中，实时采集当前的生产数据，根据质量预测模型得到产品质量指标Q；
[0010]③
模型准确性评估：计算过去一段时间T内，产品质量预测结果和实际值的平均相对误差E，以评估模型的准确性，分为极高、较高、一般、较低和极低五个等级；
[0011]④
控制方案可信度评估：根据模型准确性的等级，确定数据驱动的复杂设备实时控制方案的可信度μ1和规则模型驱动的复杂设备实时控制方案的可信度μ2。
[0012](2)设计基于改进模拟退火的复杂设备实时控制模块，具体实现如下：
[0013]①
生成初始解：以当前实际的关键控制参数C作为模拟退火的初始解ω＝(c1,c2,
…
,c
n
)，其中c
i
表示第i个控制参数的实际值，模拟退火过程产生的解对应复杂设备控制参数的一组值，即一个实时控制方案；
[0014]②
扰动产生新解：在当前解对应的基础上，在一定范围内随机扰动产生新解，ω
′
＝ω+Δω＝(c1+Δc1,c2+Δc2,
…
,c
n
+Δc
n
)；
[0015]③
评估新解：根据质量预测模型计算新解对应的产品质量预测值，如果新解对应的产品质量相比于旧解更接近产品质量目标值，则说明新解优于旧解，否则说明旧解优于新解；
[0016]④
以一定规则接受新解：如果新解优于旧解，则接受新解，令ω＝ω
′
；否则以P0为概率接受新解，令ω＝ω
′
，以(1
‑
P0)为概率拒绝新解；
[0017]⑤
判断是否满足迭代终止条件：如果当前解对应的产品质量足够接近目标值，即|o
best
‑
y
t
|<0.1ε(其中，o
best
为最优解对应的产品质量预测值，y
t
为产品质量目标值，ε为允许偏差的阈值)，则满足迭代终止条件，返回当前解ω对应的复杂设备控制参数值C1，否则进入步骤
⑥
；
[0018]⑥
判断是否达到最大迭代次数：如果是则返回当前解ω对应的复杂设备实时控制参数值C1，否则返回步骤
②
。
[0019](3)设计基于规则模型的复杂设备实时控制模块，具体实现如下：
[0020]①
建立规则模型：根据专家经验，建立复杂设备实时控制规则模型，所述规则模型可分为相关类、限制类、优先类、控制方案类、权重类等；
[0021]②
生成设备控制方案：根据当前生产环境和产品质量，由所述规则模型得出m条设备控制方案C
21
、C
22
、
…
C
2m
，；
[0022]③
得到各方案权重：根据所述规则模型中各方案可信度，得到各方案权重μ
′
i
；
[0023]④
控制方案加权：按照加权系数对多条设备控制方案进行加权，得到加权后的控制参数值(c1,c2,
…
,c
n
)；
[0024]⑤
范围限制：根据规则模型对新的控制参数值进行范围限制,主要包括两方面：各控制参数不能超过一定范围，即c
imin
<c
i
<c
imax
，且单次调整幅度不能过大，即|Δc
i
|<Δc
imax
；
[0025]⑥
控制方案输出：返回经过范围限制后的复杂设备实时控制参数C2。
[0026](4)设计多实时控制方案融合输出模块
[0027]①
获取控制方案：由基于改进模拟退火的复杂设备实时控制模块获得控制参数C1，由基于规则模型的复杂设备实时控制模块获得控制方案C2；
[0028]②
控制方案融合：基于可信度对不同控制方案进行加权融合，得到最终控制参数C＝μ1C1+μ2C2；
[0029]③
控制方案输出：根据最终控制参数C对应的(c1,c2,
…
,c
n
)，对复杂设备进行控制。
[0030]通过上述步骤，可以结合数据和和规则模型驱动的复杂设备控制方法，生产最终的设备控制方案，以实现基于数据和规则模型融合驱动的复杂设备实时控制。
[0031]有益效果：
[0032]本专利技术与现有技术相比的优点在于：传统的复杂设备控制方法以人工控制为主，依赖操作工的自身经验，缺乏定量的调整规则，数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据和规则模型融合驱动的复杂设备实时控制方法，其特征在于，包括如下：(1)设计复杂设备实时控制方案可信度评估模块，包括：
①
基于历史数据的预测模型构建：根据复杂设备历史生产数据，以生产环境参数E、设备工艺参数M、关键控制参数C等作为输入，以产品质量指标Q作为输出，建立复杂设备产品质量预测模型；
②
产品质量实时预测：在生产过程中，实时采集当前的生产数据，根据质量预测模型得到产品质量指标Q；
③
模型准确性评估：计算过去一段时间T内，产品质量预测结果和实际值的平均相对误差E，以评估模型的准确性，分为极高、较高、一般、较低和极低五个等级；
④
控制方案可信度评估：根据模型准确性的等级，确定数据驱动的复杂设备实时控制方案可信度μ1和规则模型驱动的复杂设备实时控制方案可信度μ2；(2)设计基于改进模拟退火的复杂设备实时控制模块，包括：
①
生成初始解：以当前实际的关键控制参数C作为模拟退火的初始解ω＝(c1,c2,
…
,c
n
)，其中c
i
表示第i个控制参数的实际值，模拟退火过程产生的解对应复杂设备控制参数的一组值，即一个实时控制方案；
②
扰动产生新解：在当前解对应的基础上，在一定范围内随机扰动产生新解，ω
′
＝ω+Δω＝(c1+Δc1,c2+Δc2,
…
,c
n
+Δc
n
)；
③
评估新解：根据质量预测模型计算新解对应的产品质量预测值，如果新解对应的产品质量相比于旧解更接近产品质量目标值，则说明新解优于旧解，否则说明旧解优于新解；
④
以一定规则接受新解：如果新解优于旧解，则接受新解，令ω＝ω
′
；否则以P0为概率接受新解，令ω＝ω
′
，以(1
‑
P0)为概率拒绝新解；
⑤
判断是否满足迭代终止条件：如果当前解对应的产品质量足够接近目标值，即|o
best
‑
y
t
|<0.1ε，其中，o
best
为最优解对应的产品质量预测值，y
t
为产品质量目标值，ε为允许偏差的阈值，则满足迭代终...

【专利技术属性】
技术研发人员：左颖，柯超凡，张萌，陶飞，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：