基于机器学习算法的密炼机温度控制方法技术

本申请属于成型材料预处理的温度控制技术领域，尤其是涉及一种基于机器学习算法的密炼机温度控制方法。一种基于机器学习算法的密炼机温度控制方法包括以下步骤：(1)构建数据库：监测、记录并保存包含T、T1、Q、V、P、T2和Ｎ为数据行的数据库；(2)划分数据集：根据温度变化速率将数据库划分为数据集；(３)获取待测时刻自变量T1＇、Q＇、V＇、P＇、T2＇和Ｎ＇；(4)计算温度变化速率T

【技术实现步骤摘要】
基于机器学习算法的密炼机温度控制方法


[0001]本申请属于成型材料预处理的温度控制
，尤其是涉及一种基于机器学习算法的密炼机温度控制方法。

技术介绍

[0002]橡胶具有高弹性、高电气绝缘性、低导热性、优良气密性等特征。生胶的塑炼加工和胶料的混炼加工是在密炼机中进行的。近年来，密炼机所取得的稳步发展都是在于提高各种混炼胶生产率方面。在转子设计上所做的改进以及对密炼机技术的更多了解，使人们对密炼机提出了更高的要求。随着产量的加大，密炼机的温控能力应当与其它的发展同步前进。
[0003]参照图1，被加热设备通过介质流过，使介质与被加热设备产生能量交换，从而控制被加热设备特定区域的温度。密炼机温控的工作原理是以油或水为介质，使其流经密炼机时控制温度，达到混炼的最佳效果。密炼机温控采用回油经冷却器间接冷却的方式，再由泵浦加压经过加热器加热后送到密炼机，来达到加热与恒温的要求。
[0004]不同用户对温度的需求不同，设定温度也就不同。同一个用户在不同的外界环境下，设定温度的偏好也会有所不同。传统的密炼机温度控制方法不能满足用户对于密炼机温度控制的个性化需求。并且密炼机温度变化率在不同范围内，其物料温度跳转速率相差很大。目前，大多数密炼机温控产品在全国各地都是同样的配置，即密闭式恒温控制系统，将密炼机温控的温度设置为固定值，该控制系统是大时滞控制系统，存在超调大、调节时间较长等控制品质差的问题，特别是在密炼机温度控制系统模型失配以及干扰情况下的控制效果较差。导致密炼机温控产品不能够很好地满足不同用户的使用需求，不能满足各种工矿的需求，这就需要用户每次都要对设定温度进行更改操作。

技术实现思路

[0005]为了智能控制设定温度的设置，快速响应和调整设定温度，满足不同工况和不同用户的实际需求，本申请提供一种基于机器学习算法的密炼机温度控制方法，采用以下技术方案实现。
[0006]一种基于机器学习算法的密炼机温度控制方法，包括以下步骤：(1)构建数据库：监测密炼机设定温度T、密炼机温控介质温度T1、介质流量Q、转子转速V、上顶栓压力P、密炼机物料温度T2和门尼粘度N，记录并保存,获得包含T、T1、Q、V、P、T2和N为数据行的数据库；(2)划分数据集：根据温度变化速率将数据库划分为数据集；(3)获取待测时刻自变量T1＇、Q＇、V＇、P＇、T2＇和N＇；(4)计算温度变化速率T
速率
＇，确定T
速率
＇对应的数据集；(5)计算自变量数据分别与数据集各数据行的距离，确定预测数据行；(6)获取该数据行对应的设定温度T＇。
[0007]通过采用上述技术方案，采用大数据模式识别技术，构建数据库，又因为升温速率在不同区间内，其设定温度的变化趋势不同，所以采用划分数据集的方式缩小数据库范围，便于更快速的确定自变量数据对应的数据行。
[0008]优选的，所述步骤(2)中划分数据集为分别计算各数据行对应的温度变化速率T
速率
，将0≤T
速率
＜5℃/min的数据行放入A数据集，将5≤T
速率
＜10℃/min的数据行放入B数据集，将T
速率
≥10℃/min的数据行放入C数据集。
[0009]优选的，步骤(4)中采用如下公式进行距离计算
[0010]优选的，步骤(4)中按照距离从小到大的顺序将数据行排序。
[0011]优选的，步骤(4)数据行排序后，选取前K个数据行，确定K个数据行中相应的T值，计算T的平均值。
[0012]通过采用上述技术方案，采用K近邻算法能够得出更为准确合理的预测值。
[0013]优选的，所述数据进行归一化和反归一化处理。
[0014]通过采用上述技术方案，将特征取值都映射到[0,1]区间，实现对原值的等比例缩放，实现更准确的预测及计算。
[0015]优选的，所述归一化公式为：其中X分别为T1、Q、V、P、N或T2、T或T，Y为归一化后的值Y为归一化后的值。
[0016]综上，本申请具有以下至少一项有益技术效果。
[0017]1、采用大数据模式识别技术，构建数据库，又因为升温速率在不同区间内，其设定温度的变化趋势不同，所以采用划分数据集的方式缩小数据库范围，便于更快速的确定自变量数据对应的数据行。
[0018]2、采用K近邻算法能够得出更为准确合理的预测值。
[0019]3、将特征取值都映射到[0,1]区间，实现对原值的等比例缩放，实现更准确的预测及计算。
[0020]4、该控制方法能够在控制对象模型失配以及出现干扰的情况下依然能够有较好的控制效果的鲁棒性更强。
[0021]5、密炼机温控控制既具有快速性又有迟滞控制的稳定性和抗干扰能力。
附图说明
[0022]图1是密炼机温控组成原理图。
[0023]图2是基于机器学习算法的密炼机温度控制方法的流程图。
具体实施方式
[0024]以下结合全部附图，对本申请作进一步详细说明。
[0025]密炼机温控的工作原理是以油或水为介质，使其流经密炼机时控制温度，达到混
炼的最佳效果。密炼机温控采用回油经冷却器间接冷却的方式，再由泵浦加压经过加热器加热后送到密炼机，来达到加热与恒温的要求。
[0026]密炼机的恒温水系统由两个循环系统组成。一个是用于直接对末端系统和设备进行温控和换热的水系统，称为一次循环水系统，它是封闭式回路。一次循环水中设有测温原件，此温度为密炼机温控介质温度；另一个是与一次循环水系统进行换热的二次水系统，它是敞开式回路。在这个采用双水回路冷却的系统中，一次循环水作为传热介质与末端设备直接接触带走生产设备产生的热量，升温后的一次循环水通过板式换热器将热量传递给冷却水，末端设备的密炼室的温度即为密炼机物料温度。控制介质温度的设定温度能够调控介质温度的升高或者降低。
[0027]参照图2，其示出的是本申请控制方法的步骤。
[0028]开启图1所示密炼机，监测密炼机设定温度T、密炼机温控介质温度T1、介质流量Q、转子转速V、上顶栓压力P、密炼机物料温度T2和门尼粘度N，检测采集的数据构建数据库，数据库的数据有两种：一种是周期型采集数据，采集频率为30s；另一种为事件型采集数据，没有固定的采集频率，当有数据端点值变化时进行采集。记录这些数据并保存获得包含T、T1、Q、V、P、T2和N为数据行的数据库。
[0029]列出该数据库的部分数据如下表所示。
[0030]表1获取的数据库的部分数据将表1中的数据归一化处理，将特征取值都映射到[0,1]区间，实现对原值的等比例缩放。归一化公式如下：其中X分别为T1、T2、T、Q、V、P和N，Y为归一化后的值，Xmax和Xmin分别为原数据取值范围的最大值和最小值。表1中温度变化率T
速率
的计算方法为：密炼机中密炼室设定温度的变化范围如果在0≤T
速率
＜5℃/min，其密炼室物料温度变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习算法的密炼机温度控制方法，其特征在于，包括以下步骤：(1)构建数据库：监测密炼机设定温度T、密炼机温控介质温度T1、介质流量Q、转子转速V、上顶栓压力P、密炼机物料温度T2和门尼粘度N，记录并保存,获得包含T、T1、Q、V、P、T2和N为数据行的数据库；(2)划分数据集：根据温度变化速率将数据库划分为数据集；(3)获取待测时刻自变量T1＇、Q＇、V＇、P＇、T2＇和N＇；(4)计算温度变化速率T
速率
＇，确定T
速率
＇对应的数据集；(5)计算自变量数据分别与数据集各数据行的距离，确定预测数据行；(6)获取该数据行对应的设定温度T＇。2.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于：所述步骤(2)中划分数据集为分别计算各数据行对应的温度变化速率T
速率
，将0≤T
速率
＜5℃/min的数据行放入...

【专利技术属性】
技术研发人员：宗殿瑞，田晓龙，边慧光，焦冬梅，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：