[發明專利]基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法

在審

• 申請號: 202210159277.3
• 申請日: 2022-02-21
• 公開（公告）號: CN114548267A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 褚菲;鮑文超;許晨峰;毛騰;張海軍;陸寧云;何大闊
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q50/02
• 代理公司: 徐州市三聯專利事務所 32220
• 代理人: 張斌

本發明公開了一種基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，屬于工業安全運行智能控制技術領域。本發明主要步驟如下：首先，將異常工況的現象變量作為證據信息輸入到安全控制貝葉斯網絡模型中進行推理。其次，依據最大后驗概率原則制定相應的安全控制決策，并依據領域專家知識判斷安全控制決策是否合理。若合理，則實施該控制決策。若不合理，則繼續判斷是否發生新的異常工況，并按照判斷條件分別進行結構更新學習和參數更新學習。最后，利用更新完成的安全控制貝葉斯網絡模型重新獲取安全控制決策。本發明提出的重介質選煤過程安全控制模型更新方法，能夠提高模型適應選煤環境變化的能力，為操作人員提供安全、可靠的控制決策。

技術領域

本發明涉及一種基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，屬于工業安全運行智能控制技術領域。

背景技術

目前，當重介質選煤過程發生異常工況時，主要依靠操作人員的經驗和知識分析導致異常工況發生的原因和位置，并給出相應操作變量值，使生產過程恢復至穩定運行狀態。然而，這種操作方式受到操作人員自身經驗、知識局限性的影響，往往不能及時給出可靠的安全控制決策，對生產造成一定的損失。

現在，隨著大數據技術的發展，一方面，由于傳感器精度的提高和大數據技術的應用，選煤過程積累了大量的工業數據，這些數據蘊含著豐富的狀態信息，能夠幫助操作人員提高產品煤質量。另一方面，在工藝機制、物料流動及設備維護的過程中也蘊含大量的專家知識，這些知識能夠指導操作人員進行相應的生產操作，便于操作人員理解。而貝葉斯網絡作為一種高效地可視化圖模型，在描述復雜變量間因果關系具有顯著優勢，能夠基于貝葉斯推理解決各種不定性條件下的問題。因此，利用貝葉斯網絡能夠有效結合異常工況數據信息與專家知識的特點，幫助操作人員面對異常工況時，通過貝葉斯推理獲取安全可靠的控制決策成為一種有效的手段。

然而，在實際生產過程中，選煤工藝之間相互關聯，原煤屬性變化頻繁，選煤生產環境復雜多變。因此，很容易發生新的異常工況，面對新的異常工況，原有的安全控制貝葉斯模型可能無法適應環境變化。若仍使用原有模型提供的安全控制決策，不僅無法消除異常工況，甚至會威脅操作人員的生命安全。此外，原有模型中的部分結構可能仍可以表征部分新的數據信息，適應環境變化。有鑒于此，需要找到一個合適的方法，能夠有效地辨識現有安全控制貝葉斯模型不適應環境變化的部分，并對其進行結構更新學習，使模型擁有能夠適應環境變化的能力，從而獲取安全可靠的控制決策。

發明內容

為了克服上述現有技術的不足之處，本發明提供一種基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，能夠提高模型適應選煤環境變化的能力，為操作人員提供安全、可靠的控制決策。

本發明是通過如下技術方案實現的：一種基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，包括如下步驟：

步驟1：采集重介質選煤過程中異常工況現象變量的數據信息，并將離散化后的數據進行作為證據，輸入到已有的安全控制貝葉斯網絡模型中進行推理，利用式(1)求取與異常現象相關的操作變量X的后驗概率：

其中，x是變量X的取值，e是變量E的取值；

步驟2：根據步驟1計算的結果，遵循后驗概率最大的原則制定相應的控制決策；

步驟3：依據步驟2中的控制決策在重介質選煤過程中的實施效果，判別該安全控制決策是否合理；若不合理則轉入步驟4，否則轉入步驟9；

步驟4：利用式(2)-(3)判別是否發生新的異常工況；若未發生新的異常工況，則表明現有的安全控制貝葉斯網絡模型的結構不需要發生改變，只需更新原有模型的參數，即轉入步驟7；若發生新的異常工況，則表明現有的安全控制貝葉斯網絡模型的結構和參數都需要更新，即轉入步驟5；