CN117983134B - 一种面向工业生产的定量投料控制方法及*** - Google Patents
一种面向工业生产的定量投料控制方法及*** Download PDFInfo
- Publication number
- CN117983134B CN117983134B CN202410402254.XA CN202410402254A CN117983134B CN 117983134 B CN117983134 B CN 117983134B CN 202410402254 A CN202410402254 A CN 202410402254A CN 117983134 B CN117983134 B CN 117983134B
- Authority
- CN
- China
- Prior art keywords
- data
- reaction
- concentration
- intensity
- reaction intensity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000009776 industrial production Methods 0.000 title claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 265
- 230000002159 abnormal effect Effects 0.000 claims abstract description 63
- 239000000376 reactant Substances 0.000 claims abstract description 56
- 230000005856 abnormality Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 18
- 229920005646 polycarboxylate Polymers 0.000 description 15
- 239000008030 superplasticizer Substances 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 9
- 150000002978 peroxides Chemical class 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 6
- 238000006116 polymerization reaction Methods 0.000 description 5
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 4
- 239000003638 chemical reducing agent Substances 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 239000003999 initiator Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physical Or Chemical Processes And Apparatus (AREA)
Abstract
本发明一般地涉及投料控制技术领域,具体涉及一种面向工业生产的定量投料控制方法及***,方法包括:采集反应物的浓度数据,进而确定其对应的浓度比例数据,将浓度比例数据与第一预设调整值的积作为对应的浓度调整数据,进而确定其对应的反应剧烈程度,并根据预设参考最小样本数,得到反应剧烈程度的最小样本数;基于DBSCAN聚类,根据预设邻域半径和最小样本数,进行聚类,进而得到异常数据,从而对辅助反应物的投放速率进行控制。本发明通过根据反应剧烈程度的异常数据对辅助反应物的投料进行控制,减小了化学反应出现异常的可能性。
Description
技术领域
本发明一般地涉及投料控制技术领域。更具体地,本发明涉及一种面向工业生产的定量投料控制方法及***。
背景技术
定量投料控制方法及***在工业生产中起着至关重要的作用。在工业生产聚羧酸减水剂的过程中,需要对过辅助反应物的用量进行严格控制,辅助反应物作为引发剂辅助化学反应的进行,辅助反应物可为过氧化物等,过氧化物一般可选取双氧水。引发剂能够降低反应的活化能,促进反应的进行。这意味着引发剂可以使原本需要较高能量才能发生的聚合反应在较低能量条件下就能进行,从而提高了生产效率。
辅助反应物在合成聚羧酸减水剂的过程中起着重要的作用,它作为氧化剂,通过强氧化作用引发聚合反应。聚羧酸减水剂的合成是一个复杂的有机化学反应过程,需要通过氧化还原反应来引发单体聚合,生成具有特定结构和性能的高分子聚合物。在这个过程中,双氧水发挥了关键作用,它提供了氧化能力,促使单体分子发生聚合反应。
辅助反应物过多会对化学反应造成较大影响,使得化学反应出现异常的可能性较大。如果辅助反应物用量过多,会导致聚合反应过于剧烈,产生过多的自由基,从而导致聚合物的分子量过高,甚至出现交联反应。这可能导致产品的粘度增加,流动性变差,影响产品的使用性能。
授权公告号为CN105037648B的专利文件,其名称为一种保坍减水型聚羧酸减水剂及其低温快速制备方法,公开了:根据经验值或经验比例对辅助反应物进行投料。但是,当辅助反应物根据经验值投料过多时导致化学反应出现异常的可能性较大。
如何根据化学反应的异常对辅助反应物的投料进行控制,以减小化学反应出现异常的可能性是尤为重要的。
发明内容
为解决上述一个或多个技术问题,本发明提出通过根据预设参考最小样本数和反应剧烈程度,自适应得到反应剧烈程度的最小样本数,一个反应剧烈程度对应一个最小样本数,从而对反应剧烈程度进行聚类,得到异常数据,从而对辅助反应物的投放速率进行控制。为此,本发明在如下的多个方面中提供方案。
在本发明实施方式的第一方面中,提供了一种面向工业生产的定量投料控制方法,包括:采集反应物不同时刻的浓度数据;根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据;将每一个浓度比例数据与第一预设调整值的积作为每一个浓度比例数据对应的浓度调整数据,进而确定所述浓度调整数据对应的反应剧烈程度;根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数;基于DBSCAN密度聚类,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,得到反应剧烈程度的异常数据;根据所述异常数据,对辅助反应物的投放速率进行控制。
在一个实施例中,根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据,包括:所述浓度数据包括初始浓度数据;将每一个浓度数据与初始浓度数据的比值作为每一个浓度数据对应的浓度比例数据。
在一个实施例中,所述反应剧烈程度的获取方法,包括:对于一个浓度调整数据,将所述一个浓度调整数据与其下一个浓度调整数据的差值绝对值作为对应的反应剧烈程度;遍历浓度调整数据,得到浓度调整数据对应的反应剧烈程度。
在一个实施例中,根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数,包括:计算最小样本数的表达式为:
其中,为第i个反应剧烈程度的最小样本数,/>为预设参考最小样本数,/>为第i个反应剧烈程度的异常调整因子,/>为第i个反应剧烈程度,/>为第i+1个反应剧烈程度,为第i个反应剧烈程度的差分度,/>为第i+1个反应剧烈程度的差分度的预测值,其通过指数平滑法获得。
在一个实施例中,所述聚类的算法的距离表达式为:
其中,为第a个反应剧烈程度与第b个反应剧烈程度的欧式距离值,/>为第a个反应剧烈程度,/>为第b个反应剧烈程度。
在一个实施例中,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,包括:对所述反应剧烈程度进行聚类,其中,对于聚类过程中的一个反应剧烈程度,计算其与预设邻域半径内每一个反应剧烈程度的差值绝对值,响应于小于第一预设阈值的差值绝对值的数量大于等于所述一个反应剧烈程度对应的最小样本数,将小于第一预设阈值的每一个差值绝对值对应的反应剧烈程度作为对应聚类簇中的数据。
在一个实施例中,根据所述异常数据,对辅助反应物的投放速率进行控制,包括:响应于所述异常数据的总数与所述反应剧烈程度的总数的比值大于预设判断阈值,将辅助反应物的原始投放速率与预设比例的积作为辅助反应物的最新投放速率。
在一个实施例中,还包括:根据初始第一预设数量个反应剧烈程度的异常调整因子,得到所述预设参考最小样本数的优化度,将所述预设参考最小样本数与优化度的比值作为更新后的预设参考最小样本数;其中计算所述优化度的表达式为:
其中,P为所述优化度,N为所述第一预设数量,为第i个反应剧烈程度的异常调整因子。
在本发明实施方式的第二方面中,提供了一种面向工业生产的定量投料控制***,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现上述任一实施例的方法。
本发明的有益效果包括:
将每一个浓度比例数据与第一预设调整值的积作为每一个浓度比例数据对应的浓度调整数据,进而确定所述浓度调整数据对应的反应剧烈程度。使得相邻的浓度调整数据的差异较大,若对反应剧烈程度进行密度聚类,所述反应剧烈程度根据浓度调整数据获得,则后续确定反应剧烈程度中的异常数据的准确程度较高。
根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数。通过反应剧烈程度的变化趋势和预设参考最小样本数,计算反应剧烈程度对应的最小样本数,一个反应剧烈程度对应一个最小样本数,不同的反应剧烈程度的变化趋势对应不同的最小样本数,在密度聚类的过程中,根据反应剧烈程度的变化趋势得到的最小样本数进行聚类,筛选异常数据的准确程度较高,进而根据异常数据对辅助反应物的投料进行控制,减小了化学反应出现异常的可能性。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示意性示出根据本发明的实施例的一种面向工业生产的定量投料控制方法流程图;
图2是示意性示出根据本实施例中的一种面向工业生产的定量投料控制***的结构框示意图。
具体实施方式
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、完整地描述,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。
下面结合附图来详细描述本发明的具体实施方式。
图1是示意性示出根据本发明的实施例的一种面向工业生产的定量投料控制方法流程图。如图1所示,首先,根据本发明的第一方面,提供了一种面向工业生产的定量投料控制方法,包括:采集反应物不同时刻的浓度数据;根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据;将每一个浓度比例数据与第一预设调整值的积作为每一个浓度比例数据对应的浓度调整数据,进而确定所述浓度调整数据对应的反应剧烈程度;根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数;基于DBSCAN密度聚类,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,得到聚类簇,进而得到反应剧烈程度的异常数据;根据所述异常数据,对辅助反应物的投放速率进行控制。
具体说明如下,如图1所示,包括步骤S1至S5:
在步骤S1中,采集反应物不同时刻的浓度数据。
所述反应物为在工业生产聚羧酸减水剂的过程中的一种原料。
在聚羧酸减水剂的生产过程中,需要加入过氧化物辅助化学反应的进行,过氧化物投料量过多会导致聚羧酸减水剂的生产过程出现异常。通过对反应物浓度进行实时监测,以得到反应过程中的异常数据,从而根据异常数据对氧化物投料量进行实时调控,以避免聚羧酸减水剂的生产过程出现异常,或减小聚羧酸减水剂的生产过程出现异常的程度。
需要说明的是,采集聚羧酸减水剂的生产过程中反应物的浓度数据,并根据反应物浓度的变化,能够获取化学反应过程中出现异常的可能性。当某一时间范围内的反应物的浓度变化程度相较于其周围的浓度变化程度大,该时间范围内的化学反应过程出现异常的可能性较大。
因此,需要采集反应物不同时刻的浓度数据。
在一个实施例中,不限定反应物的浓度数据的采集频率,实施者可根据具体实施场景自行设置反应物的浓度数据的采集频率,以使得相邻的浓度数据之间的差值绝对值较大,从而便于后续对反应剧烈程度进行密度聚类。
在一个实施例中,不限定反应物的浓度数据的采集次数,实施者可根据具体实施场景自行设置反应物的浓度数据的采集次数。
需要说明的是,在对浓度数据进行采集的过程中,相邻的浓度数据的时刻之间的差值绝对值相同,也就是说,每隔固定的时间采集一次反应物的浓度数据。
具体的,根据所述采集频率采集在聚羧酸减水剂生产过程中的反应物的浓度数据。
至此,采集到了反应物的浓度数据。
在步骤S2中,根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据;将每一个浓度比例数据与第一预设调整值的积作为每一个浓度比例数据对应的浓度调整数据,进而确定所述浓度调整数据对应的反应剧烈程度。
需要说明的是,在工业生产聚羧酸减水剂的过程中,所加入的各原料的比例是固定的,在聚羧酸减水剂的生产过程中,即化学反应中,按照固定的比例消耗各类原料,所述比例遵循化学反应规律。因此,各类反应物的浓度变化的比例是固定的。
每一个浓度数据与一个参考的浓度数据的比值能够反映反应物的浓度信息,所述比值的变化能够反映对应的浓度的变化,浓度的变化越大,对应的比值的变化越大。因此,可根据反应物的浓度数据,确定每一个浓度数据的浓度比例数据,其中,相邻的浓度比例数据之间的差值绝对值相较于对应的浓度数据之间的差值绝对值大的可能性较大,更有利于后续对反应剧烈程度进行密度聚类。例如,第一个浓度比例数据与第二个浓度比例数据的差值绝对值相较于第一个浓度数据与第二个浓度数据的差值绝对值大的可能性较大。
在一个实施例中,根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据,包括:所述浓度数据包括初始浓度数据;对于一个浓度数据,将其与初始浓度数据的比值作为所述一个浓度数据对应的浓度比例数据;遍历浓度数据,得到每一个浓度数据对应的浓度比例数据。所述初始浓度数据为反应初始时刻的反应物的浓度。
反应物的浓度数据越大,对应的浓度比例数据越大。
考虑到相邻的浓度比例数据之间的差值绝对值比较小,若对反应剧烈程度进行密度聚类,所述反应剧烈程度根据浓度比例数据获得,则确定反应剧烈程度中的异常数据的准确程度较低,所述反应剧烈程度反映了浓度数据的变化程度。因此,对于一个浓度比例数据,将其与第一预设调整值的积作为所述一个浓度比例数据对应的浓度调整数据;遍历浓度比例数据,得到每一个浓度比例数据对应的浓度调整数据,以使得相邻的浓度调整数据的差异较大。若对反应剧烈程度进行密度聚类,所述反应剧烈程度根据浓度调整数据获得,则后续确定反应剧烈程度中的异常数据的准确程度较高。
在一个实施例中,不限制第一预设调整值的取值,实施者可根据具体实施场景自行设置第一预设调整值,以使得相邻的浓度比例数据之间的差值绝对值较大,从而便于后续对反应剧烈程度进行密度聚类时,确定反应剧烈程度中的异常数据的准确程度较高。
反应剧烈程度可根据相同时间内同一反应物的消耗量得到,因此,可根据反应物的浓度变化得到化学反应中实时的反应剧烈程度。
需要说明的是,浓度调整数据的变化能够反映对应的浓度数据的变化。
不同时刻对应的浓度调整数据的差异能够反映化学反应的剧烈程度。例如,相邻的浓度调整数据之间的差值绝对值能够反映对应时刻的化学反应的剧烈程度,所述差值绝对值越大,所述剧烈程度越大的可能性越大。因此,可根据所有浓度调整数据,确定浓度调整数据对应的反应剧烈程度。
在一个实施例中,所述反应剧烈程度的获取方法,包括:对于一个浓度调整数据,将所述一个浓度调整数据与其下一个浓度调整数据的差值绝对值作为对应的反应剧烈程度;遍历浓度调整数据,得到浓度调整数据对应的反应剧烈程度。
计算反应剧烈程度的表达式为:
其中,为第i个浓度调整数据对应的反应剧烈程度,/>为第i个浓度调整数据,为第i+1个浓度调整数据。需要说明的是,最后一个浓度调整数据无对应的反应剧烈程度。
举个示例,对于第二个浓度调整数据,将第二个浓度调整数据与第三个浓度调整数据的差值绝对值作为第二个浓度调整数据对应的反应剧烈程度,其反映了第二个浓度调整数据对应时刻的化学反应的剧烈程度。
越大,第i个浓度调整数据对应的时刻的化学反应的剧烈程度越大的可能性越大,/>越大。
需要说明的是,在化学反应过程中反应物始终处于被消耗的状态,因此,反应物的浓度是逐渐降低的,大于/>。
至此,获得了所有的反应剧烈程度。在二维坐标系中,横坐标为采集浓度数据的次序或时刻,纵坐标为反应剧烈程度,可得到所有反应剧烈程度在二维坐标系中的坐标,也可得到反应剧烈程度的曲线。
在步骤S3中,根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数。
在化学反应的过程中,反应物的浓度越大,化学反应会越剧烈。随着反应的进行,反应物的浓度会逐渐降低,会导致反应剧烈程度下降,而且正常情况下,下降的程度会越来越小,该下降的过程是正常的。所述下降的过程会导致浓度数据出现波动,反应初期对应的波动较大的可能性较大,当波动较大时,较大的波动对应的化学反应过程被判断为异常的可能性较大,换句话说,对应的反应剧烈程度被判断为异常数据的可能性较大。因此,需要根据反应剧烈程度的变化趋势调整对异常数据的判断条件,可根据预设参考最小样本数和反应剧烈程度,得到反应剧烈程度对应的最小样本数,一个反应剧烈程度对应一个最小样本数。即可根据反应剧烈程度的变化趋势和预设参考最小样本数,计算反应剧烈程度对应的最小样本数,不同的反应剧烈程度的变化趋势对应不同的最小样本数。
例如,化学反应初期的一个反应剧烈程度与相邻的反应剧烈程度的差异较大,所述一个反应剧烈程度对应的最小样本数应较小,以提高通过密度聚类获取异常的反应剧烈程度的准确程度。反应初期化学反应的剧烈程度的变化较大,因此所述一个反应剧烈程度与相邻的反应剧烈程度之间的较大差异为正常的可能性较大,需要使得所述一个反应剧烈程度对应的最小样本数较小,以降低将对应的正常的反应剧烈程度识别为异常的数据的概率,从而提高对反应剧烈程度进行密度聚类时得到的反应剧烈程度中的异常数据的准确程度。化学反应初期的反应剧烈程度对应的最小样本数较小,其原因可理解为:筛选异常数据时的“容忍度”较大。
化学反应后期的一个反应剧烈程度与相邻的反应剧烈程度的差异较小,所述一个反应剧烈程度对应的最小样本数应较大,以提高通过密度聚类获取异常的反应剧烈程度的准确程度。正常情况下,化学反应后期反应的剧烈程度的变化较小,因此当化学反应后期的一个反应剧烈程度与相邻的反应剧烈程度之间的差异较大时,所述一个反应剧烈程度为异常数据的可能性较大,需要使得所述一个反应剧烈程度对应的最小样本数较大,以提高对反应剧烈程度进行密度聚类时得到的反应剧烈程度中的异常数据的准确程度,因为若该最小样本数较小,则可能将异常数据识别为正常的数据。化学反应后期的反应剧烈程度对应的最小样本数较大,其原因可理解为:筛选异常数据时的“容忍度”较小。
在一个实施例中,根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数,包括:计算最小样本数的表达式为:
其中,为第i个反应剧烈程度对应的最小样本数,/>为预设参考最小样本数,/>为第i个反应剧烈程度的异常调整因子,/>为第i个反应剧烈程度,/>为第i+1个反应剧烈程度,/>为第i个反应剧烈程度的差分度,/>为第i+1个反应剧烈程度的差分度的预测值,其通过指数平滑法获得。其中,指数平滑法为现有技术。
需要说明的是,化学反应过程中,反应剧烈程度的变化可近似视为匀速变化,故可通过指数平滑法对反应剧烈程度的变化进行预测。
表示第i个反应剧烈程度相较于第i+1个反应剧烈程度的变化程度。反应剧烈程度的差分度反映了对应的反应剧烈程度的变化程度。
越大,第i个反应剧烈程度对应的局部范围内化学反应的剧烈程度的变化越大的可能性越大,第i个反应剧烈程度对应的最小样本数应当越小。
越大,/>越大,第i个反应剧烈程度对应的最小样本数应当越小。
在一个实施例中,不限制预设参考最小样本数的取值,实施者可根据具体实施场景自行设置预设参考最小样本数,以使得后续对反应剧烈程度进行密度聚类时得到的异常数据的准确程度较高。
在步骤S4中,基于DBSCAN密度聚类,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,得到反应剧烈程度的异常数据。
需要说明的是,在二维坐标系中对反应剧烈程度进行聚类。
一个反应剧烈程度对应一个最小样本数,最后一个反应剧烈程度无对应的最小样本数,最后一个反应剧烈程度的最小样本数设为预设参考最小样本数。
基于DBSCAN密度聚类,根据预设邻域半径和每一个反应剧烈程度的最小样本数,对所有反应剧烈程度进行聚类,得到聚类簇,进而得到反应剧烈程度的异常数据,所述异常数据为离群数据,即为聚类簇外的数据。其中,DBSCAN密度聚类为现有技术。
需要说明的是,正常情况下,聚羧酸减水剂的制备反应过程中,反应剧烈程度无突变,反应剧烈程度的变化符合化学反应的规律,故通过密度聚类可将全部反应剧烈程度聚为一类。
在一个实施例中,不限制预设邻域半径的取值,实施者可根据具体实施场景自行设置预设邻域半径,以使得后续对反应剧烈程度进行密度聚类时得到的异常数据的准确程度较高。在另一个实施例中,预设邻域半径的取值可取经验值4,但是不限制预设邻域半径的取值。
在一个实施例,预设参考最小样本数可取经验值6,但是不限制预设参考最小样本数的取值。
在一个实施例中,DBSCAN密度聚类算法的距离表达式为:
其中,为第a个反应剧烈程度与第b个反应剧烈程度的欧式距离值,/>为第a个反应剧烈程度,/>为第b个反应剧烈程度,a和b为采集的时刻,a表示第a个反应剧烈程度的索引,b表示第b个反应剧烈程度的索引。其中,所述采集的时刻与采集的次序一一对应。
需要说明的是,对于任意一个反应剧烈程度,其对应一个采集次序或采集时刻,所述任意一个反应剧烈程度与其他反应剧烈程度之间的差值绝对值较小,所述其他反应剧烈程度的采集时刻与所述任意一个反应剧烈程度采集时刻的差异较小,则说明所述任意一个反应剧烈程度并非为异常数据,反之,为异常数据。因此,密度聚类的距离应考虑两个反应剧烈程度的采集的时刻的差异和反应剧烈程度的差异。
在一个实施例中,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,得到聚类簇,包括:对所述反应剧烈程度进行聚类,得到聚类簇,其中,对于聚类过程中的一个反应剧烈程度,计算其与预设邻域半径内每一个反应剧烈程度的差值绝对值,响应于小于第一预设阈值的差值绝对值的数量大于等于所述一个反应剧烈程度对应的最小样本数,将小于第一预设阈值的每一个差值绝对值对应的反应剧烈程度作为对应聚类簇中的数据。
基于DBSCAN密度聚类,根据预设邻域半径和最小样本数,对所有反应剧烈程度进行聚类,得到聚类簇,其中,对于聚类过程中的一个反应剧烈程度,计算其与预设邻域半径内每一个反应剧烈程度的差值绝对值,响应于小于第一预设阈值的差值绝对值的数量大于等于所述一个反应剧烈程度对应的最小样本数,将小于第一预设阈值的每一个差值绝对值对应的反应剧烈程度作为对应聚类簇中的数据;遍历反应剧烈程度,得到聚类簇和反应剧烈程度的异常数据,其为聚类簇外的数据,即为离群数据。
在一个实施例中,实施者可根据具体场景自行设置第一预设阈值,以使得筛选异常数据的准确程度较高。
在步骤S5中,根据所述异常数据,对辅助反应物的投放速率进行控制。
其中,辅助反应物可为过氧化物。
反应剧烈程度的异常数据较多时,为了降低化学反应中出现异常数据的数量,应当减少过氧化物的投放速率。
在一个实施例中,根据所述异常数据,对辅助反应物的投放速率进行控制,包括:响应于反应剧烈程度的异常数据的总数与反应剧烈程度的总数的比值大于预设判断阈值,将辅助反应物的原始投放速率与预设比例的积作为辅助反应物的最新投放速率。当所述比值大于预设判断阈值时,此时化学反应中出现异常数据的数量较多,可认为化学反应中出现异常,应当降低过氧化物的投放速率,以降低化学反应中出现异常数据的数量。
在一个实施例中,实施者可根据具体场景自行设置预设判断阈值,以使得对过氧化物的投放速率进行控制的准确程度较高。
在一个实施例中,实施者可根据具体场景自行设置预设比例,以减少异常数据出现的可能性,或减少异常数据的数量。
在一个实施例中,根据初始第一预设数量个反应剧烈程度的异常调整因子,得到所述预设参考最小样本数的优化度,将所述预设参考最小样本数与优化度的比值作为更新后的预设参考最小样本数;其中计算所述优化度的表达式为:
其中,P为所述优化度,N为所述第一预设数量,为第i个反应剧烈程度的异常调整因子。
的作用为保留/>的正号或负号,/>的值为1。
从一个维度进行说明:在聚羧酸减水剂的生产过程中,预设参考最小样本数的值可取较大值,以期望通过密度聚类得到的异常数据的准确程度较高。但是,由于化学反应初期的反应剧烈程度的变化较大,对应的反应剧烈程度为正常数据的可能性较大,所以当预设参考最小样本数的值较大时,将反应剧烈程度的正常数据筛选为异常数据的可能性较大。因此可通过反应初期的反应剧烈程度的异常调整因子对预设参考最小样本数进行修正,以使得通过密度聚类筛选的异常数据的准确程度较高。
从另一个维度进行说明:预设参考最小样本数可取与经验值相比较大的值,其根据化学反应初期的反应剧烈程度的异常调整因子进行自适应调整,以使得根据调整后的预设参考最小样本数得到的异常数据的准确程度较高。
越大,说明对应时间内的化学反应的剧烈程度的变化越大的可能性越大,所述时间为所述第一预设数量的反应剧烈程度对应的,修正后的预设参考最小样本数应当越小。
越大,/>越大,修正后的预设参考最小样本数应当越小。
在一个实施例中,不限制第一预设数据的取值,实施者可根据具体场景自行设置第一预设数量,以使得根据修正后的预设参考最小样本数筛选的异常数据的准确程度较高。
图2是示意性示出根据本实施例中的一种面向工业生产的定量投料控制***的结构框示意图。
本发明还提供了一种面向工业生产的定量投料控制***。如图2所示,所述***包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据本发明第一方面所述的一种面向工业生产的定量投料控制方法。
所述***还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本发明中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中,“多个”、“若干个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (7)
1.一种面向工业生产的定量投料控制方法,其特征在于,包括:
采集反应物不同时刻的浓度数据;
根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据;将每一个浓度比例数据与第一预设调整值的积作为每一个浓度比例数据对应的浓度调整数据,进而确定所述浓度调整数据对应的反应剧烈程度;
根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数;
基于DBSCAN密度聚类,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,得到反应剧烈程度的异常数据;
根据所述异常数据,对辅助反应物的投放速率进行控制;
根据预设参考最小样本数和所述反应剧烈程度,得到所述反应剧烈程度对应的最小样本数,包括:计算最小样本数的表达式为:
其中,为第i个反应剧烈程度的最小样本数,/>为预设参考最小样本数,/>为第i个反应剧烈程度的异常调整因子,/>为第i个反应剧烈程度,/>为第i+1个反应剧烈程度,/>为第i个反应剧烈程度的差分度,/>为第i+1个反应剧烈程度的差分度的预测值,其通过指数平滑法获得;所述预设邻域半径的取值为4,所述预设参考最小样本数的取值为6;
所述聚类的算法的距离表达式为:
其中,为第a个反应剧烈程度与第b个反应剧烈程度的欧式距离值,/>为第a个反应剧烈程度,/>为第b个反应剧烈程度。
2.根据权利要求1所述的一种面向工业生产的定量投料控制方法,其特征在于,根据所述浓度数据,确定每一个所述浓度数据的浓度比例数据,包括:
所述浓度数据包括初始浓度数据;将每一个浓度数据与初始浓度数据的比值作为每一个浓度数据对应的浓度比例数据。
3.根据权利要求1所述的一种面向工业生产的定量投料控制方法,其特征在于,所述反应剧烈程度的获取方法,包括:
对于一个浓度调整数据,将所述一个浓度调整数据与其下一个浓度调整数据的差值绝对值作为对应的反应剧烈程度;遍历浓度调整数据,得到浓度调整数据对应的反应剧烈程度。
4.根据权利要求1所述的一种面向工业生产的定量投料控制方法,其特征在于,根据预设邻域半径和所述最小样本数,对所述反应剧烈程度进行聚类,包括:
对所述反应剧烈程度进行聚类,其中,对于聚类过程中的一个反应剧烈程度,计算其与预设邻域半径内每一个反应剧烈程度的差值绝对值,响应于小于第一预设阈值的差值绝对值的数量大于等于所述一个反应剧烈程度对应的最小样本数,将小于第一预设阈值的每一个差值绝对值对应的反应剧烈程度作为对应聚类簇中的数据。
5.根据权利要求1所述的一种面向工业生产的定量投料控制方法,其特征在于,根据所述异常数据,对辅助反应物的投放速率进行控制,包括:
响应于所述异常数据的总数与所述反应剧烈程度的总数的比值大于预设判断阈值,将辅助反应物的原始投放速率与预设比例的积作为辅助反应物的最新投放速率。
6.根据权利要求1所述的一种面向工业生产的定量投料控制方法,其特征在于,还包括:
根据初始第一预设数量个反应剧烈程度的异常调整因子,得到所述预设参考最小样本数的优化度,将所述预设参考最小样本数与优化度的比值作为更新后的预设参考最小样本数;其中计算所述优化度的表达式为:
其中,P为所述优化度,N为所述第一预设数量,为第i个反应剧烈程度的异常调整因子。
7.一种面向工业生产的定量投料控制***,其特征在于,包括:
处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1至6任一项所述的一种面向工业生产的定量投料控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410402254.XA CN117983134B (zh) | 2024-04-03 | 2024-04-03 | 一种面向工业生产的定量投料控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410402254.XA CN117983134B (zh) | 2024-04-03 | 2024-04-03 | 一种面向工业生产的定量投料控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117983134A CN117983134A (zh) | 2024-05-07 |
CN117983134B true CN117983134B (zh) | 2024-06-21 |
Family
ID=90902432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410402254.XA Active CN117983134B (zh) | 2024-04-03 | 2024-04-03 | 一种面向工业生产的定量投料控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117983134B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3552771B2 (ja) * | 1994-12-26 | 2004-08-11 | 三井化学株式会社 | 製造品銘柄変更システム |
US6185506B1 (en) * | 1996-01-26 | 2001-02-06 | Tripos, Inc. | Method for selecting an optimally diverse library of small molecules based on validated molecular structural descriptors |
WO2002017210A2 (en) * | 2000-08-18 | 2002-02-28 | Cygnus, Inc. | Formulation and manipulation of databases of analyte and associated values |
CN100582262C (zh) * | 2007-04-30 | 2010-01-20 | 中南大学 | 铜闪速熔炼操作参数优化方法 |
US8200367B2 (en) * | 2008-09-16 | 2012-06-12 | K-Tron Technologies, Inc. | Bulk material transport system |
US9051163B2 (en) * | 2009-10-06 | 2015-06-09 | Ecolab Inc. | Automatic calibration of chemical product dispense systems |
EP3627262A1 (de) * | 2018-09-18 | 2020-03-25 | Siemens Aktiengesellschaft | Verfahren und assistenzsystem zur parametrisierung eines anomalieerkennungsverfahrens |
CN112446168A (zh) * | 2020-10-28 | 2021-03-05 | 北京工业大学 | 一种基于mic及rbfnn的出水bod浓度软测量方法 |
CN115237180B (zh) * | 2022-09-23 | 2022-12-06 | 济南明鑫制药股份有限公司 | 一种用于甲酯生产中粗品制备的智能控制方法 |
CN116517529A (zh) * | 2023-05-04 | 2023-08-01 | 大连理工大学 | 一种研究水合物开采过程中井筒失稳与气体泄漏装置及方法 |
CN117732408A (zh) * | 2024-01-29 | 2024-03-22 | 广东金宗机械有限公司 | 一种原料药生产***及方法 |
-
2024
- 2024-04-03 CN CN202410402254.XA patent/CN117983134B/zh active Active
Non-Patent Citations (2)
Title |
---|
基于加权特征的无监督模糊聚类入侵检测研究;周铁军;李新宇;;湘潭大学自然科学学报;20110315(第01期);102-106 * |
指纹图谱结合聚类分析法研究清热解毒口服液的质量;陈柯 等;西北药学杂质;20230131;第38卷(第1期);19-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN117983134A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114065483A (zh) | 制氢***效能优化方法、装置、计算机设备和存储介质 | |
CN113440884B (zh) | 一种塔组温度自适应调节方法、***及存储介质 | |
CN117983134B (zh) | 一种面向工业生产的定量投料控制方法及*** | |
Wei et al. | Data augmentation and machine learning techniques for control strategy development in bio-polymerization process | |
EP3346531B1 (en) | Fuel cell system and fuel cell control method | |
CN111126707B (zh) | 能耗方程构建、能耗预测方法与装置 | |
Hinchliffe et al. | Hybrid approach to modeling an industrial polyethylene process | |
CN1916792A (zh) | 一种工业生产过程小样本条件下的软测量方法 | |
CN113554216B (zh) | 一种Kfold-LSTM混合变异寻优高分子混合制造多目标优化方法 | |
CN114019802A (zh) | 一种用于两级化学反应器***的采样控制方法及*** | |
CN116542504B (zh) | 参数自适应的半导体工件生产调度方法、设备及存储介质 | |
CN116755326A (zh) | 工艺控制方法、装置、电子设备和存储介质 | |
CN116027756B (zh) | 生产参数在线最优化方法、装置、电子设备及存储介质 | |
CN117725446B (zh) | 基于ga-bp的sofc电堆性能衰减预测方法及*** | |
CN113761788B (zh) | 基于深度学习的scopf快速计算方法及装置 | |
US20240236188A1 (en) | Minimum viable charge exchange for service operations in edge devices | |
Gholami et al. | A Data‐Driven framework for prediction the cyclic voltammetry and polarization curves of polymer electrolyte fuel cells using artificial neural networks | |
Wang et al. | Monte Carlo Simulation on the Ternary Self-Condensing Vinyl Polymerization System with Semi-Batch Process | |
CN116500988A (zh) | 多晶硅还原炉的控制方法及装置 | |
CN117467465A (zh) | 催化裂化装置汽提蒸汽用量预测方法、装置及设备 | |
CN116956742A (zh) | 铝合金抗拉强度预测模型的建立方法及其预测方法 | |
CN117950368A (zh) | 立式移动床的脱焦油控制方法、装置、设备和存储介质 | |
CN116845913A (zh) | 基于多时空尺度频率的电力***安全控制方法和装置 | |
CN117117923A (zh) | 一种基于大数据的储能控制并网管理方法及*** | |
CN117286509A (zh) | 控制制氢的方法、装置、存储介质和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |