[發(fā)明專利]一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110591042.7
• 申請日: 2021-05-28
• 公開（公告）號: CN113539382A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計）人: 馬曉華;吳玉成;張揚;樓云霄
• 申請（專利權(quán)）人: 浙江中控技術(shù)股份有限公司;浙江中控軟件技術(shù)有限公司
• 主分類號: G16C20/10
• 分類號: G16C20/10;G16C20/70;G16C20/90;G06F16/215;G06N3/04
• 代理公司: 杭州華鼎知識產(chǎn)權(quán)代理事務所(普通合伙) 33217
• 代理人: 項軍

1.一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述預警定位方法包括：

選取影響酯化反應溫度、酯化真空度兩個關(guān)鍵工藝參數(shù)的設(shè)備，基于選取的設(shè)備在亞磷酸二甲酯生產(chǎn)線上的關(guān)聯(lián)位號采集歷史數(shù)據(jù)；

對采集到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗；

根據(jù)清洗后的歷史數(shù)據(jù)劃分工況，將不同工況下的歷史數(shù)據(jù)保存到樣本庫中；

建立時序性機器學習模型，根據(jù)樣本庫對時序性機器學習模型進行訓練；

通過訓練好的時序性機器學習模型對酯化反應溫度、酯化真空度進行預測，根據(jù)預測結(jié)果對酯化反應溫度、酯化真空度進行分析，生成預警提示。

2.根據(jù)權(quán)利要求1所述的一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述對采集到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗，包括：

判斷歷史數(shù)據(jù)中是否存在缺失點，若存在則對缺失點進行填充，所述填充方法包括均值插補法、中位數(shù)插補法、眾數(shù)插補法、k近鄰法、回歸法以及插值函數(shù)法；

確定歷史數(shù)據(jù)中的異常數(shù)據(jù)，對異常數(shù)據(jù)進行平滑處理，所述平滑處理的方法包括滑動平均濾波法、一階滯后濾波法、中位值平均濾波法以及加權(quán)遞推平均濾波法。

3.根據(jù)權(quán)利要求1所述的一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述根據(jù)清洗后的歷史數(shù)據(jù)劃分工況，將不同工況下的歷史數(shù)據(jù)保存到樣本庫中，包括：

根據(jù)歷史數(shù)據(jù)中的進料量、進料量配比、產(chǎn)量以及關(guān)鍵工藝參數(shù)劃分不同的工況；

在每種工況下將歷史數(shù)據(jù)按照預設(shè)比例保存到樣本庫中。

4.根據(jù)權(quán)利要求1所述的一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述建立時序性機器學習模型，根據(jù)樣本庫對時序性機器學習模型進行訓練，包括：

步驟一：基于LSTM的架構(gòu)建立時序性機器學習模型；

步驟二：將樣本庫中的數(shù)據(jù)作為訓練數(shù)據(jù)輸入時序性機器學習模型，得到時序性機器學習模型的輸出結(jié)果，記錄從輸入訓練數(shù)據(jù)至得到輸出結(jié)果的預測時長y_TP；

步驟三：將輸出結(jié)果中的酯化反應溫度預測值與同時序的實際酯化反應溫度進行第一均方根誤差的計算，將輸出結(jié)果中的酯化真空度預測值與同時序的實際酯化真空度進行第二均方根誤差的計算，將第一均方根誤差和第二均方根誤差相加得到預測精確度y_ACC；

步驟四：基于評價公式EC對時序性機器學習模型的訓練效果進行評價，所述評價公式為：

EC＝w₁y_ACC+w₂y_TP；

其中，w₁、w₂分別為預設(shè)的精確度權(quán)重和預測時長權(quán)重，w₁、w₂的取值范圍均為小于1的正數(shù)，y_ACC、y_TP的取值范圍均為正數(shù)；

步驟五：若EC的值大于預設(shè)訓練閾值，則調(diào)整時序性機器學習模型中激活函數(shù)、神經(jīng)網(wǎng)絡(luò)層數(shù)、數(shù)據(jù)長度以及正則化的參數(shù)，重復步驟二至步驟四，直至EC的值不大于預設(shè)訓練閾值時停止訓練。

5.根據(jù)權(quán)利要求1所述的一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述預警定位方法還包括在通過訓練好的時序性機器學習模型對酯化反應溫度、酯化真空度進行預測的同時，對樣本庫進行更新，更新過程包括：

當酯化反應溫度、酯化真空度的預測結(jié)果與實際結(jié)果的誤差超過預設(shè)值時，采集設(shè)備在此時的運行數(shù)據(jù)，將所述運行數(shù)據(jù)保存到樣本庫中。

6.根據(jù)權(quán)利要求1所述的一種亞磷酸二甲酯關(guān)鍵工藝參數(shù)的預警定位方法，其特征在于，所述通過訓練好的時序性機器學習模型對酯化反應溫度、酯化真空度進行預測，根據(jù)預測結(jié)果對酯化反應溫度、酯化真空度進行分析，生成預警提示，包括：

獲取酯化反應溫度、酯化真空度的預測結(jié)果，當預測結(jié)果超過預設(shè)預警值時獲取當前關(guān)聯(lián)位號對應的實時數(shù)據(jù)；

對實時數(shù)據(jù)進行相關(guān)性分析，根據(jù)實時數(shù)據(jù)與酯化反應溫度、酯化真空度的相關(guān)程度進行排序，將排序結(jié)果對應的關(guān)聯(lián)位號作為預警提示輸出。