【技术实现步骤摘要】
本专利技术涉及温度控制，更具体地说，本专利技术涉及用于制备丁二酸反应的温度控制系统。
技术介绍
1、制备丁二酸的过程，反应速率和选择性受到温度影响，而在制备电解槽内部存在着温度梯度，即温度在空间上不均匀分布，这会导致反应部分区域的温度过高或过低，进而影响制备反应的均匀性和产物的选择性；而监测用的温度传感器存在误差，更容易导致对反应温度的测量不准确，进一步影响控制系统对温度的调节和反应的稳定性，使得制备丁二酸反应过程中反应的效率和产物的纯度下降。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供用于制备丁二酸反应的温度控制系统，通过先收集与丁二酸反应温度控制相关数据，对收集到的数据进行预处理并提取特征输入到模型中，将历史数据按照划分为输入特征和目标变量并对模型进行训练，输入特征数据到模型中获取预测结果，再使用交叉验证对模型进行评估，获取制备丁二酸过程中产生的状态变化信息，确定制备过程中温度情况，根据确认的温度结果对丁二酸制备过程中的温度策略进行及时控制调整，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、用于制备丁二酸反应的温度控制系统，包括温度相关数据收集模块、生成优化模块、验证确定模块、温度状态分析模块以及控制模块，模块之间通过信号连接；
4、温度相关数据收集模块，用于收集与丁二酸反应温度控制相关数据，包括反应过程中的温度变化数据、反应物料信息、催化剂性质信息，并发送采集的数据至生成优
5、生成优化模块接收温度相关数据收集模块发送数据，对收集到的数据进行预处理并提取特征输入到模型中，将历史数据按照时间顺序划分为输入特征和目标变量并对模型进行训练，通过优化算法最小化损失函数进行模型的参数更新，并发送更新后模型到验证确定模块；
6、验证确定模块接收生成优化模块发送数据，将输入特征数据输入到模型中，得到模型的预测结果，再使用交叉验证对模型进行评估，评估模型的预测准确度和泛化能力，将训练完毕的模型应用于制备丁二酸的制备中，发送到模型预测结果到温度状态分析模块；
7、温度状态分析模块接收验证确定模块发送数据，对制备丁二酸过程中的温度情况进行分析，获取制备丁二酸过程中产生的状态变化信息，确定制备过程中温度情况，并发送确定的结果到控制模块；
8、控制模块接收温度状态分析模块数据，根据确认的温度结果对丁二酸制备过程中的温度策略进行控制调整。
9、在一个优选的实施方式中，对收集到的数据进行预处理并提取特征输入到模型中，包括以下步骤：
10、对收集到的数据进行预处理，包括去除异常值、填充缺失值、数据平滑处理；
11、对于异常值进行标记，作为单独的特征进行特殊处理，对于偏离正常范围的异常值进行移除，对超出合理范围的异常值进行截断或缩放；
12、从预处理后的数据中提取电解槽内部的温度梯度特征、反应物料的浓度变化特征、催化剂的活性特征，作为模型的输入数据。
13、在一个优选的实施方式中，将历史数据按照时间顺序划分为输入特征和目标变量并对模型进行训练，通过优化算法最小化损失函数进行模型的参数更新，具体步骤包括：
14、使用长短期记忆网络建立温度控制模型，结合历史数据对模型进行优化训练；
15、将历史数据按照时间顺序划分为输入特征和目标变量，输入特征包括反应过程中的温度变化、反应物料的浓度变化、催化剂的活性信息，目标变量为预测的反应温度变化；
16、选择均方误差作为损失函数确定预测值与真实值之间的差异；
17、通过随机梯度下降算法最小化损失函数。
18、在一个优选的实施方式中，通过随机梯度下降算法最小化损失函数，具体过程如下：
19、将输入特征数据输入到模型中，得到模型的预测结果；
20、计算预测结果与真实目标的损失值，根据损失值使用反向传播算法更新模型参数；
21、对输入数据进行前向传播，计算模型的预测输出，使用均方误差进行计算得到损失函数，利用链式法则计算损失函数对模型参数的梯度。
22、在一个优选的实施方式中，利用链式法则计算损失函数对模型参数的梯度，具体步骤如下：
23、计算输出层的梯度，表示损失函数对输出的影响；
24、根据输出层的梯度和模型参数，逐层向前计算隐藏层的梯度；
25、根据隐藏层的梯度和模型参数，计算每个参数对损失函数的梯度；
26、根据计算得到的参数梯度和学习率，使用梯度下降等优化算法更新模型的参数。
27、在一个优选的实施方式中，再使用交叉验证对模型进行评估，评估模型的预测准确度和泛化能力，是指使用训练好的模型对验证集中的样本进行预测，根据预测结果和真实标签计算所选的评估指标，并对数据集使用交叉验证评估模型的泛化能力，将交叉验证的评估结果进行汇总和分析，评估模型的性能和泛化能力，调整并选择模型。
28、在一个优选的实施方式中，对制备丁二酸过程中的温度情况进行分析，获取制备丁二酸过程中产生的状态变化信息，确定制备过程中温度情况，包括以下步骤：
29、状态变化信息包括反应浓度适配信息、预期温度控制信息，反应浓度适配信息中包括制备浓度耗能适配值，预期温度控制信息中包括传热反应动力变异指数；
30、将制备浓度耗能适配值、传热反应动力变异指数进行联立，生成温度控制系数；
31、制备浓度耗能适配值与温度控制系数成反比关系，传热反应动力变异指数与温度控制系数成正比关系。
32、在一个优选的实施方式中，根据确认的温度结果对丁二酸制备过程中的温度策略进行控制调整，包括：
33、将温度控制系数与温度调控阈值进行对比，若温度控制系数小于温度调控阈值，则生成制备温度稳定信号，继续监控温度变化；
34、若温度控制系数大于或等于温度调控阈值，则生成制备温度异常调控信号，将生成制备温度异常调控信号的分析结果进行报警，提醒相关工作人员进行控制调整。
35、本专利技术用于制备丁二酸反应的温度控制系统的技术效果和优点：
36、本专利技术先收集与丁二酸反应温度控制相关数据，对收集到的数据进行预处理并提取特征输入到模型中，然后，将历史数据按照时间顺序划分为输入特征和目标变量并对模型进行训练，并最小化损失函数，将输入特征数据输入到模型中获取预测结果，再使用交叉验证对模型进行评估，确定模型状态，对制备丁二酸过程中的温度情况进行分析，获取制备丁二酸过程中产生的状态变化信息，确定制备过程中温度情况，根据确认的温度结果对丁二酸制备过程中的温度策略进行及时控制调整，从而增加了制备丁二酸过程中温度控制的准确性，提高了丁二酸的反应效率。
本文档来自技高网...【技术保护点】
1.用于制备丁二酸反应的温度控制系统，其特征在于：包括温度相关数据收集模块、生成优化模块、验证确定模块、温度状态分析模块以及控制模块，模块之间通过信号连接；
2.根据权利要求1所述的用于制备丁二酸反应的温度控制系统，其特征在于：对收集到的数据进行预处理并提取特征输入到模型中，包括以下步骤：
3.根据权利要求2所述的用于制备丁二酸反应的温度控制系统，其特征在于：将历史数据按照时间顺序划分为输入特征和目标变量并对模型进行训练，通过优化算法最小化损失函数进行模型的参数更新，具体步骤包括：
4.根据权利要求3所述的用于制备丁二酸反应的温度控制系统，其特征在于：通过随机梯度下降算法最小化损失函数，具体过程如下：
5.根据权利要求4所述的用于制备丁二酸反应的温度控制系统，其特征在于：利用链式法则计算损失函数对模型参数的梯度，具体步骤如下：
6.根据权利要求5所述的用于制备丁二酸反应的温度控制系统，其特征在于：使用交叉验证对模型进行评估，评估模型的预测准确度和泛化能力，是指使用训练好的模型对验证集中的样本进行预测，根据预测结果和真实标
7.根据权利要求6所述的用于制备丁二酸反应的温度控制系统，其特征在于：对制备丁二酸过程中的温度情况进行分析，获取制备丁二酸过程中产生的状态变化信息，确定制备过程中温度情况，包括以下步骤：
8.根据权利要求7所述的用于制备丁二酸反应的温度控制系统，其特征在于：根据确认的温度结果对丁二酸制备过程中的温度策略进行控制调整，包括：
...【技术特征摘要】
1.用于制备丁二酸反应的温度控制系统，其特征在于：包括温度相关数据收集模块、生成优化模块、验证确定模块、温度状态分析模块以及控制模块，模块之间通过信号连接；
2.根据权利要求1所述的用于制备丁二酸反应的温度控制系统，其特征在于：对收集到的数据进行预处理并提取特征输入到模型中，包括以下步骤：
3.根据权利要求2所述的用于制备丁二酸反应的温度控制系统，其特征在于：将历史数据按照时间顺序划分为输入特征和目标变量并对模型进行训练，通过优化算法最小化损失函数进行模型的参数更新，具体步骤包括：
4.根据权利要求3所述的用于制备丁二酸反应的温度控制系统，其特征在于：通过随机梯度下降算法最小化损失函数，具体过程如下：
5.根据权利要求4所述的用于制备丁二酸反应的温度控制系统，其特征在于：利用链式法则计算...
【专利技术属性】
技术研发人员：郑鹏，韦兴鹏，毕繁荣，郑伟，史新玉，潘俊君，史刚，巩克乐，
申请(专利权)人：山东飞扬化工有限公司，
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。