[發(fā)明專利]一種基于數(shù)據(jù)分析的食用油堿煉工藝智能調節(jié)方法

有效

• 申請?zhí)枺?/td>: 202011287941.X
• 申請日: 2020-11-17
• 公開（公告）號: CN112486111B
• 公開（公告）日: 2021-12-14
• 發(fā)明（設計）人: 馬天雨;李濤;劉思亞;劉金平;李志鵬
• 申請（專利權）人: 湖南師范大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于大數(shù)據(jù)分析的食用油堿煉工藝智能調節(jié)方法，該方法主要包括以下步驟:1、將毛油品質、酸堿反應數(shù)據(jù)、離心機參數(shù)和質量化驗數(shù)據(jù)按照時間延遲對齊成拼接表；2、去除冗余、矛盾記錄后形成決策表；2、基于決策表訓練Xgboost模型計算得油率；3、采用K?means聚類算法尋優(yōu)關鍵參數(shù)的最優(yōu)得油率區(qū)間；4、采用自適應模擬退火遺傳算法以最高得油率為目標在最優(yōu)得油率區(qū)間尋優(yōu)最優(yōu)參數(shù)組合；5、采用粗糙集算法綜合現(xiàn)場專家規(guī)則形成調節(jié)基本規(guī)則；6、對遺傳算法給出的最優(yōu)參數(shù)進行基本規(guī)則約束，對于遺傳算法給出的最優(yōu)參數(shù)組合進行基本規(guī)則過濾。本發(fā)明確保了堿煉工藝過程穩(wěn)定運行，降低了生產成本，實現(xiàn)效益最大化。

技術領域

本發(fā)明涉及大數(shù)據(jù)挖掘的復雜工業(yè)過程智能化技術領域，尤其涉及一種基于歷史數(shù)據(jù)分析的食用油堿煉工藝智能調節(jié)方法。

背景技術

食用油堿煉工藝過程是一個存在化學變化與物理變化、干擾因素難以精確定位的典型復雜工業(yè)過程。當前，精煉生產線中和工段采用人工調節(jié)的方式，待加工毛油是按批次輸入精煉工廠，每批毛油因油品不同則需要班長在換油階段通過試機調節(jié)，設定適合該批次油的生產工藝參數(shù)，換油階段通過調節(jié)磷酸添加量、堿添加量、脫皂離心機的向心泵開度及輕向壓力等關鍵工藝參數(shù)達到適合該批次毛油的生產設定值；生產過程中當出現(xiàn)化驗值反饋油品不合格時需要根據(jù)觀測到的反饋狀態(tài)做相應調整，以達到得油率最大的目標。當前依據(jù)人工經驗調節(jié)的方式無法實現(xiàn)精確的量化計算，只有基本的方向性調節(jié)規(guī)則，需要分析大量的歷史生產數(shù)據(jù)，找出各關鍵工藝參數(shù)跟得油率的量化關系，根據(jù)不同工況給出最佳的工藝參數(shù)設定值，在保證油品合格的前提下最大限度的提高得油率。而且每批次油因缺乏攪拌可能致使油品分層導致品質在一定幅度內發(fā)生變化，要到達產油率最大值，則需根據(jù)不同油品適時調節(jié)關鍵參數(shù)，這是當前生產工藝人工調節(jié)所不具備的。

發(fā)明內容

本發(fā)明提出一種油脂精煉廠中和工段堿煉工藝最優(yōu)調節(jié)方法，通過智能調節(jié)酸堿添加量、脫皂離心機的向心泵開度及輕向壓力等關鍵工藝參數(shù)，達到中和工段酸堿反應平衡并穩(wěn)定脫皂離心機分離效果，減少目前生產工藝參數(shù)調節(jié)對人工經驗的依賴，達到穩(wěn)定、高效生產，最終提高生產線得油率的目標。

為了實現(xiàn)上述目的，本發(fā)明采用如圖1所示的方案框架，主要包括以下主要內容：

首先，建立Xgboost得油率預測模型，然后，根據(jù)歷史得油率跟關鍵參數(shù)設置區(qū)間的歷史數(shù)據(jù)，找出不同油品下的最高得油率參數(shù)區(qū)間，作為參數(shù)組合尋優(yōu)模塊GA算法尋優(yōu)約束區(qū)間，最后，基于專家經驗跟規(guī)則挖掘算法獲取現(xiàn)場調節(jié)規(guī)則，對自適應退火遺傳算法輸出結果進行約束校正。

拼接表，所述拼接表主要指深入分析工藝過程，找出影響食用油質量的DCS數(shù)據(jù)跟化驗數(shù)據(jù)，將DCS數(shù)據(jù)、化驗數(shù)據(jù)和油品質量數(shù)據(jù)基于時間對齊拼接成原始拼接表，形成拼接表的過程也稱為數(shù)據(jù)集成。

決策表，所述決策表是指對拼接表進行預處理，針對無效值和缺失值處理，采用濾波算法來剔除異常值，去除冗余和矛盾數(shù)據(jù)，精確計算各參數(shù)之間的時間延遲關系，形成大數(shù)據(jù)決策表。

特征提取，將連續(xù)值決策表離散化后采用屬性約簡算法挖掘關鍵屬性。

尋優(yōu)區(qū)間，所述尋優(yōu)區(qū)間以得油率為評價指標，采用聚類算法將歷史得油率數(shù)據(jù)劃分為高得油率，低得油率與普通三類，然后找出高得油率對應的設置參數(shù)，并通過圖表統(tǒng)計將高得油率操作區(qū)間與低得油率設定區(qū)間分隔開，將高得油率操作區(qū)間作為GA算法的關鍵工藝參數(shù)搜索區(qū)間。

Xgboot得油率預測建模，基于決策表訓練XGBoost模型，根據(jù)關鍵工藝指標預測當前得油率。

GA參數(shù)尋優(yōu)，所述參數(shù)尋優(yōu)是指采用遺傳算法在尋優(yōu)區(qū)間內搜索保證最高得油率的關鍵工藝參數(shù)。遺傳算法以XGBoost得油率預測值作為目標，在尋優(yōu)區(qū)間內找出一組保證最高得油率的工藝參數(shù)組合。