一种基于PLC的自动化控制决策优化方法及系统技术方案

本发明专利技术公开了一种基于PLC的自动化控制决策优化方法及系统，涉及自动化控制技术领域，包括：获取自动化控制系统的若干评价因子；建立自动化控制的PLC参数与自动化控制系统的若干评价因子之间的映射矩阵；基于评价因子构建自动化控制系统的评价指标模型；获取评价因子决策矩阵；获得评价因子的权重矩阵；将评价因子的权重矩阵和评价因子决策矩阵输入自动化控制系统的评价指标模型，获得最优化PLC参数组；对最优化PLC参数组进行抗干扰处理，得到最终PLC参数组。本发明专利技术的优点是可实现PLC参数组的自动化最优决策，降低对人工经验的依赖程度，同时可有效的保证PLC控制参数可实现自动化控制系统的最优化运行。化控制系统的最优化运行。化控制系统的最优化运行。

【技术实现步骤摘要】
一种基于PLC的自动化控制决策优化方法及系统


[0001]本专利技术涉及自动化控制
，具体是涉及一种基于PLC的自动化控制决策优化方法及系统。

技术介绍

[0002]PLC控制系统是在传统的顺序控制器的基础上引入了微电子技术、计算机技术、自动控制技术和通讯技术而形成的一代新型工业控制装置，目的是用来取代继电器、执行逻辑、记时、计数等顺序控制功能，建立柔性的远程控制系统。具有通用性强、使用方便、适应面广、可靠性高、抗干扰能力强、编程简单等特点。
[0003]现有的PLC自动化控制系统中PLC控制参数通常由人工依据加工需求结合生产经验进行设定，这种方式一方面对于人工经验的依赖程度较高，可复制性不高，另一方面难以保证设定的PLC控制参数可以实现自动化控制系统的最优化控制需求，因此，提出一套行之有效的基于PLC的自动化控制决策优化方案是本领域的技术人员所亟需解决的问题。

技术实现思路

[0004]为解决上述技术问题，提供一种基于PLC的自动化控制决策优化方法及系统，本技术方案解决了上述的现有的PLC自动化控制系统中PLC控制参数通常由人工依据加工需求结合生产经验进行设定，这种方式一方面对于人工经验的依赖程度较高，可复制性不高，另一方面难以保证设定的PLC控制参数可以实现自动化控制系统的最优化控制需求的问题。
[0005]为达到以上目的，本专利技术采用的技术方案为：一种基于PLC的自动化控制决策优化方法，包括：基于自动化控制系统的属性进行分析，获取自动化控制系统的若干评价因子；获取自动化控制系统的控制逻辑体系，建立自动化控制的PLC参数与自动化控制系统的若干评价因子之间的映射矩阵；基于评价因子构建自动化控制系统的评价指标模型，所述评价指标模型以评价因子的权重矩阵和评价因子决策矩阵作为输入，以自动化控制系统的最优化PLC参数组作为输出；按照设定的取值间隔分别对每一个PLC参数取若干个决策数值，并组合成若干个PLC参数决策组，将所有PLC参数决策组组成PLC参数决策矩阵，并基于PLC参数与自动化控制系统的若干评价因子之间的映射矩阵将PLC参数决策矩阵转化为评价因子决策矩阵；根据自动化控制系统的属性，对若干评价因子附加权重值，获得评价因子的权重矩阵；将评价因子的权重矩阵和评价因子决策矩阵输入自动化控制系统的评价指标模型，获得最优化PLC参数组；对最优化PLC参数组进行抗干扰处理，得到最终PLC参数组；将最终PLC参数组反馈到PLC控制台，PLC控制台依据最终PLC参数组进行控制参数
的修改，控制自动化控制系统执行优化后的控制决策。
[0006]优选的，所述基于评价因子构建自动化控制系统的评价指标模型具体包括：分别针对每一个评价因子训练评价因子评分模型，所述评价因子评分模型以评价因子的数值作为输入，以评价因子的正向化评分作为输出；构建评价因子权重规范化转化模型，所述评价因子权重规范化转化模型以评价因子的权重矩阵和评价因子决策矩阵作为输入，以权重规范化矩阵作为输出；构建决策指标计算模型，所述决策指标计算模型以权重规范化矩阵作为输入，以决策指标作为输出。
[0007]优选的，所述训练评价因子评分模型具体包括：根据历史经验数据分别对不同的评价因子数值附加对应的正向化评分，并将评价因子数值和正向化评分进行封装成若干组训练数据集；将多组训练数据集随机分成计算训练样本和测试样本，所述训练样本中训练数据集数量占比为80％，所述测试样本中训练数据集数量占比为20％；利用训练样本中的训练数据集进行评价因子评分模型的训练模型计算，获得多个初步训练模型；将测试样本中的训练数据集代入初步训练模型中，筛选出测试拟合度最高的初步训练模型，作为评价因子评分模型。
[0008]优选的，所述将测试样本中的训练数据集代入初步训练模型中，筛选出测试拟合度最高的初步训练模型具体包括：将测试样本中的所有训练数据集的输入变量输入初步训练模型中，得到预测输出变量；根据测试样本中的所有训练数据集的输出变量和预测输出变量计算回归确定系数；对每一个初步训练模型进行回归确定系数计算；筛选出回归确定系数最大的初步训练模型；其中，所述回归确定系数的计算公式为：式中，为回归确定系数；RSS为初步训练模型的残差平方和；TSS为初步训练模型的总平方和。
[0009]优选的，所述将评价因子的权重矩阵和评价因子决策矩阵输入自动化控制系统的评价指标模型，获得最优化PLC参数组具体包括如下步骤：将评价因子决策矩阵中每一个评价因子的决策数值输入对应的评价因子评分模型，获取每一个评价因子的若干决策正向化评分，并将所有评价因子的若干决策正向化评分进行组合成若干个决策正向化评分组，并将若干个决策正向化评分组组成决策评价因子的正向化评分矩阵A；
其中，m为决策正向化评分组的总数，n为自动化控制系统的若干评价因子总数，为第i个决策正向化评分组中第j个评价因子的正向化评分；将评价因子的权重矩阵输入和决策评价因子的正向化评分矩阵D输入评价因子权重规范化转化模型，基于规范化计算公式计算每一个评价因子的权重规范化数值，并将所有评价因子的权重规范化数值组成权重规范化矩阵B；其中，为第i个决策正向化评分组中第j个评价因子的权重规范化数值；基于权重规范化矩阵B确定最优化权重规范化数值组和最劣化权重规范化数值组，其中；，其中；其中，为第j个评价因子的权重规范化数值的最大值，为第j个评价因子的权重规范化数值的最小值按照指标计算公式计算每一决策正向化评分组的决策指标；筛选出决策指标最大的决策正向化评分组，其对应的PLC参数决策组为最优化PLC参数组。
[0010]优选的，所述规范化计算公式为：式中，为第j个评价因子的权重值，为第k个决策正向化评分组中第j个评价因子的正向化评分。
[0011]优选的，所述指标计算公式为：式中，C
i
为第i组决策正向化评分组的决策指标。
[0012]优选的，所述对最优化PLC参数组进行抗干扰处理具体包括：按照抗干扰公式对最优化PLC参数组中的每一个PLC参数进行抗干扰计算，获得每
一个PLC参数抗干扰处理后的PLC参数值；将每一个PLC参数抗干扰处理后的PLC参数值进行组合后生成最终PLC参数组；所述抗干扰公式为：式中，为抗干扰处理后的PLC参数值，为自动化控制系统稳定性矩阵的逆矩阵，为最优化PLC参数组的PLC参数值，为自动化控制系统的噪声。
[0013]进一步的，提出一种基于PLC的自动化控制决策优化系统，用于实现如上述的基于PLC的自动化控制决策优化方法，包括：处理器，所述处理器用于获取自动化控制系统的若干评价因子、获取自动化控制系统的控制逻辑体系，建立自动化控制的PLC参数与自动化控制系统的若干评价因子之间的映射矩阵、基于评价因子构建自动化控制系统的评价指标模型、将PLC参数决策矩阵转化为评价因子决策矩阵、进行计算最优化PLC参数组和对最优化PLC参数组进行抗干扰处理；存储器，存储器与所述处理器电性连接，所述存储器用于存储自动化控制系统的评价指标模型；输入模块，输入模块与所述处理器电性连接，所述输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PLC的自动化控制决策优化方法，其特征在于，包括：基于自动化控制系统的属性进行分析，获取自动化控制系统的若干评价因子；获取自动化控制系统的控制逻辑体系，建立自动化控制的PLC参数与自动化控制系统的若干评价因子之间的映射矩阵；基于评价因子构建自动化控制系统的评价指标模型，所述评价指标模型以评价因子的权重矩阵和评价因子决策矩阵作为输入，以自动化控制系统的最优化PLC参数组作为输出；按照设定的取值间隔分别对每一个PLC参数取若干个决策数值，并组合成若干个PLC参数决策组，将所有PLC参数决策组组成PLC参数决策矩阵，并基于PLC参数与自动化控制系统的若干评价因子之间的映射矩阵将PLC参数决策矩阵转化为评价因子决策矩阵；根据自动化控制系统的属性，对若干评价因子附加权重值，获得评价因子的权重矩阵；将评价因子的权重矩阵和评价因子决策矩阵输入自动化控制系统的评价指标模型，获得最优化PLC参数组；对最优化PLC参数组进行抗干扰处理，得到最终PLC参数组；将最终PLC参数组反馈到PLC控制台，PLC控制台依据最终PLC参数组进行控制参数的修改，控制自动化控制系统执行优化后的控制决策。2.根据权利要求1所述的一种基于PLC的自动化控制决策优化方法，其特征在于，所述基于评价因子构建自动化控制系统的评价指标模型具体包括：分别针对每一个评价因子训练评价因子评分模型，所述评价因子评分模型以评价因子的数值作为输入，以评价因子的正向化评分作为输出；构建评价因子权重规范化转化模型，所述评价因子权重规范化转化模型以评价因子的权重矩阵和评价因子决策矩阵作为输入，以权重规范化矩阵作为输出；构建决策指标计算模型，所述决策指标计算模型以权重规范化矩阵作为输入，以决策指标作为输出。3.根据权利要求2所述的一种基于PLC的自动化控制决策优化方法，其特征在于，所述训练评价因子评分模型具体包括：根据历史经验数据分别对不同的评价因子数值附加对应的正向化评分，并将评价因子数值和正向化评分进行封装成若干组训练数据集；将多组训练数据集随机分成计算训练样本和测试样本，所述训练样本中训练数据集数量占比为80％，所述测试样本中训练数据集数量占比为20％；利用训练样本中的训练数据集进行评价因子评分模型的训练模型计算，获得多个初步训练模型；将测试样本中的训练数据集代入初步训练模型中，筛选出测试拟合度最高的初步训练模型，作为评价因子评分模型。4.根据权利要求3所述的一种基于PLC的自动化控制决策优化方法，其特征在于，所述将测试样本中的训练数据集代入初步训练模型中，筛选出测试拟合度最高的初步训练模型具体包括：将测试样本中的所有训练数据集的输入变量输入初步训练模型中，得到预测输出变量；根据测试样本中的所有训练数据集的输出变量和预测输出变量计算回归确定系数；
对每一个初步训练模型进行回归确定系数计算；筛选出回归确定系数最大的初步训练模型；其中，所述回归确定系数的计算公式为：式中，为回归确定系数；RSS为初步训练模型的残差平方和；TSS为初步训练模型的总平方和。5.根据权利要求4所述的一种基于PLC的自动化控制决策优化方法，其特征在于，所述将评价因子的权重矩阵和评价因子决策矩阵输入自动化控制系统的评价指标模型，获得最优化PLC参数组具体包括如下步骤：将评价因子决策矩阵中每一个评价因子的决策数值输入对应的评价因子评分模型，获取每一个评价因子的若干决策正向化评分，并将所有评价因子的若干决策正向化评分进行组合成若干个决策正向化评分组，并将若干个决策正向化评分组组成决策评价因子的正向化评分矩阵A；其中，m为决策正向化评分组的总数，n为自动化控制系统的若干评价因子总数，为第i个决策正向化评分组中第j个评价因子的正向化评分；将评价因子的权重矩阵输入和决策评价因子的正向化评分矩阵...

【专利技术属性】
技术研发人员：龙小昂，胡丽华，朱丹，吴耿金，吴辉，
申请(专利权)人：深圳华龙讯达信息技术股份有限公司，
类型：发明
国别省市：