【技术实现步骤摘要】
本专利技术涉及水泥生产，特别涉及基于ai技术的水泥生产智能控制方法、系统及存储介质。
技术介绍
1、在水泥生产流程中，传统的生产控制策略多为pid回路控制或前馈控制方式，现有的水泥生产系统需要调控的变量多，数据量大，具有复杂动态特性和存在不可测变量及变量有约束等过程，采用传统的生产控制策略会导致被控变量出现较大的波动性，且控制方式的智能化程度低。为此，我们提出基于ai技术的水泥生产智能控制方法、系统及存储介质。
技术实现思路
1、本专利技术的主要目的在于提供基于ai技术的水泥生产智能控制方法、系统及存储介质，可以有效解决
技术介绍
中的问题。
2、为实现上述目的，本专利技术采取的技术方案为，
3、基于ai技术的水泥生产智能控制方法，包括
4、获取预定时长内生产线产生的原始数据集，所述原始数据集包括生产数据、设备状态数据、质量数据及环境数据；
5、对所述原始数据集进行预处理，所述预处理包括补充缺失值、清理重复值、异常数据检验与清理；
6、将所述原始数据集按照运行周期进行划分得到周期性数据集uij，uij表示为第i个子系统的第j个周期的数据，分别提取周期性数据集uij中同一子系统在连续t个运行周期的被控变量数据、操作变量数据及干扰变量数据；
7、构建第一ai模型，通过所述第一ai模型预测在第t+1个运行周期第i个子系统的第r项所述干扰变量数据fvir(t+1)；
8、基于第二ai模型获取所述干扰变量数据与所
9、建立第三ai模型，将获取的各项所述被控变量数据输入至所述第三ai模型中，得到第t+1个运行周期内第i个子系统的各项所述操作变量数据，基于所述操作变量数据对生产流程进行控制。
10、进一步的，所述第二ai模型基于以下步骤确定所述干扰变量数据与所述被控变量数据的所述数据映射：
11、所述第二ai模型将所述干扰变量数据处理为第一数据和第二数据，所述第一数据影响所述被控变量数据，且不被其它所述干扰变量数据影响，所述第二数据影响所述被控变量数据，且同时被其它所述干扰变量数据影响，所述第二ai模型基于线性回归计算每个所述第一数据与所述被控变量数据的相关系数，基于倾向评分计算所述第二数据与所述被控变量数据的相关系数；
12、将所述第一数据和所述第二数据与第n种所述被控变量数据的相关系数归一化处理后，基于第一公式设定第n种所述被控变量数据的所述数据映射，所述第一公式为：其中，x(fv)n为第n种所述被控变量数据的数值，m为所述第一数据和所述第二数据的总数量，y(cv)s为第s种所述干扰变量数据的数值，αs为归一化后、第s种所述干扰变量数据与所述被控变量数据的相关系数。
13、进一步的，将所述干扰变量数据划分为所述第一数据和所述第二数据包括以下步骤：
14、从所述干扰变量数据中提取目标数据，将所述目标数据两两组合，生成多个数据组合，提取所述目标数据在各个运行周期内的具体数值，并生成各个所述数据组合的数据序列，所述数据序列为所述数据组合中、两种所述目标数据随运行周期变化的数据队列，基于线性回归分析所述数据序列，以计算每个所述数据组合的相关系数，若多个所述数据组合包含同种所述干扰变量数据、且所述数据组合的相关系数均小于第一阈值，则将所述数据组合包含的所述干扰变量数据设置为所述第一数据，若所述数据组合的相关系数大于等于所述第一阈值，则将其中包括的两种所述干扰变量数据设置为所述第二数据。
15、进一步的，基于以下步骤从所述干扰变量数据中提取所述目标数据：
16、为各种所述干扰变量数据设置第一范围、所述被控变量数据设置第二范围，基于第二公式计算第q种所述干扰变量数据影响第p种所述被控变量数据的相关概率aq,p，所述第二公式为：其中，gq,p为第p种所述被控变量数据超过所述第二范围时、第q种所述干扰变量数据超过所述第一范围的数量，q为所述干扰变量数据超过所述第一范围的总数量，提取数值大于第二阈值的所述相关概率，获取计算出该所述相关概率对应的所述干扰变量数据，将所述干扰变量数据设置为所述目标数据。
17、进一步的，所述第一ai模型预测在第t+1个运行周期内第i个子系统的第r项所述干扰变量数据包括以下步骤：
18、所述第一ai模型基于第三公式计算所述干扰变量数据，所述第三公式为：
19、
20、式中，xir(t-1)、xir(t-2)、...、xir(t-k)分别为第i个子系统的第r项干扰变量数据的前一个周期、前两个周期、前k个运行周期内的所述干扰变量数据；qir1、qir2、qir3、...、qirk分别为权重系数，其中，qir1＝k、qir2＝k-1、qir3＝k-2、...、qirk＝1。
21、进一步的，所述第三公式中的k值根据第四公式确定，所述第四公式为：其中ceil()为向大取整操作，fi为第i个子系统的运行频率，β为大于0且不为1的常数系数。
22、本专利技术还公开了一种基于ai技术的水泥生产智能控制系统，包括数据采集单元、数据处理模块、数据分析模块、数据拟合模块、中心控制模块、控制器模块；
23、所述数据采集单元包括原料磨子系统数据采集模块、烧成子系统数据采集模块、煤磨子系统数据采集模块、水泥粉磨子系统数据采集模块，分别用于采集生产过程中的生产线下包括原料磨子系统、烧成子系统、煤磨子系统、水泥粉磨子系统的数据，并生成原始数据集，所述原始数据集包括生产数据、设备状态数据、质量数据及环境数据；
24、所述数据处理模块与所述数据采集单元连接，用于将获取的所述原始数据集进行预处理，所述预处理包括补充缺失值、清理重复值、异常数据检验与清理，将各子系统的所述原始数据集按照运行周期进行划分得到周期性数据集；
25、所述数据分析模块与所述数据处理模块连接，用于提取周期性数据集中同一子系统在连续t个运行周期的被控变量数据、操作变量数据及干扰变量数据，根据提取的数据构建第一ai模型，通过所述第一ai模型预测在第t+1个运行周期第i个子系统的第r项所述干扰变量数据fvir(t+1)；
26、所述数据拟合模块与所述所述数据处理模块连接，基于第二ai模型获取所述干扰变量数据与所述被控变量数据的数据映射y(cv)→x(fv)，预测在第t+1个运行周期内第i个子系统的第r项所述干扰变量数据fvir(t+1)带入至所述数据映射y(cv)→x(fv)中，得到在第t+1个运行周期内第i个子系统的各项所述被控变量数据；
27、所述中心控制模块与所述数据分析模块及所述数据拟合模块连接，所述中心控制模块建立有第三ai模型，将获取的各项所述被控变量数本文档来自技高网...
【技术保护点】
1.一种基于AI技术的水泥生产智能控制方法，其特征在于，包括
2.根据权利要求1所述的基于AI技术的水泥生产智能控制方法，其特征在于，所述第二AI模型基于以下步骤确定所述干扰变量数据与所述被控变量数据的所述数据映射：
3.根据权利要求2所述的基于AI技术的水泥生产智能控制方法，其特征在于，将所述干扰变量数据划分为所述第一数据和所述第二数据包括以下步骤：
4.根据权利要求3所述的基于AI技术的水泥生产智能控制方法，其特征在于，基于以下步骤从所述干扰变量数据中提取所述目标数据：
5.根据权利要求1所述的基于AI技术的水泥生产智能控制方法，其特征在于，所述第一AI模型预测在第t+1个运行周期内第i个子系统的第r项所述干扰变量数据包括以下步骤：
6.根据权利要求5所述的基于AI技术的水泥生产智能控制方法，其特征在于，所述第三公式中的k值根据第四公式确定，所述第四公式为：其中ceil()为向大取整操作，fi为第i个子系统的运行频率，β为大于0且不为1的常数系数。
7.一种基于AI技术的水泥生产智能控制系统，其特征在于，
8.根据权利要求7所述的基于AI技术的水泥生产智能控制系统，其特征在于，所述系统还包括显示模块，所述显示模块用于将采集到的所述原始数据集、所述干扰变量数据预测结果、操作变量数据计算结果、所述中心控制模块生成的控制策略指令、设备控制指令以可视化的方式呈现。
9.根据权利要求8所述的基于AI技术的水泥生产智能控制系统，其特征在于，所述系统还包括存储单元，所述存储单元包括数据存储模块与数据更新模块，所述数据存储模块用于将获取的所述原始数据集进行存储，所述数据更新模块用于根据采集的实时数据对所述原始数据集进行动态更新。
10.基于AI技术的水泥生产智能控制存储介质，其特征在于，所述存储介质中存储有电子程序，其中，所述电子程序被处理器运行时能够实现权利要求1-6中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于ai技术的水泥生产智能控制方法，其特征在于，包括
2.根据权利要求1所述的基于ai技术的水泥生产智能控制方法，其特征在于，所述第二ai模型基于以下步骤确定所述干扰变量数据与所述被控变量数据的所述数据映射：
3.根据权利要求2所述的基于ai技术的水泥生产智能控制方法，其特征在于，将所述干扰变量数据划分为所述第一数据和所述第二数据包括以下步骤：
4.根据权利要求3所述的基于ai技术的水泥生产智能控制方法，其特征在于，基于以下步骤从所述干扰变量数据中提取所述目标数据：
5.根据权利要求1所述的基于ai技术的水泥生产智能控制方法，其特征在于，所述第一ai模型预测在第t+1个运行周期内第i个子系统的第r项所述干扰变量数据包括以下步骤：
6.根据权利要求5所述的基于ai技术的水泥生产智能控制方法，其特征在于，所述第三公式中的k值根据第四公式确定，所述第四公式为：其中ceil()为向大取整操作，fi为第i个子系统的运行频率，β为大于...
【专利技术属性】
技术研发人员：李佳，高利强，马俊峰，董战峰，郭俊涛，祝恒通，
申请(专利权)人：天瑞集团信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。