CN108595518A - 一种氧化铝生产蒸发过程在线数据协调方法及*** - Google Patents
一种氧化铝生产蒸发过程在线数据协调方法及*** Download PDFInfo
- Publication number
- CN108595518A CN108595518A CN201810251631.9A CN201810251631A CN108595518A CN 108595518 A CN108595518 A CN 108595518A CN 201810251631 A CN201810251631 A CN 201810251631A CN 108595518 A CN108595518 A CN 108595518A
- Authority
- CN
- China
- Prior art keywords
- data
- individual
- result
- coordination
- evaporation process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Factory Administration (AREA)
Abstract
本发明实施例提供了一种氧化铝生产蒸发过程在线数据协调方法及***,包括:获取蒸发过程中的各测量变量的在线数据,将在线数据输入预设多模态分层数据协调模型;预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且多个预设单模态分层数据协调模型与蒸发过程的多个生产模态相对应;获取在线数据属于各生产模态的多个概率和在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据多个概率和对应的所述多个第一协调结果,得到在线数据的第二协调结果,即实现对在线数据的数据协调。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况,使得数据协调结果更为准确。
Description
技术领域
本发明实施例涉及生产过程数据处理技术领域,更具体地,涉及一种氧化铝生产蒸发过程在线数据协调方法及***。
背景技术
氧化铝生产是现代工业生产的一个重要领域,世界上70%的氧化铝通过拜耳法生产,将铝土矿和石灰乳、苛性碱液和循环母液按一定比例研磨后制成生料浆,在高温高压条件下经预脱硅溶出铝酸钠溶液,铝酸钠溶液依次经过赤泥分离、种分分解、蒸发、焙烧等工序生产出氧化铝。蒸发过程是氧化铝生产过程的关键工序,其通过加热蒸汽将种分母液和洗涤滤液中的多余水分蒸发,为溶出工序提供高浓度循环母液。在实际氧化铝生产蒸发过程中,过程测量数据不可避免地受到误差干扰,使测量数据偏离真实值,而不满足物料质量平衡、热量平衡关系和一些过程约束。另外,受检测技术以及经济条件的限制,部分重要参数无法获取。不准确的测量数据将影响氧化铝生产蒸发过程的建模、优化、控制甚至管理决策,关系着整个氧化铝生产的经济和技术指标。
数据协调作为一种数据处理技术,利用测量数据的冗余信息,在满足机理平衡约束和参数边界条件的基础上,减少测量误差,估计未测参数。目前,数据协调方法包括投影矩阵法、迭代线性化法、加权最小二乘法、准加权最小二乘法、基于最大熵原理等方法。但是由于氧化铝实际生产过程的产品需求并不是固定的,当产品需求发生波动时,入料条件也发生改变,导致操作参数发生变化。另外,产品类型的改变以及生产方案的变动,会导致操作点的调整。这样,生产过程运行于多个生产模态下,若采用单一全局的数据协调模型,会影响数据协调结果的准确性。因此,亟需提供一种适用于氧化铝生产蒸发过程的在线数据协调方法。
发明内容
本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的氧化铝生产蒸发过程在线数据协调方法及***。
一方面本发明实施例提供了一种氧化铝生产蒸发过程在线数据协调方法,包括:
获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;
获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
另一方面本发明实施例提供了一种氧化铝生产蒸发过程在线数据协调***,所述***包括:
数据获取模块,用于获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;
数据协调模块,用于获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果,即实现对蒸发过程中所述在线数据的数据协调。
第三方面本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述方法。
本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调方法及***,通过将各测量变量的在线数据输入预设多模态分层数据协调模型,在预设多模态分层数据协调模型中,分别获取多个预设单模态分层数据协调模型对在线数据的处理得到的第一协调结果以及在线数据属于各生产模态的概率,在通过多个第一协调结果和多个对应的概率综合得到第二协调结果,即实现对蒸发过程在线数据的数据细条。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况,使得数据协调结果较采用单一全局的数据协调模型的方法更为准确。
附图说明
图1为本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调方法的流程图;
图2为本发明实施例中单模态分层数据协调模型的结构示意图;
图3为本发明实施例的实例中各数据样本属于不同模态的概率示意图;
图4为本发明实施例的实例中各模态测量数据标准差和协调数据标准差的对比图;
图5为本发明实施例的实例中不同模态下测量变量相对标准差的对比图;
图6为本发明实施例的实例中单一数据协调模型得出的协调结果标准差与多模态数据协调模型得出的结果的标准差的对比图;
图7为本发明实施例的实例中四级闪蒸器出料流量的测量值和协调值的对比图;
图8为本发明实施例的实例中新蒸汽流量的测量值和协调值的对比图;
图9为本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调***结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调方法的流程图,如图1所示,所述方法包括:
S1,获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;
S2,获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
其中,在步骤S1中,由于蒸发过程中一般存在多个生产模态,所以采用预设多模态分层数据协调模型对在线数据进行数据协调,且每个生产模态对应一个预设单模态分层数据协调模型。
在步骤S2中,在利用预设多模态分层数据协调模型对在线数据进行数据协调时,对于需要进行数据协调的在线数据,无法确定其具体属于哪个生产模态,但可以确定其属于每个生产模态的概率。
具体地,利用预设多模态分层数据协调模型对在线数据进行数据协调的具体过程为:将在线数据输入预设多模态分层数据协调模型后,在线数据分别经多个模态对应的多个预设单模态分层数据协调模型处理,得到多个第一协调结果。由于无法确定在线数据具体属于哪个模态,在获取第一协调结果的同时获取在线数据属于每个生产模态的概率,也即每个第一协调结果对应一个概率。那么根据多个第一协调结果和多个对应的概率,综合得到一个第二协调结果,该第二协调结果即为经预设多模态分层数据协调模型处理后在线数据的最终协调结果。
本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调方法,通过将各测量变量的在线数据输入预设多模态分层数据协调模型,在预设多模态分层数据协调模型中,分别获取多个预设单模态分层数据协调模型对在线数据的处理得到的第一协调结果以及在线数据属于各生产模态的概率,在通过多个第一协调结果和多个对应的概率综合得到第二协调结果,即实现对蒸发过程在线数据的数据细条。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况,使得数据协调结果较采用单一全局的数据协调模型的方法更为准确。
基于上述实施例,所述方法还包括:
获取蒸发过程中各测量变量的第一历史数据集,并根据所述第一历史数据集构建所述预设多模态分层数据协调模型。
具体地,所述根据所述第一历史数据集构建所述预设多模态分层数据协调模型,具体包括:
根据所述第一历史数据集,将蒸发过程划分为所述多个生产模态;
为每个生产模态构建对应的预设单模态分层数据协调模型,所述多个生产模态对应的所述多个单模态分层数据协调模型构成所述多模态分层数据协调模型。
进一步地,据所述第一历史数据集,采用高斯混合模型将蒸发过程划分为所述多个生产模态。
具体地,测量变量的第一历史数据集表示为X=[x1,x2,...,xm]∈Rn×m,n和m分别表示样本总数和变量维度。利用高斯混合模型对生产模态进行划分,其中高斯成分的个数可由生产操作工人的先验知识确定。基于高斯混合模型,将第一历史数据集划分成k个第二历史数据集,划分得到的第二历史数据集表示为其中第k个模态对应的样本集为表示第i个样本在第k个模态中的所有样本数,nk表示第k个模态下的样本个数。这样,蒸发过程被高斯混合模型划分成不同模态,每个模态对应的第二历史数据集也相应确定。
例如,选用某工厂连续生产的34个测量变量的2880组测量数据做案例分析,即第一历史数据集表示为X=[x1,x2,...,x34]∈R2880×34。采用高斯混合模型对生产模态进行划分,根据先验知识产生4个高斯组分。基于高斯混合模型,将第一历史数据集划分成4种模态对应的第二历史数据集,划分得到的第二历史数据集表示为其中第k个模态对应的第二历史数据集为 表示第i个样本在第k个模态中的所有样本数,nk表示第k个模态下的样本个数。各数据样本属于不同模态的概率图如图2所示。
进一步地,所述方法还包括:
将所述第一历史数据集划分为对应于各生产模态的多个第二历史数据集;
对应地,所述为每个生产模态构建对应的预设单模态分层数据协调模型,具体包括:
根据每个第二历史数据集为对应的生产模态构建预设单模态分层数据协调模型。
具体地,考虑蒸发过程未测变量的个数大于平衡方程的个数,存在数据冗余不足的问题,采用分层数据协调模型,如图3所示。首先,建立物料质量平衡层的数据协调模型,先对进五效和六效蒸发器原液流量、原液浓度、出四闪料液流量、出四闪料液浓度进行协调,对各设备出料流量、出料浓度、二次汽流量进行估计;然后,将物料质量平衡层中的协调值和估计值当做已知数据代入热平衡层中,建立热平衡层的数据协调模型,对出料温度、二次汽温度、新蒸汽流量、新蒸汽温度、冷凝水温度、原液温度进行协调,对各设备散热量进行估计。预设单模态分层数据协调模型表达为:
式中,f1和f2分别表示物料质量平衡层和热量平衡层数据协调模型的目标函数;X=[x1,x2,...,xm]和分别表示m个测量变量的测量数据和协调数据样本集;和分别表示第i个测量变量的测量数据和协调数据样本集;和分别表示第i个测量变量的第j个测量值和协调值;σi表示第i个测量变量的标准差;H表示机理等式约束;和分别表示第i个协调变量和第q个未测变量的变化下限;和分别表示第i个协调变量和第q个未测变量的变化上限;l表示物料质量平衡中包含的测量变量的个数;m-l表示热平衡中包含的测量变量的个数。
具体的目标函数和约束方程表示为:
物料质量平衡层和热平衡层的目标函数定义为:
作知识给定数值。λ表示权重,可由经验规则确定。 表示协调值。
以蒸发过程物料质量平衡、热平衡和决策变量的边界条件为数据协调模型的约束条件。一到六效蒸发器和一到四级闪蒸器的物料平衡和热平衡等式约束如表1所示。
表1
料液流量、温度、浓度和蒸汽流量、温度边界约束条件表示为:
式中,表示测量变量的协调值的变化下限;Cjmin,Fjmin,Vlmin,Qimin表示未测变量的估计值的变化下限;表示测量变量的协调值的变化上限;Cjmax,Fjmax,Vlmax,Qimax表示未测变量的估计值的变化下限。
实际上,数据协调问题可看成一个优化问题。建立数据协调模型用于获取各测量变量的协调数据,采用状态转移算法对所述分层数据协调模型求解,获取使得在各测量变量的协调数据满足过程机理平衡方程的情况下测量误差最小的测量数据的协调值。
基于上述实施例,所述预设单模态分层数据协调模型分为质量平衡层和热量平衡层;
对应地,获取所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,具体包括:
获取所述在线数据经所述质量平衡层处理后得到的第三协调结果,再获取所述第三协调结果经所述热量平衡层处理后得到的第一协调结果。
进一步地,所述根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果,具体包括:
将所述多个第一协调结果进行加权计算得到所述第二协调结果;其中,每个第一协调结果在所述加权计算中的权重为对应的概率。
具体地,对在线测量数据进行模态匹配,将测量数据属于各模态的概率与不同协调模型下的协调值相结合,得到模态匹配后的协调数据。具体操作为:
定义蒸发过程各测量变量的一组测量值为一组在线测量数据。样本xnew属于第k个模态的概率表示为p(k|xnew),由贝叶斯推理规则表示为:
将在线测量数据xnew在第k个模态下的协调值与测量数据属于各模态的概率相结合,得到模态匹配后的数据协调结果:
式中,是第i个测量变量分模态后最终的协调结果;p(k|xnew)是在线数据属于第k个模态的概率;是第i个测量变量在第k个模态下的协调值。
下面通过一个实例对本发明实施例进行进一步说明,式中,是第i个测量变量分模态后最终的协调结果;p(k|xnew)是在线数据属于第k个模态的概率;是第i个测量变量在第k个模态下的协调值。
采用本发明实施例对多模态生产条件下的测量数据进行在线数据协调,各模态测量数据和协调数据标准差比较如图4所示,四个模态下的协调结果的标准差均比测量值的标准差小。图4(a)中,进六效原液流量、进五效原液流量、四闪出料流量、新蒸汽流量的协调标准差较测量标准差分别减少了9.22%,1.09%,7.01%,12.89%。另外4(b)-4(d)三个子图的协调标准差分别有不同程度减小,说明协调后的结果波动较平缓。不同模态下测量变量相对标准差比较如图5所示,34个测量变量的相对标准差均小于零,说明协调值的标准差相对测量值的标准差小,协调值更接近真实值。单一数据协调模型得出的协调结果与多模态数据协调模型得出的结果的标准差比较如图6所示,采用分模态数据协调模型得到的协调结果标准差比单一全局数据协调模型得到的协调结果标准差小。通过四级闪蒸器出料流量和新蒸汽流量的测量值、分模态协调值和单一全局协调值对比结果可知,如图7-8所示,分模态协调值波动区间较测量值和单一全局协调值区间窄,分模态数据协调模型得到的协调结果,说明分模态数据协调模型的协调精度高。
图9为本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调***结构框图,如图9所示,所述***包括数据获取模块1和数据获取模块2。其中:
数据获取模块1用于获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态相对应。数据协调模块2用于获取所述在线数据属于各生产模态的多个概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据所述多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果,即实现对蒸发过程中所述在线数据的数据协调。
具体地,本实施例中的基准站的频率分配装置中各模块的作用及操作流程与上述方法类实施例是一一对应的,在此不再赘述。
本发明实施例提供的一种氧化铝生产蒸发过程在线数据协调***,通过将各测量变量的在线数据输入预设多模态分层数据协调模型,在预设多模态分层数据协调模型中,分别获取多个预设单模态分层数据协调模型对在线数据的处理得到的第一协调结果以及在线数据属于各生产模态的概率,在通过多个第一协调结果和多个对应的概率综合得到第二协调结果,即实现对蒸发过程在线数据的数据细条。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况,使得数据协调结果较采用单一全局的数据协调模型的方法更为准确。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种氧化铝生产蒸发过程在线数据协调方法,其特征在于,包括:
获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;
获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
2.根据权利要求1所述方法,其特征在于,所述方法还包括:
获取蒸发过程中各测量变量的第一历史数据集,并根据所述第一历史数据集构建所述预设多模态分层数据协调模型。
3.根据权利要求2所述方法,其特征在于,所述根据所述第一历史数据集构建所述预设多模态分层数据协调模型,具体包括:
根据所述第一历史数据集,将蒸发过程划分为所述多个生产模态;
为每个生产模态构建对应的预设单模态分层数据协调模型,所述多个生产模态对应的所述多个单模态分层数据协调模型构成所述多模态分层数据协调模型。
4.根据权利要求3所述方法,其特征在于,所述根据所述第一历史数据集,将蒸发过程划分为所述多个生产模态,具体包括:
根据所述第一历史数据集,采用高斯混合模型将蒸发过程划分为所述多个生产模态。
5.根据权利要求3所述方法,其特征在于,所述方法还包括:
将所述第一历史数据集划分为对应于各生产模态的多个第二历史数据集;
对应地,所述为每个生产模态构建对应的预设单模态分层数据协调模型,具体包括:
根据每个第二历史数据集为对应的生产模态构建预设单模态分层数据协调模型。
6.根据权利要求1所述方法,其特征在于,所述预设单模态分层数据协调模型分为质量平衡层和热量平衡层;
对应地,获取所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,具体包括:
获取所述在线数据经所述质量平衡层处理后得到的第三协调结果,再获取所述第三协调结果经所述热量平衡层处理后得到的第一协调结果。
7.根据权利要求1所述方法,其特征在于,所述根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果,具体包括:
将所述多个第一协调结果进行加权计算得到所述第二协调结果;其中,每个第一协调结果在所述加权计算中的权重为对应的概率。
8.一种氧化铝生产蒸发过程在线数据协调***,其特征在于,所述***包括:
数据获取模块,用于获取蒸发过程中的各测量变量的在线数据,将所述在线数据输入预设多模态分层数据协调模型;所述预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且所述多个预设单模态分层数据协调模型与蒸发过程的多个生产模态一一对应;
数据协调模块,用于获取所述在线数据属于每个生产模态的概率和所述在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据获取到的多个概率和对应的所述多个第一协调结果,得到所述在线数据的第二协调结果。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如权利要求1至7任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810251631.9A CN108595518A (zh) | 2018-03-26 | 2018-03-26 | 一种氧化铝生产蒸发过程在线数据协调方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810251631.9A CN108595518A (zh) | 2018-03-26 | 2018-03-26 | 一种氧化铝生产蒸发过程在线数据协调方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108595518A true CN108595518A (zh) | 2018-09-28 |
Family
ID=63623624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810251631.9A Pending CN108595518A (zh) | 2018-03-26 | 2018-03-26 | 一种氧化铝生产蒸发过程在线数据协调方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108595518A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718532A (zh) * | 2016-01-15 | 2016-06-29 | 北京大学 | 一种基于多深度网络结构的跨媒体排序方法 |
CN105913078A (zh) * | 2016-04-07 | 2016-08-31 | 江南大学 | 改进自适应仿射传播聚类的多模型软测量方法 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站***多故障诊断方法 |
CN107451101A (zh) * | 2017-07-21 | 2017-12-08 | 江南大学 | 一种分层集成的高斯过程回归软测量建模方法 |
-
2018
- 2018-03-26 CN CN201810251631.9A patent/CN108595518A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718532A (zh) * | 2016-01-15 | 2016-06-29 | 北京大学 | 一种基于多深度网络结构的跨媒体排序方法 |
CN105913078A (zh) * | 2016-04-07 | 2016-08-31 | 江南大学 | 改进自适应仿射传播聚类的多模型软测量方法 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站***多故障诊断方法 |
CN107451101A (zh) * | 2017-07-21 | 2017-12-08 | 江南大学 | 一种分层集成的高斯过程回归软测量建模方法 |
Non-Patent Citations (2)
Title |
---|
JIE YU 等: "Multimode Process Monitoring with Bayesian Inference-Based Finite Gaussian Mixture Models", 《AICHE JOURNAL》 * |
SEN XIE 等: "Data Reconciliation Strategy with Time Registration for the Evaporation Process in Alumina Production", 《WILEY ONLINE LIBRRARY》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11874650B2 (en) | Industrial internet of things system for automatic control of production line manufacturing parameters and control methods thereof | |
KR100915339B1 (ko) | 이중 단계 가상 계측 방법 | |
CN102831269A (zh) | 一种流程工业过程工艺参数的确定方法 | |
CN103745273A (zh) | 一种半导体制造过程的多性能预测方法 | |
KR102493658B1 (ko) | 프로세스 파라미터에 기반하여 기판을 라벨링하는 방법 | |
CN110362558A (zh) | 一种基于邻域传播聚类的能耗数据清洗方法 | |
CN108469805A (zh) | 一种基于动态性最优选择的分散式动态过程监测方法 | |
CN102621953B (zh) | 一种橡胶硬度的在线自动质量监控和预测模型更新的方法 | |
Wang et al. | A data-centric predictive control approach for nonlinear chemical processes | |
CN108664000A (zh) | 一种氧化铝生产蒸发过程稳态检测方法及*** | |
CN110221540A (zh) | 基于Hammerstein模型的连续搅拌反应器***控制方法 | |
CN108595518A (zh) | 一种氧化铝生产蒸发过程在线数据协调方法及*** | |
CN108388218B (zh) | 基于潜变量过程迁移模型的修正自适应批次过程优化方法 | |
CN114200840B (zh) | 基于分布式模型预测控制的中药制药过程运行优化方法 | |
CN110738403A (zh) | 一种数据处理方法、设备及计算机存储介质 | |
CN113191614B (zh) | 一种基于慢特征回归分析的聚丙烯产品质量实时监测方法 | |
CN108509984A (zh) | 激活值量化训练方法及装置 | |
CN111914214B (zh) | 一种基于缩减kpls模型的pta生产过程软测量方法 | |
CN113239187A (zh) | 一种基于多层级工业结构知识块划分的监测方法 | |
CN114548417A (zh) | 基于数据校正的机器学习模型训练方法及*** | |
CN111896038B (zh) | 一种基于相关熵和浅层神经网络的半导体过程数据矫正方法 | |
Hille et al. | Run-to-Run optimization of batch processes using set-based constraints | |
CN103198178A (zh) | 一种pvc聚合过程的软测量建模方法 | |
CN116703245B (zh) | 流程化生产过程监测预警***及方法 | |
WO2024077876A1 (zh) | 一种基于自适应的局部动态焦炭质量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |