用于石油助剂生产的控制系统及其方法技术方案

公开了一种用于石油助剂生产的控制系统及其方法，其获取预定时间段内多个预定时间点的搅拌角度和所述多个预定时间点的搅拌原料的检测图像；然后，采用基于深度学习的人工智能技术，提取所述搅拌角度的时序变化特征，并挖掘多个预定时间点的搅拌原料的检测图像的高维隐含特征分布信息；建立所述搅拌原料的搅拌状态变化与所述搅拌角度之间的映射关系，以基于所述搅拌原料的状态变化来自适应地调控所述搅拌角度。这样，可以实时精准地调控搅拌角度，以优化石油助剂的生产质量。以优化石油助剂的生产质量。以优化石油助剂的生产质量。

【技术实现步骤摘要】
用于石油助剂生产的控制系统及其方法


[0001]本申请涉及智能化控制
，且更为具体地，涉及一种用于石油助剂生产的控制系统及其方法。

技术介绍

[0002]石油助剂是指在石油加工过程和石油产品中加入的起物理作用或化学作用的少量物质，又称为石油添加剂。石油助剂是经特别工艺处理的多种天然纤维与填充粒子及添加剂，按适当的级配和一定的工艺复合而成的粉末状产品，产品在钻井中加入后，在单向压力差作用下，能对地层的各种渗漏起到良好的封堵效果，使用方便，配伍性好，不影响泥浆性能。
[0003]石油助剂在生产时，需要对原料进行搅拌，使得多种原料之间相互混合，这时就需要一种专业的搅拌装置进行辅助作业。现有的石油助剂用搅拌装置在使用过程中，无法调节装置内搅拌片之间的间距，使得装置无法根据不同原料的特性，自由调节装置搅拌角度，降低装置使用灵活性。
[0004]因此，期待一种优化的用于石油助剂生产的控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于石油助剂生产的控制系统及其方法，其获取预定时间段内多个预定时间点的搅拌角度和所述多个预定时间点的搅拌原料的检测图像；然后，采用基于深度学习的人工智能技术，提取所述搅拌角度的时序变化特征，并挖掘多个预定时间点的搅拌原料的检测图像的高维隐含特征分布信息；建立所述搅拌原料的搅拌状态变化与所述搅拌角度之间的映射关系，以基于所述搅拌原料的状态变化来自适应地调控所述搅拌角度。这样，可以实时精准地调控搅拌角度，以优化石油助剂的生产质量。
[0006]根据本申请的一个方面，提供了一种用于石油助剂生产的控制系统，其包括：过程监控模块，用于获取预定时间段内多个预定时间点的搅拌角度和所述多个预定时间点的搅拌原料的检测图像；搅拌角度时序特征提取模块，用于将所述多个预定时间点的搅拌角度按照时间维度排列为搅拌角度输入向量后通过多尺度邻域特征提取模块以得到搅拌角度特征向量；搅拌原料状态特征提取模块，用于将所述多个预定时间点的搅拌原料的检测图像分别通过作为过滤器的卷积神经网络模型以得到多个搅拌原料状态特征向量；搅拌原料状态时序关联模块，用于将所述多个搅拌原料状态特征向量通过基于转换器的上下文编码器以得到搅拌原料状态时序语义特征向量；响应性估计模块，用于计算所述搅拌原料状态时序语义特征向量相对于所述搅拌角度特征向量的响应性估计以得到分类特征矩阵；以及控制结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌角度应增大或应减小。
[0007]在上述用于石油助剂生产的控制系统中，所述多尺度邻域特征提取模块，包括：相
互并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
[0008]在上述用于石油助剂生产的控制系统中，所述搅拌角度时序特征提取模块，包括：第一尺度特征提取单元，用于使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述搅拌角度输入向量进行一维卷积编码以得到第一尺度搅拌角度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核;其中，所述公式为：其中，为第一卷积核在方向上的宽度、为第一卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第一卷积核的尺寸，表示所述搅拌角度输入向量；第二尺度特征提取单元，用于使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述搅拌角度输入向量进行一维卷积编码以得到第二尺度搅拌角度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；其中，所述公式为：其中，为第二卷积核在方向上的宽度、为第二卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第二卷积核的尺寸，表示所述搅拌角度输入向量；以及，级联单元，用于将所述第一尺度搅拌角度特征向量和所述第二尺度搅拌角度特征向量进行级联以得到所述搅拌角度特征向量。
[0009]在上述用于石油助剂生产的控制系统中，所述搅拌原料状态特征提取模块，进一步用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述多个搅拌原料状态特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述多个预定时间点的搅拌原料的检测图像。
[0010]在上述用于石油助剂生产的控制系统中，所述作为过滤器的卷积神经网络模型为深度残差网络模型。
[0011]在上述用于石油助剂生产的控制系统中，所述搅拌原料状态时序关联模块，包括：上下文理解单元，用于使用所述基于转换器的上下文编码器对所述多个搅拌原料状态特征向量进行基于全局的上下文语义编码以得到多个搅拌原料状态语义特征向量；以及，级联单元，用于将所述多个搅拌原料状态语义特征向量进行级联以得到搅拌原料状态时序语义特征向量。
[0012]在上述用于石油助剂生产的控制系统中，所述上下文理解单元，包括：查询向量构造子单元，用于将所述多个搅拌原料状态特征向量进行一维排列以得到全局搅拌原料状态特征向量；自注意子单元，用于计算所述全局搅拌原料状态特征向量与所述多个搅拌原料状态特征向量中各个搅拌原料状态特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩
阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个搅拌原料状态特征向量中各个搅拌原料状态特征向量进行加权以得到所述多个搅拌原料状态语义特征向量。
[0013]在上述用于石油助剂生产的控制系统中，所述响应性估计模块，包括：高斯密度图构造单元，用于构造所述搅拌原料状态时序语义特征向量和所述搅拌角度特征向量的自高斯密度图以得到第一自高斯密度图和第二自高斯密度图；响应单元，用于计算所述第一自高斯密度图相对于所述第二自高斯密度图的响应性估计以得到响应性高斯密度图；以及，高斯离散化单元，用于对所述响应性高斯密度图的各个位置的高斯分布进行高斯离散化以得到所述分类特征矩阵。
[0014]在上述用于石油助剂生产的控制系统中，所述控制结果生成模块，包括：特征矩阵展开单元，用于将所述分类特征矩阵按照行向量或者列向量展开为分类特征向量；结构优化单元，用于以如下公式对所述分类特征向量进行向量的有序希尔伯特完备化以得到优化分类特征向量，其中，所述公式为：其中，和分别是所述分类特征向量和所述优化分类特征向量，表示所述分类特征向量的二范数的平方，是所述分类特征向量的各特征值按大小次序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于石油助剂生产的控制系统，其特征在于，包括：过程监控模块，用于获取预定时间段内多个预定时间点的搅拌角度和所述多个预定时间点的搅拌原料的检测图像；搅拌角度时序特征提取模块，用于将所述多个预定时间点的搅拌角度按照时间维度排列为搅拌角度输入向量后通过多尺度邻域特征提取模块以得到搅拌角度特征向量；搅拌原料状态特征提取模块，用于将所述多个预定时间点的搅拌原料的检测图像分别通过作为过滤器的卷积神经网络模型以得到多个搅拌原料状态特征向量；搅拌原料状态时序关联模块，用于将所述多个搅拌原料状态特征向量通过基于转换器的上下文编码器以得到搅拌原料状态时序语义特征向量；响应性估计模块，用于计算所述搅拌原料状态时序语义特征向量相对于所述搅拌角度特征向量的响应性估计以得到分类特征矩阵；以及控制结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌角度应增大或应减小。2.根据权利要求1所述的用于石油助剂生产的控制系统，其特征在于，所述多尺度邻域特征提取模块，包括：相互并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。3.根据权利要求2所述的用于石油助剂生产的控制系统，其特征在于，所述搅拌角度时序特征提取模块，包括：第一尺度特征提取单元，用于使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述搅拌角度输入向量进行一维卷积编码以得到第一尺度搅拌角度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核;其中，所述公式为：其中，为第一卷积核在方向上的宽度、为第一卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第一卷积核的尺寸，表示所述搅拌角度输入向量；第二尺度特征提取单元，用于使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述搅拌角度输入向量进行一维卷积编码以得到第二尺度搅拌角度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；其中，所述公式为：其中，为第二卷积核在方向上的宽度、为第二卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第二卷积核的尺寸，表示所述搅拌角度输入向量；以及级联单元，用于将所述第一尺度搅拌角度特征向量和所述第二尺度搅拌角度特征向量进行级联以得到所述搅拌角度特征向量。4.根据权利要求3所述的用于石油助剂生产的控制系统，其特征在于，所述搅拌原料状态特征提取模块，进一步用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图； 对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述多个搅拌原料状态特征向量，所述作为过滤器的卷积神经网络模型的第一
层的输入为所述多个预定时间点的搅拌原料的检测图像。5.根据权利要求4所述的用于石油助剂生产的控制系统，其特征在于，所述作为过滤器的卷积神经网络模型为深度残差网络模型。6.根据权利要求5所述的用于石油助剂生产的控制系统，其特征在于，所述搅拌原料状态时...

【专利技术属性】
技术研发人员：周龙龙，张静，王倩，上官国青，尹周，
申请(专利权)人：克拉玛依市蓝润环保科技有限责任公司，
类型：发明
国别省市：