【技术实现步骤摘要】
本专利技术属于光伏单晶拉制生产，尤其是涉及基于大数据的复投自决策方法、系统、设备和存储介质。
技术介绍
1、在直拉单晶生产中，为了节约工时及提高石英埚利用率，提升单炉产量和降低开炉费用，单炉次会多次进行加料操作，即炉台在运行过程中通过多次加料达到单炉次的投料量提升和辅料成本的降低目的。
2、在实际生产过程中，进行复投时需通过复投器进入副室、副室旋回、自动净化、复投器下降、复投等一系列动作后才能完成，其中复投器自动提升、旋回、净化功能已实现，但自动下降涉及到安全、防呆保护不全面、系统识别等问题，未能实现自动控制。需人工通过手动操作器进行作业，耗时长、作业效率低。
技术实现思路
1、本专利技术要解决的问题是提供基于大数据的复投自决策方法、系统、设备和存储介质，在直拉单晶的复投过程中，通过对复投过程进行数据采集、数据处理、增加逻辑识别，实现复投器的自动下降功能，并避免控制过程中异常的发生，可提高作业效率，降低异常事故的发生。
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、基于大数据的复投自决策方法，其特征在于，所述方法包括步骤：
4、s1：获取在直拉单晶复投过程中每一不同炉型、每一不同系列、每一不同炉台的复投节点的基础源数据；
5、s2：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉型、每一不同系列、每一不同炉台的复投节点中易于识别和标记的若干参数，并获得每一不同炉型、每一不同系列、每一不同炉台的复投节点的所
6、s3：通过深度学习对每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述参数建立模型；
7、s4：通过深度学习对所述s3步骤中的每一所述模型进行分析计算和拟合优化，获取直拉单晶复投过程中临界投料质量、临界晶体位置和临界传感器重量；
8、s5：通过深度学习对所述s3步骤中的每一所述模型进行分析计算，获取当前炉型、当前系列、当前炉台的复投节点的投料质量、晶体位置和传感器重量的基础源数据；
9、s6：对所述s5步骤中获取的所述投料质量、晶体位置和传感器重量的基础源数据进行处理，筛选并转换为当前炉型、当前系列、当前炉台的复投节点中所述投料质量、所述晶体位置和所述传感器重量的易于识别和标记的工艺参数；
10、s7：将s6步骤中的所述投料质量、所述晶体位置和所述传感器重量的易于识别和标记的工艺参数与所述s4步骤中所述临界投料质量、临界晶体位置和临界传感器重量模型进行对比，根据对比结果判定该单晶所在复投节点中的所述投料质量、所述晶体位置和所述传感器重量的易于识别和标记的工艺参数数值是否合理；
11、s8：通过深度学习对所述s7步骤中的判定结果进行数据分析，判定当前复投过程环节是否出现异常，并根据判定结果进行自决策。
12、进一步地，所述s2步骤中所有每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述参数与所述s6步骤中所有所述工艺参数类型相对应。
13、进一步地，所述参数根据工步、投料质量、晶体位置、传感器重量进行建立。
14、进一步地，所有所述参数均被配置于所在单晶炉的终端显示器中显示。
15、进一步地，每一不同炉型、每一不同系列、每一不同炉台的复投节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
16、一种复投自决策系统，所述系统包括：
17、获取源数据单元：用于获取在直拉单晶复投过程中每一不同炉型、每一不同系列、每一不同炉台的复投节点的基础源数据；
18、处理源数据单元：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉型、每一不同系列、每一不同炉台复投节点中易于识别和标记的若干参数，并获得每一不同炉型、每一不同系列、每一不同炉台的复投节点的所有所述参数数值的数据集；
19、建立模型单元：用于通过深度学习对每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述参数建立模型；
20、数据清洗单元：用于对每一所述模型进行多维度数据清洗，建立直拉单晶复投过程的维度数据仓库；
21、数据对比单元：用于将当前炉型、当前系列、当前炉台复投节点中的工艺参数与每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述模型进行对比；
22、大数据平台单元：用于对当前炉型、当前系列、当前炉台的复投节点中的工艺参数与每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述模型进行对比的判定结果进行大数据分析，判定当前复投过程环节是否出现异常，并根据判定结果进行自决策。
23、进一步地，所述获取源数据单元中所有每一不同炉型、每一不同系列、每一不同炉台复投节点中的每一所述参数与所述数据处理单元中所有所述工艺参数类型相对应；
24、所述参数根据工步、投料质量、晶体位置、传感器重量进行建立；
25、所有所述参数均被配置于所在单晶炉的终端显示器中显示。
26、进一步地，每一不同炉型、每一不同系列、每一不同炉台的复投节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
27、一种计算机设备，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器用于执行所述计算机程序，并在执行所述计算机程序时，使得所述处理器执行如上任一项所述的复投自决策方法的步骤。
28、一种计算机可读存储介质，存储有计算机程序，当所述计算机程序被处理器执行时，使所述处理器执行如上任一项所述的复投自决策方法的步骤。
29、与现有技术相比，采用本专利技术设计的基于大数据的复投自决策方法、系统、设备和存储介质，通过eap数据采集器，实现复投生产过程实时数据的采集并存储进入数据库内，使生产过程中工步、投料质量、晶体位置、传感器重量等主要数据均可进行秒级读取和存储；并基于api接口建立单晶炉通讯功能模块，实现模型与单晶炉的实时通讯功能，模型通过打通的数据接口实时读取运行过程数据并实现对单晶炉各设备指令(如晶体上升、晶体下降)的控制能力，通过对数据库采集数据进行处理，配置各项指标条件的控制边界逻辑，并实时对比炉台运行指标状态和设定逻辑进行对比判断是否达到控制条件，实现控制功能，通过实时读取传感器重量、晶体位置等数据，当条件满足时，通过调用炉台通讯功能模块，控制炉台执行复投器下降或停止指令。
30、本专利技术技术方案可在在直拉单晶的复投过程中，通过对复投过程进行数据采集、数据处理、增加逻辑识别，实现复投器的自动下降功能，并避免控制过程中异常的发生，可提高作业效率，降低异常事故的发生。模型控制基于对复投过程数据进行数据处理，并针对直拉单晶炉的控制状态进行判断，输出控制信号，实现对复投器自动下降的条件判断、防呆保护、下降控制、报警输出功能。实现自动化控制。
本文档来自技高网...【技术保护点】
1.基于大数据的复投自决策方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的基于大数据的复投自决策方法，其特征在于：所述S2步骤中所有每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述参数与所述S6步骤中所有所述工艺参数类型相对应。
3.根据权利要求2所述的基于大数据的复投自决策方法，其特征在于：所述参数根据工步、投料质量、晶体位置、传感器重量进行建立。
4.根据权利要求3所述的基于大数据的复投自决策方法，其特征在于：
5.根据权利要求1-4任一所述的基于大数据的复投自决策方法，其特征在于：每一不同炉型、每一不同系列、每一不同炉台的复投节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
6.一种复投自决策系统，其特征在于，所述系统包括：
7.根据权利要求6所述的一种复投自决策系统，其特征在于：所述获取源数据单元中所有每一不同炉型、每一不同系列、每一不同炉台复投节点中的每一所述参数与所述数据处理单元中所有所述工艺参数类型相对应；
8.根据权利要求6或7所述的
9.一种计算机设备，其特征在于：包括存储器和处理器；所述存储器存储有计算机程序；所述处理器用于执行所述计算机程序，并在执行所述计算机程序时，使得所述处理器执行如权利要求1-7中任一项所述的复投自决策方法的步骤。
10.一种计算机可读存储介质，其特征在于：存储有计算机程序，当所述计算机程序被处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的复投自决策方法的步骤。
...【技术特征摘要】
1.基于大数据的复投自决策方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的基于大数据的复投自决策方法，其特征在于：所述s2步骤中所有每一不同炉型、每一不同系列、每一不同炉台的复投节点中的每一所述参数与所述s6步骤中所有所述工艺参数类型相对应。
3.根据权利要求2所述的基于大数据的复投自决策方法，其特征在于：所述参数根据工步、投料质量、晶体位置、传感器重量进行建立。
4.根据权利要求3所述的基于大数据的复投自决策方法，其特征在于：
5.根据权利要求1-4任一所述的基于大数据的复投自决策方法，其特征在于：每一不同炉型、每一不同系列、每一不同炉台的复投节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
6.一种复投自决策系统，其特征在于，所述系统包括：
7.根据权...
【专利技术属性】
技术研发人员：闫铭，董恩慧，李雪峰，张世超，高润飞，
申请(专利权)人：内蒙古中环晶体材料有限公司，
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。