【技术实现步骤摘要】
本专利技术涉及智能控制，具体是大环内酸衍生物生产过程自动化精准控制方法及系统。
技术介绍
1、大环内酸衍生物作为一种重要的化工助剂，广泛应用于精细化工、石油化工、造纸、轻工等领域，其生产过程通常涉及多步反应、严格的工艺条件以及复杂的反应动力学。生产过程中，不仅需要对反应釜内的温度、压力、ph值等常规工艺参数进行实时监控，还需结合原料光谱信息、流速、温度等多维度数据，对反应状态进行精准把控。由于反应过程具有高度非线性和时变性，加之原料品质波动、设备响应滞后及环境干扰等因素，使得传统的手动控制和基于静态模型的控制方法难以满足产品质量和生产效率的要求。因此，智能化、自动化精准控制成为实现高质量、稳定生产的必然趋势。
2、现有的工艺控制方法多基于线性或静态参数校正，难以应对工艺参数随时间动态变化的复杂情况，且缺乏对多传感器、多维数据的深度融合处理，难以同时利用工艺参数和光谱特征等信息；
3、为此，本专利技术提出大环内酸衍生物生产过程自动化精准控制方法及系统。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出大环内酸衍生物生产过程自动化精准控制方法及系统，能够显著提高大环内酸衍生物产物收率。
2、为实现上述目的，提出大环内酸衍生物生产过程自动化精准控制方法，包括以下步骤：
3、步骤一：通过分布式传感系统实时采集反应釜的多维过程参数时序数据，同步获取原料光谱特征数据；
4、步骤二：对多维过程参
5、步骤三：将去噪过程参数序列与标准光谱数据进行特征融合，构建工艺参数特征矩阵，输入工艺知识约束的改进型回归模型，输出关键参数敏感度向量及产物收率预测值；
6、步骤四：基于关键参数敏感度向量，从工艺参数特征矩阵中提取主导参数子矩阵，采用工艺时序对齐算法构建时变状态空间模型；
7、步骤五：将时变状态空间模型与产物收率预测值进行动态比对，当偏差超过预设阈值时，通过多目标优化模型生成优化控制参数集；
8、步骤六：将优化控制参数集输入自适应控制器生成执行指令对工艺参数进行控制。
9、所述通过分布式传感系统实时采集反应釜的多维过程参数时序数据包括以下步骤：
10、步骤101：在反应釜关键工艺节点布置收集各项过程参数的分布式传感器网络；
11、步骤102：从传感器网络中同步获取各个过程参数对应的过程参数时序序列，并采用时间协议对过程参数时序序列的时间进行时域对齐，生成带统一时间戳的原始数据集组成多维过程参数时序数据。
12、所述同步获取原料光谱特征数据的方式为：
13、通过波长范围900-1700nm的在线近红外光谱仪实时扫描原料流，并在每个采样周期获取原始光谱矩阵，并同步采集原料流速和原料温度；
14、采用savitzky-golay滤波器对原始光谱矩阵进行光谱去噪，生成标准光谱矩阵；
15、所述标准光谱矩阵、原料流速和原料温度组成原料光谱特征数据。
16、所述对多维过程参数时序数据实施动态自适应滤波处理，生成去噪过程参数序列包括以下步骤：
17、步骤211：将带统一时间戳的原始多维过程参数时序数据构造成数据矩阵x(t)的形式；
18、步骤212：设定窗口长度为tw，在窗口内计算每个过程参数的局部均值与局部方差组成局部噪声统计信息，同时，定义局部信噪比作为噪声水平的量化指标；
19、步骤213：基于局部噪声统计信息，设计自适应滤波器模型；
20、步骤214：在构建完成动态自适应滤波器模型后，对每个时刻t的多维参数进行逐点滤波处理；
21、步骤215：收集经过动态自适应滤波处理后，各过程参数去噪后的时序数据序列，表示为去噪过程参数序列。
22、所述同时对原料光谱特征数据进行基线校正，生成标准光谱数据包括以下步骤：
23、步骤221：将标准光谱矩阵记为sraw，其中每一列代表一个采样周期内在波长范围下的光谱响应；
24、步骤222：首先对每个采样周期内的光谱曲线，提取波长的局部极小值；
25、步骤223：基于提取的局部极小值，采用低阶多项式拟合或自适应平滑方法构建整个光谱曲线的基线模型；
26、步骤224：利用构建得到的基线模型，对标准光谱矩阵进行基线校正。
27、所述将去噪过程参数序列与标准光谱数据进行特征融合，构建工艺参数特征矩阵的包括以下步骤：
28、步骤311：将收集到的去噪过程参数序列标记为，将收集到的标准光谱数据标记为；
29、步骤312：对去噪过程参数序列中的每个参数进行相关性分析，剔除冗余的高相关参数，而对于光谱数据，通过降维方法，提取出其中的主成分；
30、步骤313：将经过降维后的去噪过程参数序列和标准光谱数据进行沿时间维度进行拼接，形成新的融合特征矩阵；
31、步骤314：对融合后生成的融合特征矩阵进行标准化处理，获得工艺参数特征矩阵。
32、所述输入工艺知识约束的改进型回归模型，输出关键参数敏感度向量及产物收率预测值包括以下步骤：
33、步骤321：将工艺参数特征矩阵中每一行的工艺参数特征向量标记为x(t)；将目标变量产物收率标记为y(t)；
34、步骤322：将改进型回归模型标记为，并根据大环内酸衍生物生产过程中，各个工艺阶段的工艺经验，为部分关键参数引入先验约束；
35、步骤323：预先收集若干次大环内酸衍生物生产过程中各个工艺阶段内，各个时刻的工艺参数特征向量以及对应的产物收率，作为样本集合；
36、步骤324：以样本集合中各个时刻的工艺参数特征向量作为改进型回归模型的输入，以样本集合中各个时刻对应的产物收率和改进型回归模型表达式计算出的预测值之间的均方误差作为损失函数，以各项关键参数的先验约束作为不等式约束条件，采用不等式约束的优化算法求解改进型回归模型的截距项和敏感度系数；
37、步骤325：求解出的各个关键参数的敏感度系数组成关键参数敏感度向量；对任一生产过程中的新时刻，将该新时刻的工艺参数特征向量输入至改进型回归模型中，获得产物收率预测值。
38、所述基于关键参数敏感度向量，从工艺参数特征矩阵中提取主导参数子矩阵包括以下步骤：
39、步骤411：将所述关键参数敏感度向量标记为，计算其中每个敏感度系数的绝对值||；其中，d=1,2,…,d；
40、步骤412：通过阈值法或者排序法确定主导参数集合；
41、步骤413：从工艺参数特征矩阵中提取主导参数集合中每个主导参数对应的参数值，构成主导参数子矩阵。
42、所述采用工艺时序对齐算法构建时变状态空间模型的方式为：
<本文档来自技高网...【技术保护点】
1.大环内酸衍生物生产过程自动化精准控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述通过分布式传感系统实时采集反应釜的多维过程参数时序数据包括以下步骤：
3.根据权利要求2所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述同步获取原料光谱特征数据的方式为：
4.根据权利要求3所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述对多维过程参数时序数据实施动态自适应滤波处理，生成去噪过程参数序列包括以下步骤：
5.根据权利要求4所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述同时对原料光谱特征数据进行基线校正，生成标准光谱数据包括以下步骤：
6.根据权利要求5所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述将去噪过程参数序列与标准光谱数据进行特征融合，构建工艺参数特征矩阵的包括以下步骤：
7.根据权利要求6所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述输入工艺知识约束
8.根据权利要求7所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述基于关键参数敏感度向量，从工艺参数特征矩阵中提取主导参数子矩阵包括以下步骤：
9.根据权利要求8所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述采用工艺时序对齐算法构建时变状态空间模型的方式为：
10.根据权利要求9所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述将时变状态空间模型与产物收率预测值进行动态比对的方式为：
11.根据权利要求10所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述通过多目标优化模型生成优化控制参数集的方式为：
12.大环内酸衍生物生产过程自动化精准控制系统，其用于实现权利要求1-11中任意一项所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，包括原始数据收集模块、预处理模块、产率预测模块、状态空间模型训练模块、控制参数优化模块；其中，各个模块之间通过电性方式连接；
...【技术特征摘要】
1.大环内酸衍生物生产过程自动化精准控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述通过分布式传感系统实时采集反应釜的多维过程参数时序数据包括以下步骤：
3.根据权利要求2所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述同步获取原料光谱特征数据的方式为：
4.根据权利要求3所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述对多维过程参数时序数据实施动态自适应滤波处理，生成去噪过程参数序列包括以下步骤：
5.根据权利要求4所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述同时对原料光谱特征数据进行基线校正，生成标准光谱数据包括以下步骤：
6.根据权利要求5所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述将去噪过程参数序列与标准光谱数据进行特征融合，构建工艺参数特征矩阵的包括以下步骤：
7.根据权利要求6所述的大环内酸衍生物生产过程自动化精准控制方法，其特征在于，所述输入...
【专利技术属性】
技术研发人员：张维祥，黄亚玲，黄宏武，
申请(专利权)人：北京东方华盛科技有限公司，
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。