用于估计扰动并且对改进过程性能给出建议的方法技术

本发明专利技术提供了一种用于估计扰动并且对水密集型工业过程的过程性能给出建议的方法

【技术实现步骤摘要】
【国外来华专利技术】用于估计扰动并且对改进过程性能给出建议的方法


[0001]本专利技术涉及一种用于估计扰动的方法和装置
。
本专利技术还涉及一种用于对改进过程性能给出建议的方法和装置
。
该过程是水密集型工业过程，例如造纸过程
、
制板机器
、
废水处理等
。

技术介绍

[0002]许多工业过程
(
如造纸
/
制板机器
、
水处理过程等
)
是复杂的实体
。
它们包含许多子过程，这些子过程共同形成一个完整实体，如造纸机器
。
子过程由过程特定控制器控制
。
另一方面，在若干单独的控制装置中，变量可能相互影响
。
因此，为了更好地理解整个过程，创建了不同的系统
。
[0003]机器学习
(ML)
算法用于对过程
(
如造纸或水处理
)
的行为进行建模
、
分析和估计的系统
。ML
算法用于具有多变量过程的过程，因此要进行大量的测量
。
大量数据被生成和处理，尤其是在线并且每天进行测量时
。
[0004]机器学习为系统提供了自动学习的能力并且还提供了在没有明确编程的情况下根据经验进行改进的能力
。
因此，计算机系统使用机器学习
(ML)
工具算法和统计模型来执行特定的一项或多项任务，而无需使用明确的指令
。
存在许多
ML
算法
。
在此只提到其中的一些：线性回归
、
逻辑回归
、K
均值
、
前馈神经网络等
。
[0005]ML
算法的结果通常很难解译，尤其是来自复杂的过程中
。
因此，使用解释值以帮助用户解译
ML
的结果
。
因此，使用解释值以解释并且还用于分类
ML
如何工作
。
解释值通过使用例如
SHAP(Shapley
加性解释
)
值
、LIME
方法或
DeepLIFT
方法来获得
。
[0006]尽管监测系统利用测量值和
ML
值，但是监测也可以利用其他数据，并且以自动的方式
。
监测的信息可以用于调整特定子过程
/
多个子过程的建议
。

技术实现思路

[0007]本专利技术的目的是提供一种估计扰动并且给出建议的新方式
。
该目的通过独立权利要求来实现
。
从属权利要求说明了本专利技术的不同实施方式
。
[0008]一种用于估计扰动并且给出用于改进过程性能的建议的本专利技术的方法，具有用于测量过程的变量并且收集过程数据的步骤
50
，以及对测量和收集步骤的测量数据和收集的数据进行预处理的步骤
51。
该方法还包括用于估计扰动的步骤
52
和形成建议的步骤
53。
[0009]对于过程的参数的每个扰动估计，估计扰动的步骤
52
包括接收
、
归一化
、
运算和缩放的子步骤
。
接收步骤
60
用于从预先选择的过程的变量的组中接收预处理的测量和过程数据
。
归一化步骤
61
用于对接收的预处理的测量和收集的数据进行归一化
。
运算步骤
62
用于对归一化的数据进行运算
。
缩放步骤
63
用于对运算的归一化的数据进行缩放
。
缩放步骤的输出
64
是过程的参数的扰动估计
。
[0010]对于每个建议形成，形成建议的步骤
53
包括接收
、
映射和形成的子步骤
。
接收步骤
70
用于从预先选择的缩放步骤的输出的组中接收扰动估计
。
映射步骤
71
用于将每个接收的
扰动估计映射到状态类别中的一个
。
形成步骤
72
用于利用映射的扰动估计形成每个建议
。
[0011]本专利技术的装置估计扰动并且对过程性能给出建议
。
该装置具有测量设备和收集接口4用于测量过程的变量并且收集
/
接收过程数据
。
该装置还具有测量和收集的数据预处理装置5，用于对来自所述测量设备和收集接口的测量数据和收集的数据进行预处理
。
[0012]该装置还包括估计扰动的第一单元8和形成建议的第二单元
9。
第一单元8对于过程的参数的每个扰动估计来估计扰动，并且第一单元8被配置为从预先选择的过程的变量的组中接收预处理的测量
/
收集的数据，对接收的预处理的测量数据进行归一化，对归一化的数据进行运算，并且对运算的归一化的数据进行缩放
。
缩放的输出是过程的参数的扰动估计
。
[0013]对于每个建议形成，第二单元9被配置为从预先选择的第一单元的输出的组中接收扰动估计，将每个接收的扰动估计映射到状态类别中的一个，并且利用映射的扰动估计形成每个建议
。
相同的状态值可以被映射以形成一个以上建议
。
附图说明
[0014]在下文中，将参考附图更详细地描述本专利技术，在附图中
[0015]图1示出了本专利技术的装置的示例，
[0016]图2示出了本专利技术的装置的估计单元的示例，
[0017]图3示出了本专利技术的装置的建议单元的示例，
[0018]图4示出了要在本专利技术的装置中使用的映射逻辑的示例，
[0019]图5示出了本专利技术的方法的示例，
[0020]图6示出了本专利技术的方法的估计步骤的示例，
[0021]图7示出了在本专利技术的方法中形成建议的步骤的示例，
[0022]图8示出了本专利技术的方法的变形例，
[0023]图9示出了本专利技术的方法的另一变形例，以及
[0024]图
10
示出了要在本专利技术的装置中使用的映射逻辑的另一示例
。
具体实施方式
[0025]图1示出了本专利技术的装置的示例
。
本专利技术的装置估计扰动并且对过程性能给出建议
。
对过程性能的建议例如包括，改变控制器的设定点以便改进或维持例如产品质量或过程流质量，以减少产品质量或过程流质量的变化，在没有改变设定点的强制性原因的情况下将设定点保持
/
维持在它们的当前值，改本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种用于估计扰动并且对水密集型工业过程的过程性能给出建议的方法，所述水密集型工业过程具有以下步骤：测量过程的变量
50
并且收集过程数据，以及对测量和收集步骤的测量和过程数据进行预处理
51
，其特征在于，所述方法还包括用于估计扰动
52
和形成建议
53
的步骤，对于过程的参数的每个扰动估计，估计所述扰动的步骤包括以下子步骤：从预先选择的所述过程的变量的组中接收预处理的测量和过程数据
60
，对接收的预处理的测量和过程数据进行归一化
61
，对归一化的数据进行运算
62
，以及对运算的归一化的数据进行缩放
64
，缩放步骤的输出
64
是所述过程的参数的所述扰动估计，对于每个建议形成，形成所述建议的步骤包括以下子步骤：从预先选择的所述缩放步骤的输出的组中接收所述扰动估计
70
，将每个接收的扰动估计映射到状态类别中的一个
71
，并且利用映射的扰动估计形成每个建议
72。2.
根据权利要求1所述的方法，其特征在于，所述方法包括用于从所述预处理的测量和过程数据形成机器学习值的另一个步骤
85
，当估计扰动时，所述机器学习值也与所述预处理的过程和测量数据一起使用，使得接收步骤
80
还从预先选择的所述机器学习值的组中接收所述机器学习值，归一化步骤
81
还对接收的机器学习值进行归一化，运算步骤
82
还对归一化的机器学习值进行运算，并且缩放步骤
83
还对运算的归一化的机器学习值进行缩放，所述缩放步骤的输出是所述过程的参数的所述扰动估计
。3.
根据权利要求2所述的方法，其特征在于，所述方法包括用于从所述机器学习值形成解释值的另一个步骤
95
，当估计扰动时，所述解释值也与所述预处理的过程和测量数据以及机器学习值一起使用，使得接收步骤
90
还从预先选择的所述解释值的组中接收所述解释值，归一化步骤
91
还对接收的解释值进行归一化，运算步骤
92
还对归一化的解释值进行运算，并且缩放步骤
93
还对运算的归一化的解释值进行缩放，所述缩放步骤的输出是所述过程的参数的所述扰动估计
。4.
根据权利要求1至3中任一项所述的方法，其特征在于，归一化步骤包括归一化函数，所述归一化函数对于每个接收的数据或值是特定的
。5.
根据权利要求1至3中任一项所述的方法，其特征在于，运算步骤包括一个或多个运算
。6.
根据权利要求1至5中任一项所述的方法，其特征在于，所述运算是求和
、
中值
、
平均值或最小值
/
最大值运算
。7.
根据权利要求1至6中任一项所述的方法，其特征在于，缩放步骤的所述缩放对于每个扰动估计是单独的
。
8.
根据权利要求1至7中任一项所述的方法，其特征在于，形成的建议用于调整所述过程的不同的控制装置的设定点和
/
或用于改变所述过程的原材料
。9.
根据权利要求8所述的方法，其特征在于，设定点建议包括用于化学品的剂量的建议，诸如滞留化学品
、
施胶剂
、
沉积控制化学品
、
电荷控制化学品
、
强化化学品
、
消泡剂
、
分散剂
、
杀菌剂
、
凝结剂
、
絮凝剂；用于塔水平
/
塔填充
/
排空，用于调整纸浆洗涤器的稀释水量，用于提高纸浆的洗涤效率，用于调整过程流的
pH
值，用于存储塔中的延迟时间，存储塔中的表面水平，或存储塔中过程流的通风
、
循环或混合，例如纤维悬浮液的存储塔
。10.
根据权利要求1至9中任一项所述的方法，其特征在于，所述过程是制浆过程
、
造...

【专利技术属性】
技术研发人员：利兹，
申请(专利权)人：凯米拉公司，
类型：发明
国别省市：