多晶硅生产设备控制方法、装置、服务器和存储介质制造方法及图纸

本发明专利技术提供了一种多晶硅生产设备控制方法、装置、服务器和存储介质，多晶硅生产设备控制方法，包括：获取目标参数；对目标参数进行经验模态分解EMD以及主成分分析处理，得到目标参数的平稳参数；获取目标参数的主成分参数的预测样本和目标参数的稳健距离参数的预测样本；根据目标参数的平稳参数、目标参数的主成分参数的预测样本和目标参数的稳健距离参数的预测样本，确定目标设备的设备参数以及目标设备的上游和下游的工艺参数的预测结果；根据预测结果，对目标设备的设备参数和/或目标设备的上游和下游的工艺参数进行调整。本发明专利技术方案，可以提高设备参数的预测精度，并进一步实现对目标设备和/或目标设备的上游和下游的准确控制。确控制。确控制。

【技术实现步骤摘要】
多晶硅生产设备控制方法、装置、服务器和存储介质


[0001]本专利技术涉及设备健康管理
，特别涉及一种多晶硅生产设备控制方法、装置、服务器和存储介质。

技术介绍

[0002]设备故障诊断与预警在大化工行业中至关重要，不仅在于保证设备能安全运行以及在异常状态下及时检修，更在于保障化工工艺流程的安全且稳定运行。将关键设备的状态监测与上、下游工艺捆绑分析，有利于将设备管理与工艺管控紧密关联，从而完善设备健康管理体系，加强其可靠性、实用性、安全性、高效性。
[0003]目前针对设备参数，各行业普遍在已知的历史数据上构建关联模型，并且利用相应模型，可以直接用于各参数实时更新样本的实时监测。然而，对未来状态的预测，尚不能做到精准预测。
[0004]而在多晶硅工艺中，针对未来预测，目前仅依靠粗略的滞后性以及末端样本的变化趋势来预测未来样本的情况，虽然通过多元线性回归、借助主成分分析降噪等方式可以在一定程度上纠偏，但是终究无法做到精准预测。因此，需要一种全盘方法，实现在未来一定时间段内的精准预测。
[0005]针对未来预测，长短期记忆(Long Short
‑
Term Memory，LSTM)模型是最为合适的模型，但是由于设备故障的原因，82％来自于其上游工艺状况的影响，因而必须考虑到设备和工艺的联系，利用该联系进行单参数的优化。
[0006]专利CN111784068A提供了一种方案：针对电力负荷参数，利用经验模态分解(Empirical Mode Decomposition，EMD)和主成分分析(Primary Component Analysis，PCA)降维组合进行降噪处理，并在各个分量中，稳定分量采用多元线性回归，而非稳定分量采用LSTM预测。该方式可对各个电力负荷采样点的数据进行细化分析，但是，从本质上看，每一个电力负荷参数依旧是一个个“信息孤岛”，即没有建立各电力负荷参数之间的联系，所述多元线性回归也仅限于建立每一个电力负荷参数中的分量之间的联系，无法说明各个电力负荷采样点之间的联系。因此，为了适用于多晶硅工艺等大化工工艺，需要改进方案，以适应需要，提高预测精度。

技术实现思路

[0007]本专利技术实施例提供一种多晶硅生产设备控制方法、装置、服务器和存储介质，用以解决现有技术中，设备参数的预测精度差的问题。
[0008]为了解决上述技术问题，本专利技术实施例提供如下技术方案。
[0009]本专利技术实施例提供一种多晶硅生产设备控制方法，包括：
[0010]获取目标参数，所述目标参数包括目标设备的设备参数以及所述目标设备的上游和下游的工艺参数；
[0011]对所述目标参数进行经验模态分解EMD以及主成分分析处理，得到所述目标参数
的平稳参数；
[0012]获取所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本；
[0013]根据所述目标参数的平稳参数、所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本，确定所述目标设备的设备参数以及所述目标设备的上游和下游的工艺参数的预测结果；
[0014]根据所述预测结果，对所述目标设备的设备参数和/或所述目标设备的上游和下游的工艺参数进行调整。
[0015]可选地，获取所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本，包括：
[0016]根据所述平稳参数，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值、主成分方程、所述目标设备与所述目标设备的上游和下游之间的关联模型、所述响应参数的未来预测样本和所述主要参数的未来预测样本；
[0017]根据所述目标参数的稳健距离、所述目标参数的协方差矩阵、所述平稳参数的特征值、所述响应参数的未来预测样本和所述主要参数的未来预测样本，得到所述目标参数的稳健距离参数的预测样本；
[0018]根据所述平稳参数的载荷矩阵、所述平稳参数的特征值、所述响应参数的未来预测样本、所述主要参数的未来预测样本和所述主成分方程，得到所述目标参数的主成分参数的预测样本；
[0019]其中，所述主要参数为所述目标参数中影响所述目标设备和所述目标设备的上游和下游工艺的参数；所述响应参数是所述目标参数中除所述主要参数之外的参数。
[0020]可选地，根据所述平稳参数，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值、主成分方程、所述目标参数中的主要参数、所述目标参数中的响应参数、所述目标设备与所述目标设备的上游和下游之间的关联模型、所述响应参数的未来预测样本和所述主要参数的未来预测样本，包括：
[0021]对所述平稳参数进行动态稀疏主成分分析处理，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值；
[0022]根据所述平稳参数的载荷矩阵，得到所述主成分方程，并根据所述主成分方程得到所述主要参数和所述响应参数；
[0023]根据所述主要参数和所述响应参数，构建所述目标设备与所述目标设备的上游和下游之间的关联模型；
[0024]根据所述响应参数的剩余分量和长短期记忆LSTM模型，得到所述响应参数的未来预测样本；所述响应参数的剩余分量是根据第一预设累积贡献率阈值，对所述响应参数的内涵模态分量IMF和所述响应参数的残余分量进行主成分分析降维处理得到的，所述响应参数的IMF和所述响应参数的残余分量是对所述响应参数的剩余分量进行EMD处理得到的；
[0025]根据所述响应参数的未来预测样本和所述关联模型，得到所述主要参数的未来预测样本。
[0026]可选地，对所述平稳参数进行动态稀疏主成分分析处理，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值，包括：
[0027]根据所述目标工艺参数和历史目标工艺参数，构建增广矩阵；
[0028]根据第二预设累积贡献率阈值，对所述增广矩阵进行稀疏主成分分析处理，得到所述平稳参数的载荷矩阵和所述平稳参数的特征值。
[0029]可选地，对所述目标参数进行经验模态分解EMD以及主成分分析处理，得到所述目标参数的平稳参数，包括：
[0030]根据每一所述目标参数中的样本数据进行插值补缺处理以及根据每一所述目标参数中的样本数据进行相关性处理，得到预处理后的目标参数；
[0031]对所述预处理后的目标参数进行经验模态分解EMD以及主成分分析处理，得到所述目标参数的平稳参数。
[0032]可选地，根据每一所述目标参数中的样本数据进行插值补缺处理，包括：
[0033]在第一目标参数中连续缺失的样本数据的数量位于第一预设范围数量内的情况下，利用线性插值的方式对所述连续缺失的样本数据进行插值补缺处理；
[0034]在第一目标参数中连续缺失的样本数据的数量位于第二预设范围数量内的情况下，利用与所述连续缺失的样本数据前相邻的第三预设范围数量的样本数据、与所述连续缺失的样本数据后相邻的第四预设范围数量的样本数据、预设的双向滑动数据窗算法和线性比例算法，对所述连续缺失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多晶硅生产设备控制方法，其特征在于，包括：获取目标参数，所述目标参数包括目标设备的设备参数以及所述目标设备的上游和下游的工艺参数；对所述目标参数进行经验模态分解EMD以及主成分分析处理，得到所述目标参数的平稳参数；获取所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本；根据所述目标参数的平稳参数、所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本，确定所述目标设备的设备参数以及所述目标设备的上游和下游的工艺参数的预测结果；根据所述预测结果，对所述目标设备的设备参数和/或所述目标设备的上游和下游的工艺参数进行调整。2.根据权利要求1所述的方法，其特征在于，获取所述目标参数的主成分参数的预测样本和所述目标参数的稳健距离参数的预测样本，包括：根据所述平稳参数，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值、主成分方程、所述目标设备与所述目标设备的上游和下游之间的关联模型、所述目标参数中的响应参数的未来预测样本和所述目标参数中的主要参数的未来预测样本；根据所述目标参数的稳健距离、所述目标参数的协方差矩阵、所述平稳参数的特征值、所述响应参数的未来预测样本和所述主要参数的未来预测样本，得到所述目标参数的稳健距离参数的预测样本；根据所述平稳参数的载荷矩阵、所述平稳参数的特征值、所述响应参数的未来预测样本、所述主要参数的未来预测样本和所述主成分方程，得到所述目标参数的主成分参数的预测样本；其中，所述主要参数为所述目标参数中影响所述目标设备和所述目标设备的上游和下游工艺的参数；所述响应参数是所述目标参数中除所述主要参数之外的参数。3.根据权利要求2所述的方法，其特征在于，根据所述平稳参数，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值、主成分方程、所述目标参数中的主要参数、所述目标参数中的响应参数、所述目标设备与所述目标设备的上游和下游之间的关联模型、所述目标参数中的响应参数的未来预测样本和所述目标参数中的主要参数的未来预测样本，包括：对所述平稳参数进行动态稀疏主成分分析处理，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值；根据所述平稳参数的载荷矩阵，得到所述主成分方程，并根据所述主成分方程得到所述主要参数和所述响应参数；根据所述主要参数和所述响应参数，构建所述目标设备与所述目标设备的上游和下游之间的关联模型；根据所述响应参数的剩余分量和长短期记忆LSTM模型，得到所述响应参数的未来预测样本；所述响应参数的剩余分量是根据第一预设累积贡献率阈值，对所述响应参数的内涵模态分量IMF和所述响应参数的残余分量进行主成分分析降维处理得到的，所述响应参数的IMF和所述响应参数的残余分量是对所述响应参数的剩余分量进行EMD处理得到的；
根据所述响应参数的未来预测样本和所述关联模型，得到所述主要参数的未来预测样本。4.根据权利要求3所述的方法，其特征在于，对所述平稳参数进行动态稀疏主成分分析处理，得到所述平稳参数的载荷矩阵、所述平稳参数的特征值，包括：根据所述目标工艺参数和历史目标工艺参数，构建增广矩阵；根据第二预设累积贡献率阈值，对所述增广矩阵进行稀疏主成分分析处理，得到所述平稳参数的载荷矩阵和所述平稳参数的特征值。5.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：呼维军，吴雪佼，杨文文，宋永刚，蒋建武，鲜杨玲，海东，葛威起，
申请(专利权)人：新特硅基新材料有限公司，
类型：发明
国别省市：